开发和验证基于图形卷积网络 (GCN) 的自动叠加方法,用于大数字牙科模型 (MDM).

科学领域:

• 矯正牙科 矯正牙科是一種矯正牙科.
• 人工智能在牙科中的应用
• 3D成像是3D成像中的一种.

背景情况:

• 精确的牙数字牙科模型 (MDM) 叠加对于评估牙运动在正统牙科中至关重要.
• 手动叠加方法可能是耗时的,并且受审查者之间的变化影响.
• 开发用于MDM叠加的自动化,可靠的方法是一个正在进行的研究领域.

研究的目的:

• 为了验证基于图形卷积网络 (GCN) 的方法来叠加MDM.
• 为了比较GCN方法的准确性和可靠性与手动叠加.
• 量化与基于GCN的叠加技术相关的临床错误.

主要方法:

• 一个GCN被训练在100个3DMDM上,使用手动注释的 palatal 稳定结构进行监督.
• 进行了口腔稳定结构的自动细分,以豪斯多夫距离评估准确度.
• 牙位置和角度的临床错误测量了第一牙和中央切口.
• 使用类内相关系数 (ICC) 评估可靠性.

主要成果:

• 口腔细分的平均豪斯多夫距离为0.36毫米,超过检查员内部和检查员间的偏差.
• 牙位置偏差小于0.32毫米.
• 牙角度差异在尖端/扭矩方面小于0.26°,在旋转方面小于0.46-0.61°.
• 可靠性的ICCs从0.82到0.99不等.

结论:

• 基于GCN的MDM叠加方法对于评估成年人的牙运动是有效的.
• 该方法在牙位置和角度上的临床误差是可以接受的临床使用.
• GCN方法具有很高的可靠性,可与手动细分相比较.