自动植入物安置途径从牙科全景放射图使用深度学习进行初步临床援助
Pei-Yi Wu1, Shih-Lun Chen2, Yi-Cheng Mao3
1Department of Periodontics, Division of Dentistry, Taoyuan Chang Gung Memorial Hospital, Taoyuan City 33305, Taiwan.
Diagnostics (Basel, Switzerland)
|October 29, 2025
概括
本研究介绍了一种使用深度学习的AI框架,用于预测全景放射图上的牙科植入物路径. 人工智能表现出高精度,减少了操作员偏差,并支持精确的植入物放置.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 深度学习应用程序
背景情况:
- 精确识别无牙区域和相邻的牙对于牙植入物放置至关重要.
- 目前的方法耗时,容易产生操作员偏见.
- 人工智能辅助的工具可以提高植入式牙科的精度和效率.
研究的目的:
- 开发和评估一个人工智能辅助的框架,用于预测牙科植入物安置路径.
- 整合深度学习和图像处理,用于牙科全景放射图的自动分析.
- 支持牙科植入物治疗中的临床决策.
主要方法:
- 使用YOLO模型来检测无牙区域,使用YOLO-OBB来提取相邻牙的位置信息.
- 采用图像增强技术来提高射线图的质量.
- 开发了一种植入物路径定向可视化算法,用于生成安置建议.
主要成果:
- 人工智能框架表现稳定,精度高 (88.86%和89.82%).
- 与牙医注释的路径相比,实现了1.537°的低平均角误差.
- 实验评估使用了YOLOv9m和YOLOv8n-OBB模型.
结论:
- 这是第一个基于DPR的植入物路径预测的AI辅助诊断框架.
- 人工智能框架与临床牙科植入物规划有很强的一致性.
- 这项研究证实了人工智能的潜力,可以提高诊断准确度,并在植入式牙科中提供可靠的决策支持.
