圆锥束CT图像中的松质骨分割网络在正颌术后髁突吸收评估中的应用

《Dentomaxillofacial Radiology》：Cancellous Bone Segmentation Network in Cone Beam CT Images for Post-Orthognathic Assessment of Condylar Resorption

针对锥形束CT（CBCT）图像中松质骨分割存在的边缘模糊和低对比度问题，提出了一种双分支融合网络（DBF-Net）方法。该方法通过整合边缘特征和辅助任务定位松质骨边缘，显著提升分割精度和鲁棒性，Dice系数达91.48%，95% Hausdorff距离降至3.88mm，为术后评估颞下颌关节吸收提供可靠支持。

　　

摘要

目标

在锥形束CT（CBCT）图像中对松质骨进行可靠的分割对于正颌手术后对髁突吸收情况进行评估至关重要。然而，CBCT图像中的边缘模糊和对比度低等问题使得有效的分割变得困难。本研究旨在克服这些难题，为准确的骨量测量提供基础，从而提升手术计划和患者的治疗效果。

方法

我们提出了一种新的方法，用于增强CBCT图像中松质骨的基于边缘的分割。通过结合松质骨区域的边缘特征，并利用双分支融合网络（DBF-Net）将松质骨边缘定位作为辅助任务，我们的模型利用跨功能的共享特征参数来提高分割的准确性和鲁棒性。

结果

我们的DBF-Net表现优于其他模型，DICE系数达到了91.48%。95%的Hausdorff距离降至3.88毫米，显示出在松质骨边界检测方面的显著改进，这对于正颌手术后对髁突吸收情况的评估至关重要。

结论

该方法为CBCT图像中松质骨的可靠分割提供了可靠的解决方案，有助于对髁突吸收情况进行定量评估。