换一批基于改进的U-Net神经网络对CBCT图像牙体及牙髓腔的分割方法研究
A study on the segmentation method of dental and pulp cavities in CBCT images based on improved U-Net neural network
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.
更多相关知识
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micro-computed tomographysegmentation accuracyroot canal segmentationU-Net neural networkapical foramen
栏目名称
DOI
10.15956/j.cnki.chin.j.conserv.dent.2025.12.003
发布时间
2026-01-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
