深度学习用于使用异质多中心CBCT数据集进行3D头测标志的深度学习

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 矯正牙科 矯正牙科是一種矯正牙科.

背景情况:

• 脑仪分析对于正义牙科治疗和正义牙科手术规划至关重要.
• 目前用于3D脑测量分析的深度学习方法通常使用有限,统一的数据集,并与临床整合作斗争.
• 以前的方法考虑的地标较少,并且缺乏对现实世界工作流程的计算效率.

研究的目的:

• 评估轻量级深度学习神经网络的临床适用性,以快速定位46个头脑测量地标.
• 评估网络在多中心,多族裔和多设备数据上的表现,特别是芬兰和泰国患者队列.
• 确定临床整合方法的计算可行性和稳定性.

主要方法:

• 开发和应用一个轻量级的深度学习神经网络,用于309个CBCT扫描中的地标定位.
• 使用多中心,多民族 (芬兰和泰国) 数据集,采用多个成像设备获取.
• 评估了定位准确性 (平均距离误差) 和成功测量脑表特征.

主要成果:

• 取得的平均地标定位误差为1.99 ± 1.55毫米 (芬兰) 和1.96 ± 1.25毫米 (泰国).
• 在61.7% (芬兰) 和64.3% (泰国) 的地标中证明了临床显著的性能 (≤2毫米误差).
• 在85.9% (芬兰) 和74.4% (泰国) 的病例中,成功测量了≤2mm或≤2°误差的头脑测量特征,计算效率高 (0.77s GPU,2.27s CPU).

结论:

• 拟议的轻量级深度学习方法在技术上是可行的,并且对于快速的头脑测量里程碑定位具有稳定性.
• 该方法在不同患者群体和成像设备中显示出显著的临床适用性和准确性.
• 结果支持将这种方法整合到 ортодонтической和orthognathic手术规划的临床工作流程中.