基于深度学习的圆束计算机断层扫描自动标志算法的临床有效性和精度
Jungeun Park1, Seongwon Yoon2,3, Hannah Kim3,4
1Department of Orthodontics, College of Dentistry, Yonsei University, Seoul, Korea.
Imaging science in dentistry
|October 7, 2024
概括
在形束计算机断层扫描 (CBCT) 中用于自动标志的新型深度学习算法显示了与手动方法相比的准确性. 这种人工智能方法显著减少了地标识别时间,提高了诊断效率.
科学领域:
- 放射学和成像学 放射学和成像学
- 人工智能在医学中的应用
- 3D成像分析分析 3D成像分析
背景情况:
- 圆束计算机断层扫描 (CBCT) 对于面诊断至关重要.
- 准确地标识别对于CBCT中精确的3D测量至关重要.
- 手动地标是耗时的,并且受观察者之间的变化影响.
研究的目的:
- 评估基于深度学习的CBCT自动标志算法的临床有效性和准确性.
- 为了比较来自手动与自动地标识别的3D CBCT头部测量.
主要方法:
- 分析了80个CBCT扫描,分为非手术,没有硬件的手术和有硬件的手术组.
- 通过手动和3D自动地标检测方法识别了65个地标.
- 从已识别的地标计算出53个测量 (长度,角度,比率).
主要成果:
- 基于深度学习的自动地标显示出与手动方法相比的准确性.
- 六个特定测量显示手动和AI标志之间的统计学上显著差异 (P<0.05).
- 自动标记将识别时间从40-60分钟缩短到每个CBCT体积约10.9秒.
结论:
- 对于CBCT自动标志的深度学习算法在临床上是有效和准确的.
- 通过减少测量时间,人工智能驱动的地标显著提高了诊断和治疗规划的效率.
