在CBCT图像上对5个人工智能平台进行下管细分的比较分析
Sohaib Shujaat1, Razan Alotaibi2, Amal Aldakhil2
1King Abdullah International Medical Research Center, Department of Maxillofacial Surgery & Diagnostic Sciences, College of Dentistry, King Saud Bin Abdulaziz University for Health Sciences, Ministry of National Guard Health Affairs, Riyadh, Kingdom of Saudi Arabia.
Journal of dentistry
|January 9, 2026
概括
用于下管 (MC) 分段的人工智能 (AI) 显示了跨平台的不同准确性. Relu Creator和3D Slicer提供近乎专家的性能,对于预防口腔外科手术中神经损伤至关重要.
科学领域:
- 口腔和牙面部外科手术
- 放射学 放射学是一门学科.
- 医学成像分析 医学成像分析
背景情况:
- 在形光束计算机断层扫描 (CBCT) 上精确识别下沟通道 (MC) 对于在口腔和面手术期间预防下膜神经损伤至关重要.
- 手动对MC进行细分是耗时的,容易导致操作员的变化.
- 人工智能 (AI) 为自动化和可重复的MC细分提供了一个有希望的替代方案.
研究的目的:
- 在五个不同的AI平台上比较自动化MC细分的准确性.
- 评估不同AI细分工具的定量和定性性能指标.
- 提供基于证据的指导,关于AI可靠性在手术规划中用于MC识别.
主要方法:
- 分析了120个匿名的CBCT扫描 (240个MC),使用了五个自动化AI平台:Atomica,BlueSkyPlan,Craniocatch,3D Slicer和Relu Creator.
- 使用未标记的平均表面偏差量化准确度,并将其分类为最佳 (<0.5毫米),可接受 (0.5-2.0毫米) 和不可接受 (>2.0毫米) 范围.
- 使用五点解剖学忠实度表进行定性评估,并进行细分智能,横向性和扫描仪智能效应分析.
主要成果:
- 在人工智能平台之间发现了显著的性能差异 (p < 0.001).
- 雷鲁创建器和3D切片器展示了最高的精度 (≈0.5毫米),没有偏差超过2.0毫米.
- 阿托米卡和蓝天计划显示出更大的变化和更不可接受的偏差,而Craniocatch显示出中等的准确性.
结论:
- 基于AI的MC细分精度取决于平台.
- Relu Creator和3D Slicer证明了临床适用性,而其他平台需要专家审查.
- 独立的基准测试和多扫描器验证对于安全的临床采用人工智能工具来进行MC细分至关重要.
