基于人工智能的1阶段鼻腔升降中移植材料的自动细分:一项回顾性研究
Yue Xi1, Xiaoxia Li1, Zhikang Wang1
1Stomatology Hospital, School of Stomatology, Zhejiang University School of Medicine, Zhejiang Provincial Clinical Research Center of Oral Diseases, Key Laboratory of Oral Biomedical Research of Zhejiang Province, Cancer Center of Zhejiang University, Hangzhou, China.
Clinical implant dentistry and related research
|December 17, 2024
概括
人工智能精确地使用Swin-UPerNet.Net在1阶段鼻腔升降中对骨移植材料进行细分. 与手工方法相比,这种AI方法显著减少了处理时间,提高了评估植入物存活率的效率.
科学领域:
- 口腔和牙面部外科手术
- 生物医学成像技术 生物医学成像技术
- 人工智能在医学中的应用
背景情况:
- 对于长期成功的牙科植入物来说,精确评估骨移植物质的 sinus 提升后至关重要.
- 形束计算断层扫描 (CBCT) 的手动细分用于移植评估是耗时的,容易产生不准确性.
- 开发自动化方法对于高效可靠地评估移植材料变化至关重要.
研究的目的:
- 评估人工智能的有效性,特别是Swin-UPerNet,用于在1阶段鼻提升手术中自动细分骨移植材料.
- 将Swin-UPerNet的准确性和效率与其他领先的细分模型和手动细分进行比较.
- 确定人工智能驱动的细分对评估骨移植稳定性的潜力.
主要方法:
- 在120次CBCT扫描中训练了Swin-UPerNet和其他细分模型 (FCN,U-Net,DeepLabV3,SegFormer,UPerNet).
- 在30次测试扫描中,使用95%的豪斯多夫距离,十字路口与联盟 (IoU) 和子相似系数等指标来评估模型性能.
- 自动细分的处理时间与手动细分的持续时间进行了比较.
主要成果:
- 斯温-UPerNet显示出卓越的准确性,达到0.84的准确率,平均精度为0.8574,IOU为0.7373 (p < 0.05).
- 使用Swin-UPerNet的自动细分将处理时间缩短到19.28秒,与手动细分的1390秒平均值相比显著下降 (p < 0.001).
结论:
- 斯温-UPerNet提供高精度和高效的骨移植材料的3D细分1阶段鼻升高后.
- 人工智能模型对改善骨移植材料稳定性和长期植入物结果的评估有很大的希望.
