Искусственный интеллект для быстрой и точной трёхмерной сегментации зубов на конусно-лучевых компьютерных томограммах

Введение: Сегментация зубов по данным конусно-лучевой компьютерной томографии (КЛКТ) представляет собой трудоёмкую задачу из-за ограниченного контрастного разрешения и возможных помех, обусловленных различными артефактами. Полностью автоматическую сегментацию зубов невозможно выполнить, основываясь только на различиях интенсивности сигнала на КЛКТ. Целью настоящего исследования была разработка и валидация инструмента на основе искусственного интеллекта (ИИ) для автоматической сегментации зубов по данным КЛКТ.

Методы: Были отобраны 433 изображения зубов с одним и двумя корнями в формате DICOM из 314 обезличенных КЛКТ-исследований; на всех изображениях выполнялась ручная сегментация. Для автоматического выявления и сегментации зубов разработали алгоритм на основе сети пирамиды признаков, заменяющий ручную расстановку контуров пользователем. Инструмент на основе ИИ оценивали по сопоставлению объёмов, коэффициенту пересечения по объединению, коэффициенту Дайса, морфологическому отклонению поверхности и общей продолжительности сегментации.

Результаты: В целом объёмы сегментации, полученные с помощью ИИ и клинического эталона, были практически одинаковыми. Средний коэффициент пересечения по объединению при сегментации всего зуба составил 0,87 (±0,03) для полуавтоматической сегментации (SA; клинический эталон) по сравнению с полностью автоматической сегментацией на основе ИИ (F-AI) и 0,88 (±0,03) для SA по сравнению с уточнённой сегментацией на основе ИИ (R-AI). Среднее медианное отклонение поверхности при сегментации R-AI и F-AI по сравнению с SA составило соответственно 9,96 мкм (±59,33 мкм) и 7,85 мкм (±69,55 мкм). Средняя общая продолжительность сегментации одно- и двухкорневых зубов составила 6,6 минуты (±76,15 секунды) при использовании SA, 0,5 минуты (±8,64 секунды) при использовании F-AI — в 12 раз меньше — и 1,2 минуты (±33,02 секунды) при использовании R-AI — в 6 раз меньше.

Выводы: В исследовании продемонстрирован быстрый и точный подход к автоматической сегментации зубов на основе ИИ по данным КЛКТ. Полученные результаты могут способствовать внедрению ИИ в хирургическое планирование и планирование лечения в стоматологии.