一个深度学习模型用于形束计算机断层扫描上的多类牙细分.

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算机视觉 计算机视觉

背景情况:

• 机器学习 (ML) 和人工智能 (AI) 在医学图像分析中至关重要.
• 监督ML可以预测新患者的解剖结构细分.
• 这项研究侧重于人工智能用于牙科成像,特别是3D牙建模.

研究的目的:

• 开发和验证深度学习算法,用于自动创建人类牙的3D表面模型.
• 为了评估算法的性能,从形光束计算机断层扫描 (CBCT) 来细分牙结构.

主要方法:

• 使用多分辨率数据集进行培训和验证.
• 用于患者数据分配的随机分区:140用于培训,40用于验证,30用于测试.
• 使用各种指标评估模型性能,以确保可靠的评估.

主要成果:

• 牙识别模型在测试组中实现了87.92%±4.43%的准确性.
• 一般牙细分模型以93.16%±1.18%的准确度表现出卓越的性能.
• 这些结果凸显了开发的深度学习方法的有效性.

结论:

• 这项研究证实了AI在牙科成像分析中的有效性.
• 开发的算法为自动化和精确的牙科细分提供了有希望的基础.
• 预计未来人工智能驱动的牙科诊断和治疗规划方面的进步将会有所增加.