自动化的人工智能驱动的3维面叠加用于在成长期患者中临床上有用的治疗结果:一个多中心研究

科学领域:

• 矯正牙醫和牙臉整形醫學
• 医学成像分析 医学成像分析
• 医疗保健中的人工智能

背景情况:

• 在成长的患者中,对治疗变化的可靠量化需要明确的叠加引用和相对变化解释.
• 这些分析的手动工作流程耗时且容易变化.
• 本研究评估了自动化与半自动化3D分析方法的测量可靠性和效率.

研究的目的:

• 为了比较完全自动化的,开源的细分和注册工作流程的可靠性和效率与基于voxel的半自动化方法.
• 在成长中的患者中评估参考显式,三维 (3D) 定量分析的临床实用性.
• 评估不同的人工智能 (AI) 参与对测量准确性和工作流效率的影响.

主要方法:

• 对22名II类患者在治疗前和治疗后 (T1和T2) 进行的圆束计算断层扫描 (CBCT) 的分析.
• 三种注册方法的比较:传统的,半自动的和完全自动的AI驱动方法.
• 使用混合效应线性回归模型评估骨和牙变化相对于底和区域叠加.

主要成果:

• 在所有注册方法中,在骨和牙测量方面发现了很高的一致性,在临床上具有可比的精度.
• 自动化和传统工作流程之间的绝对平均差异通常在线性测量时小于1.5毫米,在角测量时小于1.5°.
• 人工智能驱动的方法证明了可靠和更快的3D变化测量,支持临床决策.

结论:

• 自动化,临床医生验证的工作流提供可靠和高效的3D变化量化在成长的患者.
• 准确的解释需要考虑用于叠加的特定参考区域.
• 由人工智能驱动的开源工具提供了用于诊断,治疗时间和结果评估的实用定量分析.