
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于两阶段Vision Transformer的CBCT图像多输出分类在后牙无牙颌上颌种植体规划中的应用
《Scientific Reports》:Multi-output classification of dental implant placement parameters in the posterior maxilla from CBCT images using a two-stage vision transformer framework
【字体: 大 中 小 】 时间:2026年09月21日 来源:Scientific Reports 4.9
编辑推荐:
摘要由于解剖变异、残余骨高度有限以及上颌窦气化程度不同,在后牙无牙颌上颌植入种植体在临床上具有挑战性。传统的种植方案规划在很大程度上依赖临床医师的经验和手动解读放射影像,从而导致方案变异性大且主观性强。本研究开发并评估了一种基于两阶段Vision Transformer(Vi
由于解剖变异、残余骨高度有限以及上颌窦气化程度不同,在后牙无牙颌上颌植入种植体在临床上具有挑战性。传统的种植方案规划在很大程度上依赖临床医师的经验和手动解读放射影像,从而导致方案变异性大且主观性强。本研究开发并评估了一种基于两阶段Vision Transformer(ViT)的深度学习框架,用于根据锥形束计算机断层扫描(CBCT)图像对种植体植入参数进行多输出分类。研究从泰国玛希隆大学牙科学院收集了一个包含457例经专家验证的后牙上颌无牙颌病例的回顾性数据集。该模型采用具有任务特定分类头的多输出架构,同时对四个规划参数进行分类——种植体高度、种植体直径、上颌窦提升技术和上颌窦提升分期。采用两阶段微调策略来优化迁移学习。所提出的ViT模型达到了85.56%的总体准确率,其中种植体高度的任务特定准确率为88.89%,种植体直径为80.00%,上颌窦提升技术为84.44%,上颌窦提升分期为88.89%,比最佳CNN基线模型(62.22%)高出23.34个百分点。该模型展现出接近实时的推理速度(每个样本0.037秒)。这些结果表明,采用两阶段微调的基于ViT的多输出分类方法可以作为种植牙规划的有效的决策支持工具。
生物通微信公众号