自动3D头脑测量:轻量级的V网用于CBCT上的地标定位
Benedetta Baldini1, Giulia Rubiu2, Marco Serafin3
1Department of Electronics, Information and Bioengineering, Politecnico di Milano, Milan 20133, Italy.
概括
一个新的深度学习模型通过准确地定位形光束CT扫描器上的解剖学地标来自动化脑力测量分析. 这种人工智能工具提供了一个快速可靠的替代手动测量为正牙治疗规划.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- ортодонтика和牙科诊断 牙科诊断
背景情况:
- 头脑测量分析对于正牙临床决策支持至关重要,传统上需要在3D圆束CT (CBCT) 扫描上手动识别地标.
- 手动分析耗时且依赖于操作人员,突出显示了临床工作流程中需要自动化解决方案的需求.
研究的目的:
- 开发和验证一种轻量级的深度学习 (DL) 模型,用于在CBCT扫描中自动定位16个关键解剖标志.
- 与手动方法相比,评估DL模型的地标识别和随后的脑度测量的准确性和可靠性.
主要方法:
- 在350个手动注释的CBCT扫描中,从各种成像系统和患者人口统计学中训练了一个V-net深度学习架构.
- 模型的性能根据平均地标定位误差进行评估,并与手动导出的线性和角度头脑计测量结果进行比较.
- 用布兰德-阿尔特曼分析来评估自动和手动测量之间的一致性.
主要成果:
- DL模型实现了1.95 ± 1.06毫米的平均地标定位误差,在临床上可接受的2毫米值内.
- 自动头脑测量测量显示出最小的误差 (-0.15 ± 0.95°的角度,0.20 ± 0.28毫米的线性) 与强烈一致的手动值.
- 平均推断时间低于每次扫描32秒,证明了计算效率.
结论:
- 开发的轻量级DL模型可靠地自动识别和测量脑法度地标,为手工程序提供可行的替代方案.
- 该模型的准确性,跨异质数据集的稳定性和快速推断时间支持其作为牙矯正临床决策支持工具的潜力.
- 自动头测量分析可以提高正牙治疗计划的效率和一致性,特别是对于像ANB角度这样的关键参数.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
3.6K
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
1.3K
