Automatisierte cephalometrische Landmarkenbestimmung mit Vertrauensbereichen unter Verwendung von bayesianischen Faltungsneuronalen Netzwerken

HINTERGRUND: Trotz der integralen Rolle der cephalometrischen Analyse in der Kieferorthopädie gibt es Einschränkungen bezüglich der Zuverlässigkeit, Genauigkeit usw. der cephalometrischen Landmarkenverfolgung. Es wurden kontinuierlich Versuche unternommen, automatische Plotting-Systeme zu entwickeln, aber sie sind für klinische Anwendungen aufgrund der geringen Zuverlässigkeit spezifischer Landmarken unzureichend. In dieser Studie zielten wir darauf ab, einen neuartigen Rahmen für die Lokalisierung cephalometrischer Landmarken mit Vertrauensbereichen unter Verwendung von bayesianischen Convolutional Neural Networks (BCNN) zu entwickeln. METHODEN: Wir haben unser Modell mit dem Datensatz der ISBI 2015 Grand Challenge in der Zahn−Röntgenbildanalyse trainiert. Der gesamte Algorithmus bestand aus einer Extraktion von Interessensregionen (ROI) von Landmarken und einer Schätzung der Landmarken unter Berücksichtigung von Unsicherheiten. Die Vorhersagedaten, die aus dem bayesianischen Modell erzeugt wurden, wurden mit Post-Processing-Methoden in Bezug auf Pixelwahrscheinlichkeiten und Unsicherheiten verarbeitet. ERGEBNISSE: Unser Rahmen zeigte einen durchschnittlichen Landmarkenfehler (LE) von 1,53 ± 1,74 mm und erreichte eine erfolgreiche Erkennungsrate (SDR) von 82,11, 92,28 und 95,95 % in den Bereichen 2, 3 und 4 mm. Besonders der fehlerhafteste Punkt in vorhergehenden Studien, der Gonion, reduzierte seinen Fehler im Vergleich zu den anderen nahezu um die Hälfte. Darüber hinaus zeigten unsere Ergebnisse eine signifikant höhere Leistung bei der Identifizierung anatomischer Abnormalitäten. Durch die Bereitstellung von Vertrauensbereichen (95 %), die Unsicherheiten berücksichtigen, kann unser Rahmen klinischen Komfort bieten und dazu beitragen, bessere Entscheidungen zu treffen. SCHLUSSFOLGERUNG: Unser Rahmen bietet cephalometrische Landmarken und deren Vertrauensbereiche, die als computergestütztes Diagnosetool und für Bildungszwecke verwendet werden können.