使用基于深度学习的方法评估下第三牙和下膜通道之间的空间关系:一项概念验证研究
Wenjie Lyu1,2, Shang Lou3, Jieying Huang4
1Department of Oral and Maxillofacial Surgery, Affiliated Stomatology Hospital of Guangzhou Medical University, Guangdong Engineering Research Center of Oral Restoration and Reconstruction, Guangzhou Key Laboratory of Basic and Applied Research of Oral Regenerative Medicine, Guangzhou, Guangdong, 510182, China.
BMC oral health
|August 7, 2025
概括
这项研究开发了一个人工智能系统,可以准确地测量下三 (M3) 和下通道 (MC) 之间的3D距离. 人工智能系统提供了一种可靠的工具,用于在M3提取之前进行手术前风险评估.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 评估下第三 (M3) 与下通道 (MC) 之间的距离对于预防下膜神经 (IAN) 损伤至关重要.
- 现有的深度学习系统难以准确3D量化M3-MC距离.
研究的目的:
- 开发和验证基于深度学习的系统,用于精确地3D测量CBCT图像中的M3-MC空间关系.
- 为了评估这个人工智能系统与传统测量技术的准确性.
主要方法:
- 使用DeeplabV3+进行二维CBCT图像的语义细分,然后进行3D重建.
- 应用KD-Tree算法来测量M3和MC之间的最小空间距离.
- 内部验证使用ANOVA和Tukey HSD测试将AI测量与传统方法和专家定义的黄金标准进行了比较.
主要成果:
- 在测量方法之间发现了显著的差异 (p < 0.05).
- 与黄金标准相比,人工智能系统的准确性很高:ME=0.19,MAE=0.18,MSE=0.69,RMSE=0.83,R2=0.96 (p < 0.01).与黄金标准相比,人工智能系统的准确性很高.
- 人工智能重建模型的测量与传统方法有很大的不同.
结论:
- 拟议的AI系统对于测量M3-MC距离非常准确和可靠.
- 这种人工智能工具增强了M3提取程序的手术前风险评估.
