超出成像数据的细分:使用人工智能创建解剖学上有效的牙下几何结构,用于使用人工智能进行手术规划
Stefan Raith1,2, Tobias Pankert3,4, Srikrishna Jaganathan4
1Department of Oral and Maxillofacial Surgery, RWTH Aachen University Hospital, Pauwelsstraße 30, 52074, Aachen, Germany. sraith@ukaachen.de.
Clinical oral investigations
|October 11, 2025
概括
人工智能通过扫描有牙的下,准确地生成没有牙的下模型. 这项创新有助于虚拟手术规划精确下重建和牙植入物放置.
科学领域:
- 面外科手术 面外科手术
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 部重建具有挑战性,特别是对于需要植入牙的无牙患者来说.
- 目前的人工智能细分模型包括牙,限制它们用于无牙下重建计划.
- 准确的虚拟手术规划 (VSP) 需要精确的,没有牙的下模型.
研究的目的:
- 评估使用深度学习对从牙CT扫描中分段解剖学上有效的无牙下的可行性.
- 为了确保在无牙下中进行自主移植计划的几何准确性.
- 为了优化VSP用于在重建下中插入牙植入物.
主要方法:
- 一个两级卷积神经网络 (CNN) 从246个CT扫描中细分下.
- 数据集包括有牙的,部分有牙的和没有牙的下,对膜缩有修改 (III和V类).
- 使用子相似系数 (DSC) 和表面距离指标评估的性能.
主要成果:
- 在所有下类型中,AI细分实现了高精度 (平均DSC>0.94).
- 在无牙下中观察到的最高精度 (DSC 0.96 ± 0.014).
- 尽管模拟了膜脊再吸收,但基线下的几何状况被保留了.
结论:
- 由人工智能驱动的细分精确地从牙CT扫描中生成有效的牙下.
- 精确适应膜脊形状是一个关键的创新.
- 这种人工智能工具增强了患者特定的VSP,用于下重建.
