[基于SAM的CBCT对气囊测量的初步研究]
Linfeng Fan1, Zhongchen Song, Chunan Zhang
1Department of Radiology, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine. Shanghai 200011, China.
Shanghai kou qiang yi xue = Shanghai journal of stomatology
|October 29, 2025
概括
一个新的深度学习工具自动测量从Cone-Beam CT (CBCT) 扫描中高精度的膜口,与手动方法相比,显著提高了测量效率.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在牙科手术中,精确的气囊尺寸测量是至关重要的.
- 圆束计算机断层扫描 (CBCT) 的手动测量是耗时的,容易变化.
研究的目的:
- 开发和评估使用深度学习的自动化CBCT测量工具.
- 为了比较这个自动化工具的精度和效率与手动测量.
主要方法:
- 一个基于SAM (Segment Anything Model) 的新工具被开发用于交互式细分和测量.
- 在29名患者的427个CBCT横截面上自动测量了气囊尺寸.
- 手动和自动测量使用测试和验证套件进行了比较.
主要成果:
- 自动化的CBCT测量工具显示出高精度和与手动测量的一致性.
- 回归分析显示,测试组中的确定系数 (R2) 为0.942.
- 验证组的测量误差在±0.47毫米以内,皮尔森相关系数为0.9746 (P<0.001).
结论:
- 开发的基于深度学习的SAM工具提供了一种准确和高效的膜测量方法.
- 这种自动化方法显著提高了基于CBCT的膜评估的效率.
