作者聚焦：通过 AI 辅助数字化推进 CBCT 和数字牙科图像集成

我们的研究重点是CBCT和数字牙科图像的整合，这在创建虚拟头部时是不可避免的。到目前为止，这三幅图像只是勉强使用了最好的电影方法，即基于表面的。本研究旨在引入一种基于人工智能辅助数字化的新集成方法，并评估其准确性。

人工智能已被用于预测治疗结果，并将补充 X 光片或 CPCT 图像中的地标数字化。有一些商业软件可用。该程序采用人工智能辅助的机器学习自动化，将 CPCT 中的地标数字化，并校准牙科图像中手动选择的地标。

内部观察者，即实验室团队，在每种方法中都显示出显着且几乎完全有效的 ICC。主要差异显示，ABR和SBR的第一次注册和第二次注册之间以及两种方法之间没有显著差异。然而，ABR的量程低于SBR方法。

ABR协议不仅提高了准确性，而且大大缩短了合并时间。虽然 SBR 方法需要三到四分钟，但 ABR 程序只需要大约 50 秒来选择地标，40 秒来选择 DDI 地标，两到三秒来选择 CPCT 和 DDI 合并。