使用两个生成性AI模型用于牙重建的可行性
O Saleh1, B C Spies2, L S Brandenburg3
1Department of Prosthetic Dentistry, Faculty of Medicine, Medical Center -University of Freiburg, Center for Dental Medicine, University of Freiburg, Freiburg, Germany; Prosthodontics Division, Department of Restorative Sciences & Biomaterials, Boston University Henry M. Goldman School of Dental Medicine, Boston, MA, USA.
Journal of dentistry
|October 18, 2024
概括
基于变压器 (TM) 和基于扩散 (DM) 的人工智能模型显示出对重建缺失的牙的前景. 两种模型都实现了类似的准确性,有可能改善牙修复过程.
科学领域:
- 牙科技术 牙科技术
- 人工智能在医学中的应用
- 生物医学工程 生物医学工程
背景情况:
- 重建缺失的牙对于口腔功能和美学至关重要.
- 目前用于牙科修复的方法可能耗时且昂贵.
- 人工智能的进步为改善牙科手术提供了新的可能性.
研究的目的:
- 调查基于变压器 (TM) 和基于扩散 (DM) 的AI模型用于重建单个和多个缺失的牙的可行性.
- 在牙重建中评估和比较TM和DM模型的准确性.
- 评估AI在简化牙科修复过程中的潜力.
主要方法:
- 用129个数字化牙科模型的数据集来训练TM和DM模型.
- 人工缺失的牙被生成,以测试重建的准确性.
- 根平均平方 (RMS) 和平均绝对误差 (MAE) 用于评估与地面真相数据对比的性能.
- 进行了配对的t测试,以比较两个AI模型的准确性.
主要成果:
- 两种TM和DM模型都在重建单个和多个缺失的牙方面表现出可比的准确性.
- 在重建所有牙时观察到最大的重建差异,不包括特定的切口.
- 对于34颗牙的重建,TM显示了最高的精度 (RMS:0.21),而DM在重建21颗牙方面表现出色 (RMS:0.19).
- 在TM和DM模型之间没有发现统计学上显著的准确差异.
结论:
- 基于AI的TM和DM模型显示了准确的缺失牙重建的潜力.
- 重建准确性优于单个缺失的牙,而不是多个牙的空间.
- 建议使用更大的数据集进行进一步细化,并包括对抗性牙,以提高植入物规划中的临床应用和精度.


