深度学习超分辨率用于牙科CBCT使用微CT参考和边缘损失功能
Pan Chen1, Bowen Shen2, Yan Yang1
1Department of Stomatology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China; School of Stomatology, Tongji Medical College, Huazhong University of Science and Technology Wuhan China.
Journal of dentistry
|November 4, 2025
概括
深度学习超分辨率显著增强了形光束计算机断层扫描 (CBCT) 解析度,用于牙科成像. 边缘优化的模型改善了根管可视化,接近微型CT质量,以更好地进行内牙诊断.
科学领域:
- 牙科成像 牙科成像 牙科成像
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 圆束计算断层扫描 (CBCT) 在牙科中广泛使用,但缺乏空间分辨率以可视化细根管结构.
- 微型计算机断层扫描 (micro-CT) 提供了更高的分辨率,但不适合临床应用.
- 提高CBCT分辨率对于提高内牙科诊断准确度至关重要.
研究的目的:
- 调查基于深度学习的超分辨率技术的有效性,以提高CBCT图像分辨率.
- 利用配对的微CT图像作为训练和评估超分辨率模型的基本真理.
- 评估超分辨率的潜力,以改善CBCT扫描中根管解剖学的可视化.
主要方法:
- 采用了两个深度学习架构,即增强超分辨率生成对抗网络 (ESRGAN) 和混合注意力转换器 (HAT).
- 开发了一个结合高斯式,中位过和索贝尔边缘检测的边缘损失函数,以改善结构细节.
- 来自48颗人类牙的配对CBCT和微CT图像被用于创建匹配的数据集,用于培训和评估.
主要成果:
- 带有边缘损失 (ESRGAN_edge) 的ESRGAN和带有边缘损失 (HAT_edge) 的HAT都显著超过了标准方法.
- 视觉评估表明,ESRGAN_edge和HAT_edge的图像质量与微型CT相提并论.
- 三维重建显示了增强的解剖学准确性,ESRGAN_edge显示了对微型CT的最高准确性.
- 临床CBCT扫描显示根管清晰度有所改善,尽管冠状物需要进一步关注.
结论:
- 微型CT引导的超分辨率,特别是边缘优化,大大提高了CBCT在内牙科的诊断效用.
- 边缘感知深度学习超分辨率模型显示了改善临床牙科成像的重大前景.
- 开发的超分辨率模型为在临床CBCT扫描中增强牙根分辨率提供了可接受的结果.
