机构名称：
¥ 1.0
目标：本研究旨在利用深度学习（DL）技术探索和讨论牙齿重建方面的最新进步。进行了对新的DL方法论的综述，并进行了全牙重建。数据/来源：PubMed，Google Scholar和IEEE Xplore数据库从2003年到2023年进行了文章。研究选择：评论包括2018年至2023年发表的9篇文章。所选文章展示了用于牙齿重建的新型DL方法，而仅专注于DL方法的应用或审查的文章被排除在外。审查表明，数据是通过口腔内扫描或实验室扫描牙齿石膏模型获取的。常见数据表示是深度图，点云和体素化点云。使用来自相邻牙齿或整个下巴的数据，重点是单牙。一些文章包括拮抗牙齿数据和咬合凹槽和间隙距离等特征。主要网络体系结构包括生成对抗网络（GAN）和变压器。与常规数字方法相比，基于DL的牙齿重建报告错误率降低了两倍。结论：生成DL模型通过将洞察力提取到模式和结构中，分析牙科数据集以重建缺失的牙齿。通过专门应用，这些模型在形态和功能上声音牙科结构上重建，从现有牙齿中利用信息。所报告的进步有助于基于DL的牙冠重建的可行性。除了具有点云或体素的gan和变压器之外，最近的研究表明，具有基于扩散的架构和创新数据表示（如3D形状完成和推理问题）的有希望的结果。临床意义：用于分析和重建牙科结构的生成网络体系结构表现出明显的熟练程度。基于DL的框架的准确性和效率的提高具有增强临床结果并提高患者满意度的潜力。减少的重建时间和对手动干预的要求减少可能会导致节省成本和改善牙科服务的可及性。
牙科杂志
主要关键词
相关文件推荐
