在CBCT中对轨道外通道的自动细分图像:使用人工智能进行解剖结构识别
Ismail Gumussoy1, Emre Haylaz1, Suayip Burak Duman2,3
1Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Sakarya University, Sakarya 54050, Turkey.
Diagnostics (Basel, Switzerland)
|July 12, 2025
概括
这项研究介绍了一种人工智能模型,用于在圆束计算机断层扫描 (CBCT) 图像中自动分割轨道下通道 (IOC). 人工智能模型准确地识别了IOC,这对于预防面和牙科手术中神经损伤至关重要.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 解剖学的细分 解剖学的细分
背景情况:
- 低轨道通道 (IOC) 对于大骨中神经血管结构至关重要.
- 精确的IOC定位对于大面部,牙植入物和轨道手术至关重要,以防止神经损伤并确保手术成功.
研究的目的:
- 开发和评估基于人工智能 (AI) 的模型,用于在圆束计算机断层扫描 (CBCT) 图像中自动细分轨下通道 (IOC).
主要方法:
- 使用了220张CBCT图像的数据集,110名患者的IOC被使用3D Slicer标记.
- 在训练和测试人工智能模型时使用nnU-Net v2架构.
- 绩效通过使用子系数 (DC),欧盟交叉点 (IoU),F1得分和95%的豪斯多夫距离 (95%高清) 来评估.
主要成果:
- 人工智能模型实现了0.7792的子系数,0.6402的IOU,0.787的F1得分和0.7661的95%高清度.
- 接收器运行特征曲线 (AUC) 下的面积计算为0.91,表明模型的高性能.
- 该模型在检测轨道下通道方面表现出高精度和准确性.
结论:
- 在CBCT图像中基于AI的IOC自动细分是一种精确和准确的方法.
- 这种人工智能方法具有显著的潜力,可以减少手术风险并提高关键解剖结构的安全性.
- 准确的IOC识别对于在手术过程中保持患者的功能和感官完整性至关重要.
