通过CBCT通过深度学习方法评估下沟通道和第三下牙关系

科学领域:

• 口腔和面放射学 口腔和面放射学
• 人工智能在牙科中的应用
• 医学成像分析 医学成像分析

背景情况:

• 下管 (MC) 包含下膜神经,对于下的感觉至关重要.
• 第3 (MM3) 拔除是一种常见的牙科手术,带有神经损伤的风险.
• 圆束计算断层扫描 (CBCT) 是可视化复杂的MC-MM3关系的黄金标准.

研究的目的:

• 通过CBCT和深度学习来评估下沟通道和下第三牙之间的关系.
• 开发一种人工智能模型,用于自动细分受影响的MM3,MC,精神孔和下孔.
• 评估深度学习模型在识别这些解剖结构及其空间关系方面的诊断性能.

主要方法:

• 对300名患者的CBCT数据的回顾性分析.
• 实现nnU-NetV2深度学习架构用于自动细分.
• 使用测试集 (n=30) 进行验证,其中包括精度,灵敏度,精度,子得分,贾卡德指数和AUC等指标.

主要成果:

• 深度学习模型在所有细分结构 (MM3,MC,脑孔,下孔) 中实现了高精度 (0.99).
• 具体的绩效指标各不相同,Dice的得分从0.64 (精神) 到0.85 (MM3) 之间.
• 该模型表明,MM3-MC关系与观察者评估的相关性为80%.

结论:

• nnU-NetV2深度学习架构可靠地对CBCT图像中的关键解剖结构进行细分.
• 这种人工智能驱动的方法准确地识别了MC-MM3关系,这对于手术前评估至关重要.
• 该模型显示了改善MM3提取诊断,手术规划和并发症预测的潜力.