基于人工智能的鼻窦三维全自动分割算法研究及其临床应用价值

研究人员开发了基于nnU-Net v2架构的全自动鼻窦分割算法，采用97例锥形束CT(CBCT)数据进行验证。结果显示该模型分割性能优异：额窦、蝶窦、上颌窦和筛窦的Dice系数(DC)分别达0.94、0.95、0.97和0.88，准确率均超99%，为临床诊疗提供了可靠工具。

　　

这项突破性研究展示了人工智能在医学影像分析领域的卓越表现。科研团队巧妙运用nnU-Net v2这一先进的深度学习架构，打造出能够全自动完成鼻窦三维分割的智能系统。实验采用专业放射科医师使用3D Slicer软件手动标注的97例锥形束计算机断层扫描(CBCT)数据作为金标准，通过多平面多边形标注技术确保标注精度。

量化评估结果令人振奋：模型在各类鼻窦分割任务中均展现出顶尖水平。具体而言，额窦、蝶窦、上颌窦和筛窦的戴斯系数(Dice Coefficient, DC)分别达到0.94、0.95、0.97和0.88的优异水平。更令人印象深刻的是，所有鼻窦的总体准确率均突破99%大关。空间精度方面，95%豪斯多夫距离(95% HD)指标显示，额窦和上颌窦仅为0.51毫米，蝶窦0.85毫米，结构最复杂的筛窦也控制在1.17毫米。雅卡尔指数(Jaccard Index)同样亮眼，分别为0.90、0.91、0.94和0.80。

该智能系统的成功研发为耳鼻喉科临床实践带来革命性变革。精准的三维分割结果不仅可辅助医生进行更准确的诊断，还能为手术规划、疗效评估等治疗环节提供可靠依据，最终惠及广大鼻窦疾病患者。