通过人工智能驱动的形表面装配来增强全景牙科成像:通过最佳的重建区域实现更好的清晰度和准确性
Nayeon Kim1, Hyeonju Park1, Yun-Hoa Jung1,2
1Department of Oral and Maxillofacial Radiology, School of Dentistry, Pusan National University, Yangsan 50612, Korea.
Dento maxillo facial radiology
|January 20, 2025
概括
本研究介绍了一种人工智能驱动的方法,用于生成更清晰的牙科全景. 自动化方法增强了牙根和牙周病变的可视化,提高了诊断准确度.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 3D重建技术 3D重建技术
背景情况:
- 传统的全景射线扫描通常缺乏清晰度和精确的对齐,无法对详细的牙结构进行可视化.
- 准确的细分和重建对于识别微妙的病理,如周周病变的病变至关重要.
研究的目的:
- 开发一种自动化方法,以产生高对比度,高度对齐的3D全景牙科视图.
- 优化一个以牙为中心的三维 (3D) 重建区域,以提高清晰度.
主要方法:
- 进行了对312个形光束CT扫描 (CBCT) 的回顾性分析.
- 采用3D U-Net深度学习模型进行了下巴和牙细分以及全景生成.
- 使用圆柱形重建方法和3D斜线曲线来定义最佳的3D重建区域.
主要成果:
- 与传统技术相比,基于人工智能的方法显著改善了牙根和膜骨之间的对比度.
- 在牙形态和牙周病变检测方面,实现了较高的交叉与结合 (IoU) 值.
- 观察到病变边界的可见性提高和关键牙结构的可视化改善.
结论:
- 自动化的AI方法成功地产生了高对比度,对齐的全景视图,增强了对病理变化的检测.
- 这种方法在减少临床医生的疲劳和提高诊断准确度方面具有优势.
- 未来的工作将专注于在多样化的患者群体和面结构中验证该模型.
