一个深度学习框架,用于自动化牙科细分和诊断报告生成从形光束计算机断层扫描
Wenbo Zhou1, Dan Zhao2, Bingyang Zhao3
1Department of Stomatology, China-Japan Union Hospital of Jilin University, Changchun, China.
Head & face medicine
|November 29, 2025
概括
这项研究引入了一种深度学习模型,用于自动化牙细分和诊断从束计算机断层扫描 (CBCT) 图像,提高牙科诊断效率.
科学领域:
- 医疗成像医学成像
- 人工智能在牙科中的应用
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 圆束计算机断层扫描 (CBCT) 对于牙科诊断至关重要.
- 自动分析CBCT图像可以提高诊断的准确性和效率.
- 开发用于牙细分和疾病检测的AI模型是一个活跃的研究领域.
研究的目的:
- 开发一种深度学习模型,用于CBCT图像中的自动牙细分和编号.
- 创建一个AI系统来评估牙状况和检测牙科疾病.
- 为了自动生成辅助诊断报告.
主要方法:
- 设计了一个两阶段的深度学习管道,集成3D TransUNet和nnU-Netv2进行细分,3D DenseNet169进行分类.
- 450个CBCT数据集进行了预处理,并对牙轮,编号和疾病状态进行了注释.
- 该模型在3:1:1的数据集上进行训练和验证,使用定量指标评估性能.
主要成果:
- 细分模块实现了0.9409的子相似系数 (DSC) 和0.5011的平均对称表面距离 (ASSD).
- 该分类模块的准确度为0.9297,F1得分为0.9252.
- 该模型成功地集成了细分和诊断结果,用于自动化报告生成.
结论:
- 开发的两阶段模型有效地在CBCT图像中执行自动牙细分和辅助诊断.
- 该模型在细分方面表现出高准确度,在疾病检测方面表现出强.
- 这种人工智能驱动的方法显著提高了诊断效率,并支持牙科的临床决策.


