深度学习用于自动膜裂细分和骨移植体积估计在圆束计算机断层成像中的深度学习:一个多中心研究
António Vicente1, Kuo Feng Hung2, Zineng Xu3
1Department of Oral and Maxillofacial Radiology, Faculty of Odontology, Malmö University, Malmö, Sweden.
Oral surgery, oral medicine, oral pathology and oral radiology
|December 13, 2025
概括
一个新的深度学习工具准确地从圆束计算机断层扫描 (CBCT) 扫描中细分单边膜裂,自动化骨移植体积估计并显著减少处理时间.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 面外科手术 面外科手术
背景情况:
- 气囊裂需要骨移植进行重建.
- 准确的体积估计对于成功移植至关重要.
- 从CBCT手动细分裂是耗时的.
研究的目的:
- 开发和验证一个深度学习工具,用于自动化膜裂细分.
- 使用CBCT实现骨移植体积的自动估计.
- 为了提高规划膜裂口重建的效率.
主要方法:
- 在88个单边裂的CBCT扫描上训练了3D U-Net模型.
- 使用手动细分作为基础真理.
- 使用子相似系数 (DSC) 和观察者评估验证的自动细分.
主要成果:
- 在自动化和手动细分之间实现了0.78的DSC.
- 观察者认为,在82%-94%的案件中,自动化细分是可以接受的.
- 自动细分需要几秒钟,而手动方法需要几分钟.
结论:
- 开发的深度学习工具准确地细分单边膜裂.
- 该工具有效地估计了所需的骨移植体积.
- 这种自动化方法在临床实践中为节省时间提供了显著的优势.
