基于人工智能的全自动3D鼻侧鼻细分系统
Meryem Kaygısız Yiğit1, Alp Pınarbaşı2, Meryem Etöz3
1Specialist, Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Erciyes University, Kayseri/Türkiye.
Dento maxillo facial radiology
|July 25, 2025
概括
一个新的nnU-Net v2算法准确地从束CT扫描中在3D中对鼻腔鼻腔进行细分. 这种自动化方法提高了临床决策的诊断精度.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 放射学 放射学是一门学科.
背景情况:
- 准确的3D对鼻细分对于有效的诊断和治疗规划至关重要.
- 当前的细分方法可能耗时或缺乏精度.
研究的目的:
- 开发和评估使用nnU-Net v2架构对鼻腔进行完全自动化的细分算法.
- 评估自动化算法的性能与专家生成的地面真相相对比.
主要方法:
- 使用nnU-Net v2架构与Python和PyTorch开发了一个细分算法.
- 在97个圆束计算机断层扫描 (CBCT) 扫描中评估了算法.
- 使用子系数,准确性,雅卡德指数和95%的豪斯多夫距离量化性能.
主要成果:
- 在所有鼻上实现了高细分精度 (>99%) 和子系数 (0.88-0.97).
- 证明了低95%的豪斯多夫距离 (0.51-1.17毫米),表明了精确的边界划分.
- 杰卡德指数在0.80至0.94之间,证实了强的细分表现.
结论:
- 基于nnU-Net v2的模型从CBCT图像中提供了非常准确和精确的鼻鼻的自动细分.
- 这种自动化方法有可能显著帮助诊断和治疗的临床决策.
- 拟议的CNN模型为提高鼻评估效率和准确性提供了一个有价值的工具.
