立方牙和大牙的三维语义细分以及使用卷积神经网络对正牙治疗牙的运动评估
Abdul Rehman El Bsat1, Elie Shammas1, Daniel Asmar1
1Department of Mechanical Engineering, Maroun Semaan Faculty of Engineering and Architecture, American University of Beirut, Beirut P.O. Box 11-0236, Lebanon.
Diagnostics (Basel, Switzerland)
|June 13, 2025
概括
本研究引入了一种使用卷积神经网络 (CNN) 的牙科模型的新型3D细分方法. 它通过使用 palatal rugae 作为稳定的参考来准确地测量牙治疗后的牙运动.
科学领域:
- 计算机辅助设计是指计算机辅助设计.
- 医学成像医学成像
- 矯正牙科 矯正牙科是一種矯正牙科.
背景情况:
- 3D牙科模型细分对于正统牙科计算机辅助设计至关重要.
- 传统的方法与缺失或错位的牙作斗争.
- 需要一个强大的细分方法来进行准确的正牙分析.
研究的目的:
- 在3D扫描中使用卷积神经网络 (CNN) 语义地分割大牙和 palatal rugae.
- 通过使用稳定的 palatal rugae 参考来评估牙运动的正牙后治疗.
主要方法:
- 开发了一种3D细分方法,通过将3D扫描转换为2D图像进行细分,然后向后投影到3D.
- 使用了100个患者扫描的数据集,由专家手动分割.
- 使用 palatal rugae 作为稳定的参考框架,对齐的治疗前后扫描.
主要成果:
- 实现了98.69%的准确性和84.5%的交叉点在联盟 (IoU) 上进行3D细分.
- 启用了3D转换和旋转牙运动的计算.
- 不需要对数据进行预处理或后处理.
结论:
- 拟议的方法成功地测量了牙运动,使用虫作为稳定的参考.
- 提供了对大牙的准确的旋转和翻译测量.
- 为分析正牙治疗结果提供了强大的解决方案.
