使用3D深度学习对准备牙的数字表面模型进行自动边缘线提取
Ammar Alsheghri1, Ying Zhang2, Julia Keren3
1Mechanical Engineering Department, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Kingdom of Saudi Arabia; Interdisciplinary Research Center for Biosystems and Machines, King Fahd University of Petroleum and Minerals (KFUPM), Dhahran, 31261, Kingdom of Saudi Arabia.
Computers in biology and medicine
|August 21, 2025
概括
这项研究引入了人工智能驱动的数字解决方案,用于在牙冠设计中自动创建边缘线,比手工方法提高一致性和效率. 人工智能框架准确地从准备好的牙的3D扫描中提取边缘线.
科学领域:
- 数字牙科
- 医疗保健中的人工智能
- 生物医学工程
背景情况:
- 牙冠的手动边缘线设计是主观的,缺乏可重复性.
- 目前创建保证金线的数字方法可能耗时且不一致.
- 精确的边缘线定义对于成功的牙科修复至关重要.
研究的目的:
- 开发和验证一个个性化的数字解决方案,用于在准备好的牙上自动和一致的边缘线.
- 在3D扫描中利用监督深度学习来准确细分准备好的牙.
- 建立一个端到端的人工智能框架,用于牙冠设计的边缘线抽取.
主要方法:
- 使用监督深度学习对1113个3D扫描准备牙的数据集.
- 使用5倍交叉验证的多数投票分类器来增强细分性能.
- 实施了一种新的后处理程序来纠正和提取保证线,然后与地面真实保证线进行比较.
主要成果:
- 在78个测试案例中,AI模型成功地提取了200μm值内的70个边缘线和100μm值内的62个边缘线.
- 与传统的图形切割技术 (DSC = 0.974,p=0.024) 相比,拟定的后处理程序显示出更高的精度 (DSC = 0.986).
- 在利线细分方面实现了高准确性和一致性,优于现有方法.
结论:
- 拟议的端到端人工智能框架为自动提取保证金线提供了一种一致且时间效率高的数字工具.
- 这种人工智能解决方案有可能大大改善牙冠设计的工作流程.
- 该技术提供了一种可重复和准确的方法来定义数字牙科的临界边缘.


