基于人工智能的 CBCT 牙齿及牙槽骨全自动分割系统A fully automatic AI system for tooth and alveolar bone segmentation from

摘要

从牙锥束CT (CBCT)图像中准确描绘单个牙齿和牙槽骨是数字牙科精确牙科保健的重要步骤。在本文中，我们提出了一种高效、精确和全自动分割真实患者CBCT图像的人工智能系统。我们的人工智能系统是在迄今为止最大的数据集上进行评估的，即使用来自15个不同中心的4,215名患者(4,938次CBCT扫描)的数据集。这种全自动人工智能系统实现了与经验丰富的放射科医生相当的分割精度(例如，在平均骰子相似系数方面提高了0.5%)，同时显著提高了效率(即快了500倍)。此外，对于具有可变牙畸形的挑战性病例，其结果一致准确，牙槽骨分割的Dice平均得分分别为91.5%和93.0%。这些结果证明了它作为一个强大系统的潜力，可以促进数字牙科的临床工作流程

引言

随着生活水平的提高和对牙齿健康意识的提高，越来越多的人寻求牙齿治疗(如正畸、种植牙和修复牙)，以确保正常功能和改善面部外观。据口腔疾病调查报告，世界上近90%的人患有一定程度的牙齿问题，其中许多人需要牙科治疗。在牙科治疗的临床实践中，通常需要不同模式的医学成像，如2D全景x射线，3D口腔内扫描和3D锥束计算机断层扫描(CBCT)图像，以辅助诊断，治疗计划和手术。在所有可用的选择中，CBCT成像是提供完整牙齿和牙槽骨的全面三维体积信息的唯一方式。因此，从CBCT图像中分割单个牙齿和牙槽骨结构以重建精确的3D模型在数字牙科中是必不可少的。

CBCT的介绍。。。。

前人工作

• 过去十年，已经探索了很多方法来设计用于牙齿分割的手工特征（诸如水平集、图切或模板拟合），但这些低级描述符/特征对牙齿CBCT图像的复杂外观很敏感，因此需要繁琐的人工干预来初始化或矫正。
• 最近深度学习，例如基于卷积神经网络的深度学习，由于其以面向任务的方式从大规模数据中学习代表性和预测性特征的强大能力，在各个领域显示出很好的应用前景。受深度学习在计算机视觉和医学图像计算方面取得巨大成功的鼓舞，一系列研究试图将深度神经网络用于牙齿和/或骨骼结构分割。然而，由于三个主要挑战，这些现有的方法仍远未实现全自动或临床应用。1、全自动牙齿和牙槽骨分割是复杂的，至少包括（ROI定位、牙齿分割、牙槽骨分割）三个步骤；2、难以处理临床实践中常见的复杂病例，对于有缺牙、错位、金属伪影等问题的患者扫描出来的CBCT图像结构变化很大；3、过去的方法通常在很小的数据集上实施和测试，通用性和适用性较弱。

ROI(Region of Interest) 感兴趣区域，是针对原始图片的提议区域
ROI生成网络

本文工作

在这项研究中，我们开发了一种基于深度学习的人工智能系统，该系统在临床上稳定且准确，可以从牙科CBCT图像中自动分割牙齿和牙槽骨。

• 对于牙齿分割，ROI生成网络首先定位上颌和下颚的前景区域，以减少在高分辨率3D CBCT图像上执行分割的计算成本。然后，一个特定的两阶段深度网络明确地利用全面的几何信息(从牙齿的分层形态成分中自然固有的)来精确地描绘单个牙齿。
• 对于牙槽骨分割，一个