走向自动化模型分析:3D牙科扫描的多视图AI细分
Zaw Htet Aung1, Sangsan Noppadolmongkol2, Nuttida Suwunnapang2
1Lecturer, Department of Orthodontics, Faculty of Dentistry, Mahidol University, Bangkok, Thailand.
这项研究引入了一个人工智能模型,用于精确的牙和牙边界细分在3D口腔内扫描,减少手工工作在正. 人工智能方法在临床数据上实现了高精度,支持高效的数字模型分析.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 牙科技术 牙科技术
背景情况:
- 准确识别牙和牙边界对于正牙诊断,治疗计划和器械制造至关重要.
- 在数字模型中手动对这些边界进行细分是耗时且容易变化的.
- 人工智能 (AI) 提供了提高准确性和效率的自动化这一过程的潜力.
研究的目的:
- 开发和评估基于人工智能的多视图细分方法,用于在3D口腔内扫描中自动识别牙和牙边界.
- 通过人工智能驱动的解决方案来减少手工工作量并支持日常正牙工作流程.
- 在公共和临床数据集上评估拟议的AI模型的准确性和通用性.
主要方法:
- 利用了来自3D牙挑战数据集的1200个牙科模型和29个临床3D口腔内扫描.
- 使用修改的多视图方法将3D模型转换为多个2D图像.
- 训练了一种基于Mask2Former架构的AI细分模型,用于自动划分牙边界,使用平均交叉与联盟 (mIoU) 和子相似系数 (DICE) 评分进行评估.
主要成果:
- 人工智能模型在公共和临床数据集上实现了高精度.
- 在公共测试数据集上获得了93.1%的mIoU和95.7%的DICE.
- 在临床测试组中,mIoU为90.7%,DICE为94.9%,即使扫描质量不同,也表现出强烈的概括性.
结论:
- 基于人工智能的修改多视图细分模型显示了 ортодонтика内口腔扫描的显著临床潜力.
- 该方法提供了准确的细分结果,提高了数字模型分析的效率.
- 该模型对于日常的临床整合到日常的正统牙科工作流程是有前途的.
相关概念视频
09:33Automated Slide Scanning and Segmentation in Fluorescently-labeled Tissues Using a Widefield High-content Analysis System
07:57Accuracy in Dental Medicine, A New Way to Measure Trueness and Precision
12:08From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data
09:34Semi-Automated Planimetric Quantification of Dental Plaque Using an Intraoral Fluorescence Camera
06:48Semi-Automated Phenotypic Analysis of Functional 3D Spheroid Cell Cultures
07:32Measuring Maxillary Posterior Tooth Movement: A Model Assessment using Palatal and Dental Superimposition


