在基于深度学习的圆束计算机断层扫描图像中,自动三维量化 ортодонтика诱导的根吸收
Qianhan Zheng1, Lei Ma2, Yongjia Wu1
1Stomatology Hospital, School of Stomatology, Zhejiang University School of Medicine, Clinical Research Center for Oral Diseases of Zhejiang Province, Key Laboratory of Oral Biomedical Research of Zhejiang Province, Cancer Center of Zhejiang University, Hangzhou, Zhejiang, China.
概括
一个新的深度学习模型自动从CBCT扫描中量化根体积和正诱导的根再吸收 (OIRR). 这种人工智能方法提供了一个可靠和高效的替代方案,用于手工分析的正治疗.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 人工智能在牙科中的应用
- 矯正牙科 矯正牙科是一種矯正牙科.
背景情况:
- ортодонтически诱导的根吸收 (OIRR) 是 ортодонтической治疗的常见并发症.
- 使用CBCT对OIRR的手动3D定量分析是主观的,耗时的.
- 深度学习为自动化医疗图像分析提供了潜力.
研究的目的:
- 开发和验证基于深度学习的模型,用于自动量化OIRR.
- 自动提取根体积信息并自动从CBCT图像中定位根再吸收.
主要方法:
- 一项回顾性研究利用了来自105名患者的4534颗牙.
- CBCT图像经过预处理,包括自动牙细分和转换为点云.
- 一个动态图形卷积神经网络为数量计算和OIRR定位分割牙冠和牙根.
主要成果:
- 该模型与根体积和OIRR严重性的手动测量有很强的相关性.
- 平均体积测量的类内相关系数超过0.95 (P < 0.001).
- 对OIRR严重程度的分类准确度超过了0.8.
结论:
- 拟议的方法为OIRR评估提供了自动和可靠的工具.
- 这种由人工智能驱动的方法可能会增强正治疗的规划和监测.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.6K
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
774
