相关实验视频
Updated: Sep 17, 2025
08:18
Three-Dimensional Reconstruction of Orbital Fractures
Published on: May 16, 2025
326
对于轨道骨折检测和重建的深度学习:对诊断准确性和手术规划的系统审查
Tania Camila Niño-Sandoval1, Fabrício Souza Landim2, Belmiro C E Vasconcelos3
1Department of Oral and Maxillofacial Surgery, Universidade de Pernambuco - School of Dentistry (UPE/FOP), Recife, Brazil.
概括
深度学习 (DL) 模型在从CT扫描中检测和重建轨道骨折方面表现出高准确度. 这些人工智能工具显著减少了处理和手术规划时间,提高了诊断效率.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 轨道骨折需要准确的检测和重建才能得到有效的治疗.
- 计算机断层扫描 (CT) 是诊断轨道骨折的关键成像方式.
- 当前的诊断和规划工作流程可能很耗时.
研究的目的:
- 系统地审查深度学习 (DL) 模型在轨道骨折检测和使用CT成像重建中的有效性.
- 评估轨道骨折的DL模型的诊断准确性,处理时间和在手术规划中的实用性.
主要方法:
- 在主要数据库 (PubMed,Embase,Web of Science等) 进行系统的文献搜索. ) 的情况.
- 包括五项评估DL模型性能的相关研究.
- 性能指标包括精度,灵敏度,特异性,AUC,DSC和IOU.
主要成果:
- 包括U-Net,GAN和SPAK引导架构在内的DL模型在断裂检测和重建方面表现出高精度.
- 丹森网实现了优异的骨折识别 (AUC=0.99).
- 自动化细分将处理时间缩短到5分钟以下,基于GAN的模型将手术规划优化到1.5分钟.
结论:
- 深度学习显著提高了轨道骨折诊断和重建的准确性.
- DL模型大大减少了细分和手术规划时间.
- 进一步进行比较研究是必要的,以标准化方法,并确认临床效用.
