膜骨分割方法在评估有效性牙周缺陷再生通过CBCT数据的机器学习:一个系统的审查
Mahmud Mohammed1,2, Tulio Fernandez-Medina1,3, Manjunath Rajashekhar1
1College of Medicine and Dentistry, James Cook University, Cairns, Queensland, Australia, jcu.edu.au.
International journal of biomedical imaging
|January 1, 2026
概括
深度学习方法,特别是U-Net,在圆束计算机断层扫描 (CBCT) 图像中对膜骨缺陷进行细分有希望. 准确的细分对于在牙周再生中设计患者特定的支架至关重要.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 再生医学是一种再生医学.
背景情况:
- 牙周缺陷需要精确的成像来进行有效的治疗.
- 圆束计算断层扫描 (CBCT) 是一个关键的成像模式.
- 数字工作流在牙周再生中变得越来越重要.
研究的目的:
- 为了评估CBCT对膜骨图像的细分方法.
- 评估这些方法在牙周缺陷再生的数字工作流程中的有效性.
主要方法:
- 在主要数据库中使用MeSH术语进行系统的文献搜索 (2024年5月至2025年6月).
- 遵守PRISMA-ScR指导方针和QUADAS-2用于偏见评估.
- 包括23项研究,重点关注膜骨缺陷的细分技术.
主要成果:
- 深度学习方法,特别是U-Net,是最常见的.
- 用子相似度指数 (DC) 衡量的细分业绩在76%至98%之间.
- 在细分健康与缺陷的膜骨中发现了显著的差异.
结论:
- 准确细分牙周缺陷对于脚手架设计至关重要.
- 需要增强的深度学习方法来提高细分精度.
- 这形成了患者特定的脚手架工作流程的关键第一步.
