科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 探讨基于卷积神经网络算法的人工智能（AI）计算机辅助诊断系统在锥形束CT (CBCT)影像上识别慢性根尖周炎根尖区病变的应用。方法 收集北京大学口腔医院第二门诊部2017年1月—2021年12月累及单牙根的慢性根尖周炎的CBCT影像，总计49例患者55个牙位。由5位中级职称的临床医生通过Materialize Mimics Medical软件对慢性根尖周炎病变区域识别并进行手动逐层分割，然后通过AI 3D U-Net网络对病损特征进行深度学习，网络分割结果与手动分割数据的一致性，本研究通过交联比（IOU）、Dice系数、像素精确度（PA）在测试集上进行评价。结果 神经网络在测试集的IOU为92.18%,Dice系数为95.93%,PA为99.27%。结论 AI和临床医师的慢性根尖周炎病变检出和分割一致性较高，基于本研究深度学习方法的AI系统为下一步检测CBCT图像中的慢性根尖周炎奠定了基础。
