在CBCT图像中基于深度学习的自动化上鼻腔细分和骨移植分析
Fan Yang1, Xing Wu1,2, Yukang Zhang1
1Center for Plastic and Reconstructive Surgery, Department of Stomatology, Zhejiang Provincial People's Hospital, Affiliated People's Hospital, Hangzhou Medical College, Hangzhou, Zhejiang, China.
NPJ digital medicine
|December 30, 2025
概括
一个新的深度学习系统,SA-ai,自动化骨增长评估后尾鼻腔增大. 这项技术显著提高了工作流程的效率,并为优化牙科植入物治疗提供了客观,精确的测量.
科学领域:
- 生物医学工程 生物医学工程
- 放射学 放射学是一门学科.
- 牙科植入物学 牙科植入物学
背景情况:
- 对于成功的牙科植入物结果,精确评估尾鼻增大后的骨增益至关重要.
- 当前的手动测量技术耗时且容易变化.
- 需要客观和高效的方法来对骨移植体积进行纵向监测.
研究的目的:
- 验证一个完全自动化的深度学习系统 (SA-ai),用于量化尾鼻腔增大后的骨增大.
- 将SA-ai的精度和效率与手动测量方法进行比较.
- 评估SA-ai在标准化增加后骨动态的临床评估方面的潜力.
主要方法:
- 开发了一个集成2D U-Net和3D V-Net的深度学习系统,用于鼻和部细分.
- 该系统在85名患者的配对CBCT数据集上进行了训练和测试.
- 使用Dice系数和注册RMSE评估SA-ai性能,并对手工测量进行临床验证.
主要成果:
- 该SA-ai系统实现了高子系数 (93.2%) 和低注册RMSE (1.046毫米).
- 在SA-ai和手动测量骨体积 (ICC = 0.993) 和其他参数之间观察到良好的一致性.
- 与手动方法相比,工作流效率提高了20倍以上,测量稳定性得到证实.
结论:
- 自动化的SA-ai系统提供了一个客观而有效的解决方案,用于量化尾鼻腔增大后的骨增益.
- 这项技术有可能使骨移植体积的临床评估标准化,包括在单阶段植入例中.
- SA-ai促进了骨动态的纵向监测,优化了植入物治疗的规划和结果.
