一个人工智能模型的验证,用于自动检测膜骨变化后 ортодонтика使用圆束计算机断层扫描
Shibam Bardhan1, Gaurav Nagar2, Kavya Adapala3
1Department of Orthodontics, Teerthanker Mahaveer Dental College and Research Centre, Moradabad, IND.
Cureus
|November 18, 2025
概括
这项研究开发了一种使用YOLOv8和Mask R-CNN的AI工具,用于准确地测量 ортодонтика治疗后CBCT扫描中的膜骨水平. 治疗时间被确定为骨质损失的主要预测因素,有助于个性化患者护理.
科学领域:
- 牙科 牙科是指牙科的专业.
- 矯正牙科 矯正牙科是一種矯正牙科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能技术的进步使得基于图像的工具能够监测在正牙治疗后的膜骨变化.
- 圆束计算断层扫描 (CBCT) 对于评估骨水平至关重要.
- 为了有效的临床评估,需要对膜骨进行自动定量.
研究的目的:
- 开发和验证一个人工智能模型来从CBCT图像中量化膜骨水平.
- 训练人工智能模型进行地标检测并评估它们的准确性.
- 评估AI在正牙后牙周监测中的临床适用性.
主要方法:
- 利用200名接受正牙治疗的患者的1200张CBCT图像.
- 采用YOLOv8进行牙细分和Mask R-CNN用于生成牙,骨和冠状面具.
- 开发了用于水泥结 (CEJ) 和气膜骨 (ALC) 定位的自定义算法,使用随机森林回归来识别骨损失预测因素.
主要成果:
- 在62%的患者中观察到膜骨损失.
- YOLOv8在牙检测方面取得了高精度 (95.44%),而Mask R-CNN在细分任务方面表现出很强的表现 (92.28%-94.15%).
- 随机森林回归确定了正义牙科治疗持续时间 (重要性得分:0.321) 作为骨损失的主要预测因素.
结论:
- 人工智能管道为牙周监测提供了一种高效准确的方法.
- 能够早期检测到骨变化,支持个性化后 ортодонтической护理.
- 为了加强临床整合,建议与多样化的队列进行进一步的前性研究.
