基于CBCT的下尖管道细分的AI驱动工具的比较:一个验证研究
Maria Fernanda Silva da Andrade-Bortoletto1,2, Thanatchaporn Jindanil2,3,4, Rocharles Cavalcante Fontenele2,5
1Department of Oral Diagnosis, Area of Dental Radiology, Piracicaba Dental School, State University of Campinas (UNICAMP), Piracicaba, São Paulo, Brazil.
Clinical oral implants research
|June 7, 2025
概括
一个先进的AI模型在CBCT扫描上准确地识别下切口运河 (MIC),显著改善了牙科植入物规划. 这种AI工具比人类专家和以前的AI模型更快,更精确.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 精确识别下切口通道 (MIC) 对于安全安置前牙植入物至关重要.
- 在形束计算机断层扫描 (CBCT) 上进行MIC识别的传统方法可能具有挑战性和耗时.
研究的目的:
- 在CBCT扫描上验证一个增强的AI驱动模型,用于自动化MIC细分.
- 将增强的人工智能模型的精度和时间效率与人类专家和先前的人工智能模型进行比较.
主要方法:
- 在100次CBCT扫描中使用专家优化的MIC细分开发了增强的AI模型.
- 在40次CBCT扫描中对人类专家和先前的AI模型进行了模型性能测试.
- 评估指标包括IoU,DSC,回忆,精度,准确性和RMSE,以及时间效率.
主要成果:
- 增强的AI模型实现了高性能指标:93%的IOU,93%的DSC,94%的回忆,93%的精度,99%的准确性和0.23毫米的RMSE.
- 与之前的AI模型和关键指标手动细分相比,表现明显优越 (p < 0.0001).
- 在17.6秒内完成了细分,证明比手动细分快125倍 (p < 0.0001).
结论:
- 增强的AI模型提供了准确和高效的自动化MIC细分.
- 它的性能超过了人类专家和以前的AI模型细分.
- 这种人工智能工具具有显著的潜力,可以改善前置植入学手术前规划.
