U-Net神经网络分割锥形束CT影像中下颌磨牙牙体与牙髓腔及其准确性验证

目的:使用U-net卷积神经网络实现锥形束CT(cone-beam CT,CBCT)影像中下颌磨牙的牙体和牙髓腔的自动分割,采用基于显微CT(Micro-CT)扫描结果构建的三维模型作为金标准,评估分割准确性.方法:从同济大学附属口腔医院放射科收集20组包含完整单侧下颌磨牙的口腔小视野CBCT数据,预处理后,由牙体牙髓病学专家使用MITK Workbench软件手动标注牙体与牙髓腔,作为U-net神经网络分割算法的训练集.另收集5颗下颌磨牙和相应的小视野CBCT数据,5组数据经相同预处理后作为测试集.随后由完成训练的神经网络和同一专家对测试集数据进行牙体和牙髓腔分割和三维重建.离体牙预处理后行Micro-CT扫描,将三维重建后获得的模型作为金标准.分别比较测试集数据中,专家的手动标注、神经网络分割结果与金标准两两之间的差异.采用Dice相似性系数(Dice similarity coefficient,DSC)、平均对称表面距离(average symmetric surface distance,ASSD)、Hausdorff距离(Hausdorff distance,HD)和形态差异分析对结果进行评估.采用SPSS 20.0软件包对数据进行统计学分析.结果:神经网络分割结果与金标准相比,其牙体组的DSC为(95.30±1.01)％、ASSD为(0.11±0.02)mm、HD为(1.05±0.31)mm,牙髓腔组的DSC为(81.21±2.27)％、ASSD为(0.15±0.05)mm、HD为(3.29±1.85)mm,结合形态差异分析结果显示,神经网络的分割结果与金标准的牙体与髓室部分基本相似,但在根管部分,能分割出较粗的根管,对于根管下段和侧支根管等较细的根管分割能力有限.结论:在现有实验条件下,以专家手动标注作为训练样本的U-net神经网络,实现了在CBCT影像上对下颌磨牙牙体与髓室的自动化精准分割.但对根管部分,其分割结果有待进一步提升.