用人工智能驱动的辅助设备设计,以提高完整门植入体病例的口内扫描精度

科学领域:

• 生物医学工程 生物医学工程
• 人工智能在牙科中的应用
• 数字牙科数字牙科

背景情况:

• 完整门植入物的口腔内扫描在实现准确的图像拼接方面存在挑战.
• 具有地标的辅助设备可以帮助调整扫描数据,但手动设计是劳动密集型的.
• 深度学习为设计精确的牙科辅助设备的自动化提供了潜力.

研究的目的:

• 开发和评估使用深度学习人工智能 (AI) 模型对全弧植入物进行口内扫描的辅助设备.
• 为了比较人工智能产生的设备与手工设计的控制器的性能.

主要方法:

• 一个多层感知器AI模型在300组3D牙弧成像数据上受过训练.
• 标准化植入物坐标被用作输入来预测辅助设备设计的地标位置.
• 人工智能生成的设备和手工设计的控制器被评估为基础适合和地标表面积,使用10个牙弧的测试组.

主要成果:

• 人工智能模型在地标位置预测中实现了高精度,具有低边界框和对象性损失.
• 人工智能产生的设备基础的平方根平均值 (0.117 ± 0.053毫米) 显著小于临床值 (p < 0.001).
• 与手工设计相比,人工智能生成的地标的表面积明显较小 (762.0 ± 141.7 mm2) (1307.1 ± 286.1 mm2,p = 0.001).

结论:

• 开发的AI模型在生成用于口腔内扫描的辅助设备方面表现出了卓越的性能.
• 人工智能生成的辅助设备在没有牙的区域非常适合,并且具有更小,更精确的地标.
• 这种由人工智能驱动的方法为植入物修复中的数字牙科工作流提供了有希望的进步.