深度学习的应用在评估下三和下膜神经之间的解剖关系:一个范围审查

科学领域:

• 牙科成像分析分析 牙科成像分析
• 在手术中使用人工智能.
• 深度学习应用程序深度学习应用程序

背景情况:

• 深度学习 (AI) 的进步正在推动下第三手术的牙科成像分析.
• 目前对AI在该领域的临床实用性的全面概述是有限的.
• 本范围审查确定和比较下第三手术的放射评估的深度学习模型.

研究的目的:

• 识别和比较用于下第三手术的放射评估中的深度学习模型.
• 专注于AI模型类型,关键性能指标,成像模式和临床适用性.
• 为AI在这个外科领域的临床实用性提供全面的概述.

主要方法:

• 在PubMed和Scopus (2015-2024) 的PRISMA-ScR引导的文献搜索.
• 包括使用全景射线图和形束计算断层扫描 (CBCT) 进行基于人工智能的分析的研究.
• 排除系统性审查,社论和数据集不足的研究;对AI模型,性能指标和临床适用性进行图表化的数据.

主要成果:

• 16项研究符合纳入标准,主要使用基于卷积神经网络 (CNN) 的模型,如U-Net.
• U-Net显示出卓越的准确性和临床实用性,特别是在使用全景图像和CBCT图像预测神经损伤和提取困难时.
• 数据集大小,验证和性能指标的显著变化表明模型通用性的挑战.

结论:

• 深度学习对下第三的放射评估具有重大潜力.
• 目前的研究主要利用2D图像进行检测/细分,而3D CBCT和预测建模则有限.
• 提高临床效用需要更大的标准化数据集,透明的注释,基准测试和强大的验证,以便可靠的提取前风险预测.