通过深度学习加速结构优化进行全在4®治疗的个性化假肢设计
Yung-Chung Chen1,2, Kuan-Hsin Wang3, Chi-Lun Lin3,4
1School of Dentistry & Institute of Oral Medicine, College of Medicine, National Cheng Kung University, Tainan, Taiwan.
Journal of dental sciences
|September 30, 2024
概括
本研究介绍了BESO-Net,这是一种用于优化All-on-4®牙科框架的AI方法. BESO-Net显著减少了材料使用和计算时间,同时确保了个性化患者解决方案的结构完整性.
科学领域:
- 生物材料工程 生物材料工程
- 计算力学 计算力学 计算力学
- 人工智能在牙科中的应用
背景情况:
- 全在4®治疗理念提供使用四种植入物的全门牙科康复.
- 对于All-on-4®的假肢框架的结构设计得到了有限的研究关注.
- 优化框架设计对于材料效率和结构强度至关重要.
研究的目的:
- 提出和评估BESO-Net,这是一个新的深度学习方法,用于优化假牙框架结构.
- 为了减少All-on-4®假肢的材料消耗 (例如Ti-6Al-4V),同时保持结构完整性.
- 为了加快个性化All-on-4®植入体框架的设计过程.
主要方法:
- 开发BESO-Net,一个基于双向进化结构优化 (BESO) 的卷积神经网络 (CNN).
- 培训BESO-Net使用来自14994个设计配置的有限元分析 (FEA) 数据.
- 评估BESO-Net的性能,一般化和计算效率.
主要成果:
- BESO-Net准确地预测了各种患者解剖学和负载条件的最佳假牙框架结构.
- 与传统方法相比,在合规方面达到0.29%的平均误差,在形状错误方面达到11.26%.
- 结构优化的计算时间从6.5小时减少到45秒.
结论:
- BESO-Net方法在临床上适用于快速,个性化的All-on-4®框架设计.
- 在不损害框架度的情况下,可以实现显著的材料节省.
- 这种人工智能驱动的方法提高了牙科植入学中的效率和材料经济性.
