通过以先前的解剖学知识为指导的距离受限网络,在上鼻内进行骨移植的自动细分

科学领域:

• 生物医学成像技术 生物医学成像技术
• 口腔和牙面部外科手术
• 人工智能在医学中的应用

背景情况:

• 大鼻提升对于牙科植入物至关重要,需要精确分析骨移植 (BG) 几何.
• 在圆束计算机断层扫描 (CBCT) 中,自动对BG进行细分是由于图像复杂性而具有挑战性的.
• 现有的工具缺乏BG细分的效率和准确性.

研究的目的:

• 开发一种自动化方法,用于精确地对大鼻腔的骨移植进行细分.
• 加强骨移植中的几何变化的定量分析,以改善牙科植入物结果.

主要方法:

• 一个深度神经网络 (DNN) 结合了手术前的解剖学知识以提供指导.
• 一个协调注意门,以增强跳过连接中的特征识别.
• 在DNN中集成的地理距离约束,用于多任务预测.

主要成果:

• 获得了85.48 ± 6.38%的子相似系数.
• 证明了平均表面距离误差为0.57 ± 0.34毫米和95%的豪斯多夫距离为2.64 ± 2.09毫米.
• 在细分精度和效率方面表现优于比较网络.

结论:

• 拟议的DNN有效地分割了大鼻腔中的骨移植.
• 这种方法为精确分析骨移植体积变化和吸收率提供了潜力.
• 改进的细分精度支持更好的牙科植入学临床决策.