在形束CT图像中取消的骨分段网络用于对条件吸收的后直立体评估
Yuxuan Yang1, Chen Zhong2, Ruohan Ma3
1School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing, 100044, China.
Dento maxillo facial radiology
|October 25, 2025
概括
这项研究引入了一种双分支融合网络 (DBF-Net),用于精确地在圆束CT (CBCT) 扫描中进行无结节骨细分. 这种方法提高了在整形外科手术后对结状吸收评估的准确性.
科学领域:
- 医疗成像医学成像
- 口腔和牙面部外科手术
- 生物医学工程 生物医学工程
背景情况:
- 在Cone Beam CT (CBCT) 中精确细分取消的骨头对于评估骨头骨吸收后的orthognathic手术至关重要.
- CBCT图像存在诸如边缘模糊和低对比度等挑战,阻碍了可靠的细分.
- 现有的方法难以提供定量分析所需的精度.
研究的目的:
- 在CBCT图像中开发一种基于边缘的增强细分方法,用于Cannellous骨.
- 提高细分的准确性和稳定性,以获得更好的外科手术规划和结果.
- 为了建立一个基础,精确的骨量化在骨格内科评估.
主要方法:
- 提出了一种新型的双分支融合网络 (DBF-Net) 用于取消无骨分割.
- 整合了无取消性骨边缘特征,并利用边缘定位作为辅助任务.
- 在各分支机构中利用共享功能参数来增强细分性能.
主要成果:
- DBF-Net实现了91.48%的DICE系数,优于其他模型.
- 将95%的豪斯多夫距离缩小到3.88毫米,表明高级边界检测.
- 在CBCT图像中,在分割无骨骨的过程中表现出显著的改善.
结论:
- 开发的DBF-Net提供了一个可靠的解决方案,用于在CBCT中可靠地进行取消无骨骨分段.
- 这种方法支持对状体再吸收的定量评估,这对于后orthognathic评估至关重要.
- 该方法提高了有效的外科规划所需的精度,并改善了患者的治疗结果.
