基于改进的U-Net神经网络对CBCT图像牙体及牙髓腔的分割方法研究
张若霖1
单浩炫2
傅裕杰1
陈宇飞2
张旗1
1.上海市同济口腔医院(同济大学附属口腔医院)牙体牙髓科,同济大学口腔医学院,上海牙组织修复与再生工程技术研究中心,同济大学口腔医学研究所,上海 2000722.同济大学计算机科学与技术学院,上海 201804
摘要：目的 通过改进U-Net神经网络以解决根尖4 mm根管分割难题,实现锥形束计算机断层扫描(CBCT)图像上前磨牙牙体及完整牙髓腔的自动化精准分割,为临床治疗提供完整且精准的三维根管解剖信息.方法 收集84个前磨牙的CBCT与微型计算机断层扫描(Micro-CT)配对数据,其中70组用于训练,14组用于测试.通过两种不同方法训练U-Net神经网络,对照组中对CBCT进行手动标记,并将标记结果作为神经网络训练样本;试验组中将Micro-CT与CBCT进行配准并标记CBCT,将配准后标记的数据作为训练样本,并结合根尖孔定位算法对根尖4 mm根管进行针对性分割训练.训练完成后,使用测试集数据测试两个神经网络,以测试集中Micro-CT数据构建的三维模型作为参考标准,两组网络的整体分割结果、根尖4 mm根管的分割结果与参考标准进行对比,采用Dice相似性系数评估分割结果与参考标准之间的相似度.采用平均对称表面距离、豪斯多夫距离评估分割结果与参考标准之间的差异,并对分割结果进行形态学分析以定性观察.结果 试验组牙体的Dice相似性系数、平均对称表面距离、豪斯多夫距离分别为(97.20±0.48)%、(0.08±0.01)mm、(0.82±0.23)mm;牙髓腔分别为(86.21±6.10)%、(0.19±0.04)mm、(1.67±0.51)mm;根尖4 mm根管分别为(71.62±6.13)%、(0.15±0.08)mm、(0.51±0.12)mm,均优于对照组.形态学分析表明,试验组的分割效果优于对照组.结论 改进的U-Net神经网络通过根尖孔定位算法优化,可实现CBCT图像牙体及牙髓腔的完整分割,为根管治疗提供精准三维解剖信息.
关键词：微型计算机断层扫描分割精度根管分割U-Net神经网络根尖孔
资助基金：国家自然科学基金(82170945)国家自然科学基金(82370950)上海申康医院发展中心临床三年行动计划(SHDC2020CR3058B)
论文发表日期：2025-12-28
在线出版日期：2026-01-23（本平台首次上网日期，不代表文献的发表时间）
页数：6( 696-701 )
英文信息