使用基于变压器的隐性神经网络自动重建缺失的牙形态:多牙位置评估系统
Yiqing Wang1, Yuze Shi2, Nan Li2
1Department of Prosthodontics, Peking University School and Hospital of Stomatology, National Center of Stomatology, National Clinical Research Center for Oral Diseases, National Engineering Research Center of Oral Biomaterials and Digital Medical Devices, Beijing Key Laboratory of Digital Stomatology, Research Center of Engineering and Technology for Computerized Dentistry, Ministry of Health, NMPA Key Laboratory for Dental Materials, Beijing, PR China.
概括
一个新的基于变压器的模型准确地重建了缺失的牙形态,显示了数字牙科修复的高保真性和维度一致性. 这种自动化方法提高了牙科工作流程在各种牙位置的效率.
科学领域:
- 人工智能在牙科中的应用
- 计算机牙科解剖学 计算机牙科解剖学
- 数字牙科数字牙科
背景情况:
- 自动牙形态重建对于数字牙科修复至关重要.
- 现有的方法在各种牙类型中可能缺乏准确性或通用性.
研究的目的:
- 开发一种新的基于变压器的隐性神经网络 (INN) 模型,用于自动化牙形态重建.
- 评估模型在不同牙位置 (牙,前牙,切口) 的准确性和概括性.
主要方法:
- 使用了牙,前牙和切口的数字全弧造.
- 开发了一种基于变压器的INN模型,其中包括一个自我结构增强模块和多视图2D深度图.
- 通过使用距离,F-score和体积交叉与结合来评估性能;使用RMS和维度分析将重建的皇冠 (GC) 与原始的 (OC) 和技术人员设计的 (TC) 皇冠进行比较.
主要成果:
- 用5万个采样点训练的模型表现出卓越的重建精度,与天然牙形态密切匹配.
- 中央切刀实现了最高的准确性 (CD = 0.0028 × 10-2,F-score = 0.9670,IoU = 0.9716). 这是一个很好的方法.
- 重建的皇冠显示出与技师设计的牙冠相似的偏差,但在前牙和切口处的偏差更大;维度分析显示所有牙类型与原始皇冠的密切匹配.
结论:
- 基于变压器的模型有效地重建缺失的单牙形态,具有可接受的准确性和适应性.
- 该模型的高保真度和尺寸一致性显示了改善数字牙科修复工作流程的潜力.
- 进一步的研究应该集中在扩大数据集,完善模型,并纳入临床验证.
