一个创新的基于人工智能的双重细分应用程序用于头部手术.
1Department of Oral and Craniomaxillofacial Surgery and 3D Print Lab, University Hospital Basel, Basel, Switzerland; Medical Additive Manufacturing Research Group (Swiss MAM), Department of Biomedical Engineering, University of Basel, Allschwil, Switzerland.
International journal of oral and maxillofacial surgery
|November 26, 2025
概括
本研究介绍了一种双模型人工智能 (AI) 系统,用于CT扫描中的自动化面细分. 人工智能系统显著减少了手动细分时间,同时保持了手术规划的临床准确性.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 计算解剖学的计算解剖学
背景情况:
- 在CT成像中精确的解剖细分对于头手术诊断和手术规划至关重要.
- 手动细分是劳动密集型,耗时,容易出现不一致.
研究的目的:
- 开发和验证一种双模型AI系统,用于CT扫描中面结构的自动细分.
- 与手动细分相比,评估人工智能系统的准确性和稳定性.
主要方法:
- 采用了基于nnU-Net的两阶段AI方法,利用粗的全球模型和精细的本地模型.
- 处理了388个临床CT扫描,分段使用子相似系数 (DSC),平均表面距离 (MSD) 和豪斯多夫距离 (HD) 进行评估.
主要成果:
- 人工智能系统实现了高精度,平均DSC分数为下/头骨的0.963,软组织的0.986.
- 低平均表面距离值观察到上鼻 (0.134毫米) 和下 (0.150毫米).
- 该系统在包括低分辨率扫描在内的各种成像协议中表现出强大性能.
结论:
- 双模型的人工智能系统高效准确地自动化了面细分,减少了手工劳动.
- 这种开放访问框架为面护理的诊断,手术和教育应用提供了可扩展的解决方案.
- 人工智能系统确保了临床精度,支持在头部和部手术中改善患者的治疗结果.
