一个基于深度学习的跨时间多式融合系统,用于正牙监测
Haiwen Chen1, Zhiyuan Qu2, Yuan Tian2
1State Key Laboratory of Oral & Maxillofacial Reconstruction and Regeneration, National Clinical Research Center for Oral Diseases, Shaanxi Clinical Research Center for Oral Diseases, Department of Orthodontics, School of Stomatology, The Fourth Military Medical University, Xi'an, 710032, China.
Computers in biology and medicine
|August 19, 2024
概括
这项研究引入了一种用于连续正牙监测的新型深度学习系统,将形光束计算机断层扫描 (CBCT) 和口腔内扫描 (IOSs) 融合在一起,以在没有额外辐射的情况下跟踪牙根和骨.
科学领域:
- 医疗成像医学成像
- 矯正牙科 矯正牙科是一種矯正牙科.
- 人工智能的人工智能
背景情况:
- 持续监测牙根和膜骨在正牙科中至关重要,以防止并发症.
- 圆束计算断层扫描 (CBCT) 提供了详细的成像,但其高辐射剂量限制了频繁使用.
- 需要一种用于持续监测的替代方法.
研究的目的:
- 开发一种基于深度学习的系统,用于跨时间的多模式图像融合.
- 在没有额外的辐射暴露的情况下获取根和骨信息.
- 加强正义牙科风险监测能力.
主要方法:
- 集成深度学习与多式联接技术,使用CBCT和口内扫描 (IOSs).
- 开发了一个CBCT细分模型,具有动态内核前置和分辨率恢复.
- 实现了密集点云的IOS细分网络和粗到细的注册模块.
主要成果:
- 该系统保持了高分辨率,并在外部数据集上展示了出色的细分性能.
- 实现了CBCT牙的94.1%,CBCT大骨的94.4%,IOSs的91.7%的子系数.
- 现实世界注册显示牙的平均距离误差 (ADE) 为0.43mm,骨的平均距离误差为0.52mm,处理时间缩短.
结论:
- 开发了第一个基于深度学习的跨时态多式融合系统,用于正风险监测.
- 该系统可以在没有额外的辐射暴露的情况下进行持续监测.
- 这一进步预计将改变牙矯正中风险管理和治疗方式.
