|
8.
基于深度学习牙体分割算法的准确性研究
张博钧, 崔智铭, 柳稚旭, 陈思悦, 顾恺隽, 李思彤, 吴艳棋, 沈定刚, 朱敏
上海口腔医学
2024, 33 (4):
339-344.
DOI: 10.19439/j.sjos.2024.04.002
目的:应用建立的全自动AI牙体分割算法,从CBCT影像中实现牙体的快速自动化分割,以口内扫描真实离体牙获得的三维数据作为金标准,验证算法的准确性。方法:从上海交通大学医学院附属第九人民医院收集30套CBCT数据及相应的59颗离体牙,通过建立的算法,分割出CBCT中的牙体三维数据。将离体牙处理后扫描获得的数字化信息作为金标准。为了比较算法分割结果以及扫描结果之间的差异,选取骰子系数(Dice)、灵敏度(sensitivity,Sen)以及平均表面距离(average symmetric surface distance,ASSD)评价算法的分割准确性。选用组内相关系数(ICC)评价AI系统获得单个牙与数字化离体牙的长度、面积和体积差异。由于存在不同体素大小的CBCT,使用ANOVA单因素方差分析不同体素组间的差异,同时通过SNK法对其进行两两比较。采用SPSS 25.0软件包对数据进行统计学分析。结果:算法分割结果与离体牙扫描结果对比后,得到平均Dice值为(94.7±1.88)%,平均Sen为(95.8±2.02)%,平均ASSD为(0.49±0.12) mm。比较数字化离体牙与AI系统获得的单个牙的长度、面积和体积的组内相关系数ICC值,分别为0.734、0.719和0.885,AI系统分割出的单个牙与数字化模型在评价长度、面积和体积时有着较好的一致性,但分割结果在具体数值上与真实情况仍有差异。CBCT体素越小,即分辨率越高,分割结果表现更好。结论:本研究建立的CBCT牙体分割算法能够准确实现各分辨率下CBCT中全牙列的牙体分割。CBCT分辨率提高,能让算法结果更准确。相比目前的分割算法,本研究的算法性能更好。但与实际情况相比,仍有一定差异,需对算法继续改进及验证。
参考文献 |
相关文章 |
多维度评价
|
|