Jun, 2023

牙科锥束 CT 的 AI 技术：趋势和实践

PDF
TL;DR该论文回顾了近期在牙科锥形束计算机断层扫描成像中人工智能技术的趋势和应用，重点关注了机器学习、深度学习和超分辨率技术在 CBCT 成像中的应用及其在诊断和治疗规划中的潜力，同时讨论了 AI 在牙科和 CBCT 成像中的挑战和限制。
cone-beam computed tomographyartificial intelligencedentistrydiagnosistreatment planning
发现论文，激发创造
  • AI-Enabled 自动多模态融合锥形束 CT 和口内扫描用于智能化的 3D 牙骨重建和临床应用

    本研究提出一种基于深度学习的多模态分析框架（DDMA）用于三维重建牙齿 - 骨骼结构，结合 CBCT 和口内扫描，实现了高保真度和精准的牙冠 - 骨骼结构分割。DDMA 可以显著提高数字牙科模型的质量，帮助牙医做出更好的临床决策。

    Mar, 2022

  • 深度学习中的 3D 和 4D 锥束计算机断层扫描图像中的伪影抑制 — 评述

    使用基于深度学习的方法改善锥束计算机断层摄影（CBCT）图像质量的研究中，通过综述各类 CBCT 图像的伪影问题的成功和不足，重点放在伪影类型而非神经网络结构上，以综合评估各类伪影的数据生成、模拟流程和伪影降低技术，并概述了在 3D 和 4D CBCT 中通过投影域和 / 或体域优化以及将神经网络直接引入 CBCT 重建算法而成功降低伪影的深度学习技术，同时指出研究的空白为未来的探索提供了方向，发现使用了生成模型包括 GANs 和基于分数或扩散模型，并呼吁拥有更多多样化和开放的训练数据集和模拟数据。

    Mar, 2024

  • 实时感知技术在导管室自动化中的应用

    AutoCBCT 是一个基于视觉感知系统的融入血管造影套房中的创新工作流，通过自动定位、导航和模拟测试运行，消除了手动操作和交互，从而提高了工作效率。

    Mar, 2024

  • CTooth+: 大规模牙科锥束计算机体层摄影数据集及对牙体体积分割的基准测试

    本文旨在建立一个 3D 牙科 CBCT 数据集 CTooth+，并通过完全监督、半监督和主动学习等方法，评估多种最先进的牙齿体积分割策略，并定义了性能原则。该实验可作为未来基于人工智能的牙科成像研究和临床应用开发的基线和新基准。

    Aug, 2022

  • 探索卷积神经网络 (CNN) 在牙科 X 光影像分割中的作用：一项全面系统文献综述

    深度学习在牙科图像分析中展示了其作为分析图像的有效工具，且具有非常高的性能水平。

    Jan, 2024

  • AI-Dentify: 位翼射线的近邻齿龈袋检测的深度学习 - HUNT4 口腔健康研究

    利用深度学习模型分析牙位 X 光片在牙齿龋齿诊断中的潜在作用和挑战。

    Sep, 2023

  • 基于神经表示的方法用于牙科 CBCT 影像中金属引起的伪影降低

    本研究提出了一种新颖的牙科锥形束计算机断层扫描重建方法，旨在有效减少常见金属植入物引起的伪影。通过使用隐式神经网络生成两张不同的信息性层面的断层图像，一张图像代表特定能量水平上的单色衰减分布，而另一张图像则捕捉了由多色 X 射线束的非线性光束硬化因素引起的影响。与现有的计算机断层扫描重建方法相比，该方法仅依赖于比尔 - 朗伯定律，在背投影过程中有效地防止了金属引起的伪影的产生。广泛的实验评估表明，该方法有效地减少了金属伪影同时提供了高质量的图像重建结果，凸显了第二张图像在捕捉非线性光束硬化因素方面的重要性。

    Jul, 2023

  • ToothSegNet: CBCT 图像中图像退化与牙齿分割的相遇

    本研究提出了一种新的 ToothSegNet 框架，通过训练中使用生成的降质图像来提高 CBCT 图像的牙齿分割精度，该方法在计算机辅助正畸和医学治疗中有广泛应用。

    Jul, 2023

  • 骨转移分析中的人工智能：当前进展、机遇与挑战

    医学影像分析中广泛应用人工智能技术，特别是在骨转移的分析中，机器学习方法取得了有希望的性能，具有显著的潜力提高临床效率，应进一步研究和验证其临床性能并促进其融入常规临床实践。

    Apr, 2024

  • 使用二维投影图像自动进行牙科 CBCT 和面部扫描数据的三维配准

    本文提出一种基于现有的基于机器学习的 2D 标记检测算法和开发的新数学算法识别成对 3D 标记的全自动牙科锥束计算机断层扫描（CBCT）和面部扫描数据的配准方法。经实验证明，该方法达到了 0.74 毫米的平均表面距离误差。

    May, 2023