用深度学习进行3D头脑测量地标检测的准确性和可靠性
Boyan Liu1, Chang Liu2, Yutao Xiong2
1Foshan Stomatological Hospital, School of Medicine, Foshan University, Foshan, 528000, People's Republic of China.
European journal of medical research
|October 22, 2025
概括
一个人工智能驱动的模型准确地检测口腔和大面部扫描中的3D地标,改善手术规划. 这种自动化系统提高了复杂案件的专家的地标效率和精度.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 面外科和正牙科的外科手术.
背景情况:
- 精确的三维 (3D) 里程碑检测对于面生长评估和手术规划 (正牙,正牙,塑料和创伤手术) 至关重要.
- 当前的方法往往需要手动输入,这可能是耗时的,容易变化.
研究的目的:
- 开发和验证口腔和大面部区域的自动化3D标志模型.
- 评估模型的准确性,稳定性和可泛化性在不同的成像模式 (螺旋计算断层扫描[SCT]和圆束计算断层扫描[CBCT]) 和地标类型.
主要方法:
- 为自动化标志模型使用了优化的轻量级3D U-Net网络架构.
- 该模型在480个SCT和240个CBCT病例的大数据集上进行了训练和验证,并在单独的数据集 (320个SCT,150个CBCT) 上进行了进一步的测试.
- 评估指标包括在2-4毫米值时的平均辐射误差 (MRE) 和成功检测率 (SDR),以及坐标智能错误分析.
主要成果:
- 人工智能模型的平均MRE始终低于1.3毫米,即使在复杂的情况下 (缺陷,缺失的牙,文物).
- 对于SCT和CBCT,内部和外部数据集之间没有发现MRE和SDR的显著差异.
- 该模型显著提高了标志能力 (15.9%的老年人,28.9%的年轻人) 和加速的交互时间 (6-9.5倍).
结论:
- 这种由人工智能驱动的模型提供了口腔和大面部标志的高精度3D定位,在复杂的场景中证明了它的实用性.
- 它显示出作为计算机辅助工具的潜力,用于专家准确和高效地标分析.
- 建议进行前性临床验证,以确认其在各种临床环境和用户体验水平的稳定性和通用性.
