精确口腔医学:一个DPR细分和转移学习方法,用于检测第三柱压缩下膜神经的细分和转移

科学领域:

• 在口腔外科手术.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 牙第三骨的提取是常见的,神经风险需要仔细的手术前评估.
• 识别第三关节的下膜神经压缩至关重要,但目前依赖于耗时的手动分析.
• 由于对辐射暴露的担忧,减少对CT扫描诊断的依赖是可取的.

研究的目的:

• 开发一种使用牙科全景放射学的自动化系统,以分类下膜神经的第三压缩.
• 为了提高下第三手术手术手术前手术评估的诊断准确性和效率.
• 为了减少计算机断层扫描 (CT) 扫描在诊断神经压缩的需要.

主要方法:

• 实施了一种新的牙科全景放射学细分技术,用于第三位定位.
• 采用了一种创新的边缘掩盖增强方法,提取下膜神经和第三牙的特征.
• 利用基于变压器的图像检测模型来对神经压缩进行分类.

主要成果:

• 第三个位定位实现了97.92%的准确性,比之前的研究提高了3.6%.
• 边缘掩盖和图像增强方法将分类精度提高了4.3%.
• 当补充CT扫描时,最大精度达到了98.45%,比之前的研究提高了4.5%.

结论:

• 拟议的人工智能驱动的方法有效地识别了使用牙科全景放射图的下膜神经的第三压缩.
• 创新的细分和特征提取技术显著提高了诊断准确度.
• 这种方法为减少CT扫描利用率和相关辐射风险在术前评估中提供了一个有希望的替代方案.