一种人工智能辅助的3D方法的验证,用于增强的体积量化定量化,对外根再吸收在 ортодонтика

科学领域:

• 牙科 牙科是指牙科的专业.
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 外部根吸收量化对于诊断和治疗规划至关重要.
• 评估根再吸收的传统方法可能是主观的,耗时的.
• 数字成像和人工智能的进步为改善诊断准确性提供了潜力.

研究的目的:

• 为了比较和验证二维 (2D) 和三维 (3D) 诊断方法来量化外部根吸收.
• 评估人工智能 (AI) 辅助的自动和手动数字细分对诊断准确性的影响.
• 评估不同细分和量化技术的可靠性和可重复性.

主要方法:

• 来自10个束计算机断层扫描 (CBCT) 记录的40颗牙被细分.
• 立体石版文件被创建用于双盲操作员的自动,手动或人工智能辅助细分.
• 两种量化方法进行了比较,使用达尔伯格公式,变化系数和类内相关系数 (ICC) 评估可重复性.

主要成果:

• 观察到高的观察者内部和观察者间的相关性 (ICC > 0.736).
• 在测量方法之间发现了统计学上显著的差异,特别是在使用AI细分的中央切刀的顶端三分之一 (P = .043).
• 人工智能辅助的细分证明了100%的特异性,用于评估顶的第三根再吸收量.

结论:

• 使用CBCT对根吸收的评估受到图像质量,细分类型和测量方法的影响.
• 使用三个基准点的3D测量方法在经过测试的细分技术中提供了令人满意的结果.
• 人工智能辅助的细分显示出提高外部根再吸收评估的准确性,特别是在顶峰区域的承诺.