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...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 MimicsMedical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。展开更多
文摘目的探究鼻咽癌患者调强放射治疗(IMRT)中应用锥形束计算机断层扫描(CBCT)和机载影像系统(on Board Image,OBI)分析对摆位误差的影响。方法筛选2018年7月~2021年7月桂林医学院附属医院接诊的140例鼻咽癌患者进行分组对照研究,所有患者均依据数字表法随机分为CBCT组和OBI组,每组各70例患者。比较两组的摆位误差及放射剂量差异,分析CBCT、OBI系统在降低鼻咽癌患者IMRT的摆位误差中的价值。结果(1)相比于校正前,校正后两组的摆位误差均明显降低,并且相比于OBI组,校正后CBCT组的摆位误差明显更低(P均<0.05);(2)在降低鼻咽癌患者IMRT的摆位误差中,CBCT的ROC曲线下面积(area under curve,AUC)、特异度、敏感度与OBI对比均明显升高(Z=2.241,P<0.000);(3)相比于校正前,校正后两组的计划靶区边界(margins of planning target volume,MPTV)值均明显降低,并且相比于OBI组,校正后CBCT组的MPTV值明显更低(P均<0.05);(4)两组脑干、脊髓、晶状体和视交叉的实际剂量高于计划剂量,且CBCT组低于OBI组,差异有统计学意义(P<0.05)。结论鼻咽癌患者应用CBCT、OBI系统分析均可校正摆位误差,提高患者的摆位与调强放疗精确度。CBCT、OBI系统可以通过减少摆位误差,有可能进一步缩小计划靶区范围,从而减少靶区临近危机器官的照射剂量的临床目的。CBCT的作用更明显,是值得临床推广应用的方案。
文摘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 MimicsMedical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。