基于深度学习技术的缺陷牙的自动恢复和重建
Juhao Wu1, Yuanchang Huang1, Jiayan He1
1School of Mechanical and Electrical Engineering, Guangzhou University, Guangzhou, 510006, China.
BMC oral health
|August 3, 2025
概括
本研究介绍了用于自动牙修复和3D重建的深度学习框架. 这种新方法在创建详细的牙科模型时显著提高了准确性和效率.
科学领域:
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
- 牙科技术 牙科技术
背景情况:
- 准确的牙形态恢复对于牙科和法医科学至关重要.
- 传统的方法,如手动模拟和CAD缺乏准确性,个性化和效率.
- 一个新的深度学习框架解决了自动牙重建的这些局限性.
研究的目的:
- 开发一种基于深度学习的创新和高效的框架,用于自动恢复和重建牙形态.
- 克服传统方法在准确性,个性化和效率方面的局限性.
主要方法:
- 将缺陷牙的RGB图像输入修复网络,以填补缺失的区域.
- 将恢复的RGB图像转换为灰度以进行预处理.
- 使用3D重建网络与灰度图像生成详细的3D网格模型.
主要成果:
- 深度学习框架展示了卓越的恢复质量,重建准确性,概括性和推断速度 (12秒/图像).
- 改进的基于ResNet50的Pixel2Mesh提高了平均F-Score,CD和EMD分别为26.5%,34.7%和22.3%,与原始相比.
- 该方法在重建详细的3D牙模型方面实现了高性能.
结论:
- 提出的深度学习方法为牙修复和重建提供了个性化,智能化和高效的解决方案.
- 这项技术为牙科诊断和治疗规划提供了宝贵的工具.
- 该框架代表了自动化牙科建模的重大进步.
