在形光束计算机断层扫描上自动检测和近距离定量下膜神经和下第三
Chao Huang1,2, Yigan Wang1,2, Yifan Wang1,2
1State Key Laboratory of Oral Diseases &, National Clinical Research Center for Oral Diseases, West China Hospital of Stomatology, Sichuan University, Chengdu, China.
Clinical oral investigations
|November 20, 2024
概括
这项研究引入了一种快速,准确的深度学习模型,用于在CBCT扫描中量化下三靠近下膜神经的近距离. 该工具帮助外科医生评估MTM提取风险,提高患者的安全.
科学领域:
- 牙科 牙科 牙科 牙科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在手术前评估下第三 (MTM) 靠近下膜神经 (IAN) 的位置,对于手术安全至关重要.
- 对这种近距离的定量分析对于最大限度地降低MTM提取过程中IAN损伤的风险至关重要.
研究的目的:
- 开发一种自动化工具,使用圆束计算断层扫描 (CBCT) 图像量化测量 IAN 和 MTM 之间的距离.
- 利用深度学习来精确检测和测量IAN,MTM及其交叉区域.
主要方法:
- 一个基于深度学习的网络在302个CBCT扫描 (546个MTM) 上被开发和训练.
- 该网络促进了IAN,MTM和交叉区域 (IR) 的自动检测.
- 实现了距离和体积测量算法,用于近距离量化.
主要成果:
- 该模型实现了IAN (0.9531 ± 0.0145),MTM (0.9832 ± 0.0055) 和IR (0.8336 ± 0.0746) 的高细分精度.
- 对IAN-MTM距离和IR体积的自动测量是准确和高效的.
- 与手动细分 (39.01 ± 5.89 分钟) 相比,细分时间显著减少 (2.96 ± 0.11 秒).
结论:
- 介绍了一种新的,快速和准确的深度学习模型,用于IAN和MTM的检测和CBCT上的近距离量化.
- 这种人工智能驱动的方法可以帮助外科医生定量评估MTM提取风险,提供前所未有的精度.
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
771
