基于人工智能的锥形束计算机断层扫描与数字牙科影像融合的可靠性

我们的研究聚焦于锥形束CT（CBCT）与抗散射图像的融合，这是构建虚拟帽过程中不可避免的环节。迄今为止，这三种图像显著依赖于最佳胶片方法，即基于表面的方法。本研究旨在引入一种基于人工智能辅助数字化的新型融合方法，并评估其准确性。

人工智能已被用于预测治疗效果，并对辅助性X线片或锥形束CT（CBCT）图像中的解剖标志点进行数字化。目前已有若干商用软件。本项目在CBCT图像标志点的数字化过程中采用了人工智能辅助的机器学习自动化技术，同时可对牙科图像中手动选取的标志点进行校准。

实验室团队的交互操作工作在每种方法中均显示出显著且近乎完美的组内相关系数（ICC）。在两种方法各自的ABR和SBR中，第一次与第二次注册之间均无显著差异。然而，ABR方法的数值范围低于SBR方法。

ABR 协议不仅提高了准确性，还显著缩短了配准时间。SBR 方法需要三到四分钟，而 ABR 程序仅需约 50 秒进行标志点选择，40 秒用于 DDI 标志点配准，以及两到三秒完成 CBCT 与 DDI 的融合。首先，在计算机上启动 ON3D 软件，点击“加载 DICOM 文件”图标以导入文件，选择任意 DICOM 文件后点击“打开”。

在“标志点”面板中点击“重新定位”图标。然后在3D视图中点击额骨的V形切迹。上下滚动矢状面视图以找到最靠前的点，然后点击额鼻缝与鼻骨和额骨相交的点。

类似地，滚动冠状面视图并点击以确定鼻根点的水平位置。然后，点击右侧眼眶轮廓边缘最下方的点。接着，滚动冠状面视图以找到右侧眼眶下缘最低点，并点击确认。

现在在矢状面视图中，点击构成右侧上颌骨眶下缘的最高点。切换至轴向视图并滚动，然后点击使红色十字对准眼眶边缘相交的位置。点击左侧眶缘最下方的点，再点击右侧外耳道轮廓最上方的点。

在冠状面视图中点击右侧颞骨的最低点，以确定水平和垂直位置；在矢状面视图中，通过点击右侧外耳道轮廓的最高点来调整垂直方向和前后位置。接着，在轴向视图中滚动至外耳道出现且颞骨线条消失的位置，然后点击确认。选择左侧外耳道轮廓的最高点。

现在单击“完成”图标，以结束颅面重建模型的重新定位。然后在“标记点”面板中按下“初步标记点选取”图标。在“初步标记点选取”面板中按下“执行”图标，以自动选择初步标记点。

如需修改标记点，请在“体数据”选项卡中点击“手动选取标记点”图标，进行必要的调整后，点击“完成”以确认标记点的位置。然后在“工具”面板中点击“牙列配准”图标，接着选择上颌牙列，并在“牙列配准”面板中点击“加载”图标。

现在选择与文件夹中CBCT模型同一位患者的STL文件，以加载上颌牙列的STL文件。来回切换蓝色三角形箭头，选取右侧和左侧上颌第一磨牙的近中颊尖以及右侧上颌中切牙的中点作为配准标志点。最后，点击牙列配准面板中的“完成”图标，然后点击“是”图标以确认自动配准。

为了合并下颌牙列，选择下颌牙列，然后点击牙列配准面板中的加载按钮。生成STL文件后，选择右侧下颌第一磨牙的近中颊尖和左侧下颌第一切牙的中点作为配准标志点。接着点击牙列配准面板中的“选择配准标志点”图标，然后按确认以修改合并后的模型。

为了获取标志点的三维坐标，请在“体数据”选项卡中点击“手动选取标志点”图标，或点击“分析”选项卡以获取标志点的三维坐标。最后，点击“分析”选项卡，然后依次点击“数据导出”面板和“标志点”图标，将数据导出为文件。