卷积神经网络用于口腔内扫描中的自动牙细分
Xiaotong Wang1,2, Khalid Ayidh Alqahtani3, Tom Van den Bogaert1
1OMFS IMPATH Research Group, Department of Imaging and Pathology, Faculty of Medicine, KU Leuven, Kapucijnenvoer 33, Leuven, 3000, Belgium.
BMC oral health
|July 16, 2024
概括
本研究引入了一个卷积神经网络 (CNN) 模型,用于在口腔内扫描上准确的自动牙细分. 开发的3D U-Net管道显著提高了数字牙科工作流程的效率和可靠性.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 数字牙科数字牙科
背景情况:
- 从口腔内扫描 (IOS) 进行自动牙细分对于数字牙科至关重要.
- 现有的方法难以应对牙状况的变化.
- 对于临床应用,需要一个强大的自动化解决方案.
研究的目的:
- 开发和评估一个卷积神经网络 (CNN) 模型,用于IOS图像上的自动牙细分.
- 评估拟议模型的性能和临床适用性.
主要方法:
- 使用了761张IOS图像的数据集.
- 一个多步骤的3D U-Net管道被设计用于自动化细分.
- 性能通过准确性和时间来评估,临床适用性在云平台上进行了测试.
主要成果:
- 美国有线电视新闻网 (CNN) 模型实现了91%的交叉与联盟 (IoU) 分数.
- 自动细分的平均时间为每张大31.7秒.
- 与半自动方法相比,精细的人工智能方法 (R-AI) 显著减少了细分时间,提高了可靠性.
结论:
- 3D U-Net 管道为 IOS 数据提供准确,高效和一致的自动牙细分.
- 基于云的平台为临床环境中的IOS细分提供了可行的解决方案.
