在CBCT上进行人工智能驱动的牙细分:通过口内扫描进行划分和基于CBCT的棉花卷分离使用验证
Fernanda Bulhões Fagundes1, Dhanaporn Papasratorn2, Bahaaeldeen M Elgarba3
1OMFS-IMPATH Research Group, Department of Imaging and Pathology, Faculty of Medicine, KU Leuven & Department of Oral and Maxillofacial Surgery, University Hospitals Leuven, Belgium, 3000, Leuven, Belgium; Department of Oral Diagnosis, University of Campinas, Piracicaba, Brazil.
Journal of dentistry
|January 7, 2026
概括
一种新的人工智能 (AI) 方法准确地从束计算机断层扫描 (CBCT) 扫描中细分牙. 这种自动化的3D牙模拟显著提高了数字牙科工作流程的效率和一致性.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 精确的牙细分对于各种牙科应用至关重要.
- 传统的手动细分方法耗时且容易出现不一致.
- 带有棉卷分离的形束计算断层扫描 (CBCT) 提供了一个可行的成像模式.
研究的目的:
- 验证一种用于自动牙细分的新型人工智能方法.
- 与人工智能驱动的细分方法相比,评估人工智能驱动的细分方法的准确性和效率.
- 评估AI模型的临床相关性和可重复性.
主要方法:
- 一个基于云的AI模型被开发用于CBCT扫描与棉花卷分离的牙细分.
- 使用手动细分与口腔内扫描轮作为参考,建立了基本真相.
- 人工智能模型与手动细分 (MS) 和专家精细化 (R-AI) 进行了验证,使用voxel-wise和基于表面的比较.
主要成果:
- 人工智能模型实现了与手动细分 (Dice分数:80±4%) 和小表面差异 (MSD:0.02±0.09 mm) 的高度重叠.
- 人工智能细分显示出与专家精细化 (DSC: 91±4%,MSD: 0.07±0.07毫米) 的优异一致,临床上无关紧要的差异.
- 人工智能在时间效率方面明显优于MS和R-AI (分别为6.7秒和4344秒和1090秒),并证明了完美的可重现性.
结论:
- 经过验证的基于云的AI模型从CBCT扫描提供了快速,准确和一致的牙细分.
- 人工智能驱动的牙细分与专家性能相当,并可节省大量时间.
- 自动化的3D牙模型有可能彻底改变数字牙科,提高诊断,治疗计划和结果可视化.
