在CBCT图像上,使用卷积神经网络对下牙中脉腔系统的AI驱动细分
Marie Louise Slim1,2, Reinhilde Jacobs3,4, Renata Maíra de Souza Leal1,5
1OMFS-IMPATH Research Group, Department of Imaging and Pathology, Faculty of Medicine, KU Leuven, Kapucijnenvoer 7, Leuven, 3000, Belgium.
Clinical oral investigations
|November 21, 2024
概括
一个人工智能 (AI) 工具使用形束计算断层扫描 (CBCT) 精确地细分下牙中的脉腔系统. 这种自动化方法显著减少了处理时间,提高了内牙科工作流程的效率和精度.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 精确的脉腔系统细分对于内脏牙手术至关重要.
- 从CBCT图像中手动细分牙结构是耗时且容易变化的.
研究的目的:
- 开发和验证一个人工智能驱动的工具,用于自动细分下毛脉腔系统.
- 与手动细分相比,评估人工智能工具的准确性和时间效率.
主要方法:
- 使用了66个CBCT扫描,分为训练,验证和测试集.
- 一个人工智能工具进行了自动细分,随后进行了专家改进 (R-AI).
- 使用子相似系数 (DSC) 和豪斯多夫距离 (HD) 评估准确性;进行时间分析.
主要成果:
- 人工智能工具实现了高准确度,DSC为88%±7% (第一) 和90%±6% (第二).
- 与手动细分 (0.21 ± 0.08) 相比,AI细分显示出明显较低的95%豪斯多夫距离 (0.13 ± 0.07).
- 自动细分的时间效率很高:AI (4.3 ± 2秒),R-AI (139 ± 93秒),与手动 (2349 ± 444秒) 相比.
结论:
- 这种由人工智能驱动的工具提供了下牙中脉腔系统的准确和时间高效的细分.
- 自动化细分促进了快速,精确的3D建模,支持最少的侵入性内科医疗,并提高了工作流程的效率.
- 这项技术有助于预测潜在的内牙并发症.
