基于深度学习的中盘密度比率的自动测量
Zhouxin Zhou1,2, Qi Li1,2, Shuxi Xu1,2
1College of Stomatology, Chongqing Medical University & Chongqing Key Laboratory of Oral Diseases, 426# Songshibei Road, Yubei District, Chongqing, 401147, China.
Journal of imaging informatics in medicine
|March 3, 2026
概括
一种新的深度学习方法可以自动测量CBCT扫描中的中侧密度 (MPSD) 比率. 这种人工智能方法比手工方法更快,更准确,改善了快速扩张的治疗决策.
科学领域:
- 牙科和医学成像学 牙科和医学成像学
背景情况:
- 大横向缺陷通常用快速大扩张 (RME) 来治疗.
- 中盘密度 (MPSD) 比率预测RME骨反应,但从CBCT手动测量是缓慢和不准确的.
研究的目的:
- 开发和验证基于深度学习的MPSD比率量化自动化方法.
- 为了实现RME治疗计划的快速和标准化的MPSD评估.
主要方法:
- 收集了400张CBCT扫描并提取了相关的图像片.
- 训练并选择了最佳的深度学习网络 (U-Net) 来自动细分中盘,硬盘和软盘.
- 量化灰色值和自动计算的MPSD比率;与使用配对t-test进行的手动测量相比.
主要成果:
- 通过U-Net实现了高分段精度 (F1分数>0.84).
- 自动MPSD比率测量比手动方法快3倍 (1分钟/案例).
- 在自动和手动MPSD比率测量之间没有发现统计学意义上的差异.
结论:
- 深度学习为MPSD比率测量提供了高效和自动化的工作流.
- 这种自动化方法加速了RME的治疗决策.
- 由人工智能驱动的方法为手动CBCT分析提供了标准化和准确的替代方案.
更多相关视频
05:49Author Spotlight: Advancing CBCT and Digital Dental Image Integration with AI-Assisted Digitization
Published on: February 23, 2024
1.8K
08:03Midface Hypoplasia and Cranial Base Morphology in Syndromic Craniosynostosis: A Comparative Analysis Study Using a Predictive Regression Model
Published on: November 4, 2025
455
