结构保存的双阶段扩散模型用于CBCT金属人工物减少

科学领域:

• 牙科成像 牙科成像 牙科成像
• 医学图像分析 医学图像分析
• 医疗保健中的人工智能

背景情况:

• 圆束计算机断层扫描 (CBCT) 中的金属工件显著阻碍了精确的牙科诊断.
• 现有的金属工件减少 (MAR) 深度学习方法往往无法保存周围的解剖结构,并且由于域间隙,对现实世界的数据进行概括不好.

研究的目的:

• 为CBCT开发一个强大的MAR方法,强调结构保存和域泛化.
• 克服当前深度学习方法在处理现实世界牙科成像数据与金属植入物的局限性.

主要方法:

• 提出了两阶段的扩散框架:第一阶段使用结构感知扩散模型,使用合口内扫描 (IOS) 和CBCT数据进行训练,用于边缘地图提取.
• 第二阶段使用这些边缘地图作为MAR的结构先验,结合了分段引导采样 (SGS) 策略,以提高推断期间的结构保存.

主要成果:

• 拟议的方法在模拟和现实世界CBCT数据集上都展示了卓越的工件减少能力.
• 与现有方法相比,在金属植入物周围的关键牙解剖结构得到了明显更好的保存.

结论:

• 具有结构感知边缘地图提取和SGS的双阶段扩散框架有效地解决了CBCT中的MAR挑战.
• 这种方法通过提高人工物减少和结构完整性,提高了牙科应用中的诊断准确性.