by | 16 de Jun de 2023 | Ciencia, Odontología Digital | 0 comments

Una segmentación automática basada en aprendizaje profundo de huesos cigomáticos a partir de imágenes de tomografía computarizada de haz cónico: una prueba de concepto

Resumen

Objetivos:

Investigar la eficiencia y precisión de un método de segmentación automática basado en aprendizaje profundo para huesos cigomáticos a partir de imágenes de tomografía computarizada de haz cónico (CBCT).

Métodos:

Se incluyeron ciento treinta escaneos CBCT y se dividieron aleatoriamente en tres subconjuntos (entrenamiento, validación y prueba) en una proporción de 6:2:2. Se desarrolló un modelo basado en aprendizaje profundo, que incluía una red de clasificación y una red de segmentación, donde se agregó un módulo de supervisión de bordes para aumentar la atención de los bordes de los huesos cigomáticos. Los mapas de atención fueron generados por los algoritmos Grad-CAM y Guided Grad-CAM para mejorar la interpretabilidad del modelo. Luego se comparó el rendimiento del modelo con el de cuatro dentistas en 10 escaneos CBCT del conjunto de datos de prueba. Se consideró estadísticamente significativo un valor de p < 0,05.

Resultados:

La precisión de la red de clasificación fue del 99,64%. El coeficiente Dice (Dice) del modelo basado en aprendizaje profundo para el conjunto de datos de prueba fue 92,34 ± 2,04 %, la distancia de superficie promedio (ASD) fue 0,1 ± 0,15 mm y la distancia de Hausdorff (HD) del 95 % fue 0,98 ± 0,42 mm . El modelo requirió 17,03 segundos en promedio para segmentar los huesos cigomáticos, mientras que los dentistas tardaron 49,3 minutos en completar esta tarea. La puntuación de Dice del modelo para las 10 exploraciones CBCT fue de 93,2 ± 1,3 %, mientras que la de los dentistas fue de 90,37 ± 3,32 %.

Conclusiones:

El modelo basado en el aprendizaje profundo propuesto podría segmentar los huesos cigomáticos con gran precisión y eficiencia en comparación con los de los dentistas.

Significación clínica:

El modelo de segmentación automática propuesto para hueso cigomático podría generar un modelo 3D preciso para la planificación digital preoperatoria de reconstrucción de cigoma, cirugía orbitaria, cirugía de implante cigomático y ortodoncia.

Palabras clave:

Inteligencia artificial; Aprendizaje profundo; Odontología digital; Imagenes medicas; Redes neuronales; Cigoma.

Traducido automáticamente
Publicación Original

0 Comments

Submit a Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *