在CBCT或CT扫描中通过人工智能对上呼吸道自动3D细分的有效性与人类专家的手动细分:系统审查和元分析
Farhad Sobouti1,2, Mehdi Aryana3, Hossein Mohammad-Rahimi4
1Dental Research Center, Mazandaran University of Medical Sciences, Sari, Iran.
Clinical and experimental dental research
|March 1, 2026
概括
人工智能在CBCT扫描的3D上呼吸道细分中显示出高精度. 虽然有希望,但需要进一步的研究来确认AI.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 计算解剖学的计算解剖学
背景情况:
- 上呼吸道的三维 (3D) 分段对于牙科和医疗应用至关重要.
- 精确的上呼吸道细分在技术上具有挑战性,这限制了其广泛的临床采用.
- 人工智能 (AI) 提高气道细分精度的潜力已得到承认,但尚未完全确立.
研究的目的:
- 系统地评估人工智能在3D上呼吸道细分中的有效性,使用圆束计算机断层扫描 (CBCT) 和计算机断层扫描 (CT) 扫描.
- 进行第一个元分析,比较人工智能驱动的细分与用于上呼吸道评估的手动分析.
- 使用精度,子相似性得分,交叉与联合 (IoU) 和回忆等指标量化AI细分的性能.
主要方法:
- 在多个数据库中对2025年4月25日之前的英语语言研究进行了全面的文献搜索.
- 包括专注于人工智能 (深度学习,机器学习) 的研究,用于CBCT或CT扫描上的上呼吸道分析,将人工智能与手动细分进行比较.
- 对现有的效果大小进行了元分析,包括精度,子相似度得分,IOU和回忆.
主要成果:
- 审查了11项研究,其中6项被纳入了元分析,大多数表明偏差风险低.
- 分析后的指标包括精度,子相似度,IOU和回忆率始终超过90%,表明AI的高性能.
- 总体体积差异在统计学上是显著的,但很小;敏感性分析证实了研究结果的稳定性,没有显著的出版偏差.
结论:
- 人工智能在从CBCT图像中对上呼吸道的3D细分方面表现出显著的有效性.
- 定量结果表明,人工智能是上呼吸道细分的可靠工具,与手工方法相比或优于手工方法.
- 虽然有希望,但需要进一步的研究来巩固最终的结论和指导临床实施.
