Application of Deep Learning Multi- Vi Ew Convolutional Neural Networks to Develop an Automated Orthognathic Surgery Simulation System Based on Average 3d Skeletofacial Templates( I )

正顎手術作為顱顏外科的重要技術,主要針對顏面骨骼結構的異常進行矯正,其核心目的是恢復患者的正常咬合功能、提升顏面對稱性並改善外觀。近年來,三維(Three-dimensional, 3D)影像技術的發展為正顎手術規劃帶來了巨大的革新,大幅提升了手術規劃的精確性和效率。這些技術主要依賴牙科錐狀射束電腦斷層掃描(Cone Beam Computed Tomography, CBCT)生成的 3D 顱面模型進行手術模擬,能夠精準檢測骨骼異常引起的顏面問題,幫助外科醫師有效預測上下顎複合體(Maxillomandibular Complex, MMC)的必要手術移動方向。 長庚顱顏醫學中心自從 2012 年發展電腦輔助正顎手術模擬(Computer Aid SurgicalSimulation, CASS)以來,已建立一套完全數位化的流程,其中包括雷射掃描的牙齒模型(或口內掃描牙齒影像)、3D 頭影測量、虛擬手術咬合設置,以及電腦輔助設計及製造手術導板。然而,即使使用三維模擬,仍需依據三維測顱標準值來測量角度和長度差異,過程繁瑣且耗時。2019 年,我們首次發表了國人三維測顱的平均值,雖提供了矯正或正顎手術的參考,但仍無法解決耗時問題。因此,我們利用影像技術處理正常國人頭顱的三維影像,創建了首個國人 3D 平均頭顱模型,並將其應用於臨床正顎手術。其重點在提出了一個基於電腦輔助方法,透過將病人的頭顱與此模型重疊,可以根據影像差距制定顎骨移動的方向和量,同時免去角度和長度的測量,最終可節省手術模擬規劃的時間並簡化過程。在模型的可靠性驗證上,結果顯示其與三維測顱標準值一致性高度相關。在模型於臨床上適用性證明上,我們回溯選取了 30 位已完成正顎手術的病人,使用此模型進行手術模擬。經影像縮放後,將平均頭顱與病人的頭顱影像在額頭和眼眶骨區域幾乎完全重疊。比較結果顯示,兩者在上下顎骨坐標位置(如點 A、B、Pog、Me)的差異均小於 1 毫米。 在臨床前瞻性應用上,我們另外選取了 30 位需要正顎手術的病人,以均頭模型為參考進行手術模擬並制定計劃。術後調查顯示,病人對整體及面部變化的滿意度很高,且術後顎骨位置與平均頭顱模型的坐標差異小於 2 毫米。這些數據在在顯示,我們的技術除了克服了傳統二維模型的局限性、做為患者特異性診斷、分析和手術規劃中的輔助工具外,更提高了手術成功率和患者滿意度。 本系統「三維平均頭顱模型的開發及其在正顎手術規劃中的創新應用」並於 2024 年獲得「第二十一屆國家新創獎-臨床新創獎」。在參賽第二十一屆國家新創獎,最終委員的審查意見中明確提出以下兩項建議(1)平均頭顱模型的誤差已減少,建議與牙科臨床模具結合,進一步提升手術精確度並加強應用效果。(2)宜思考合適的獲利模式,優先考量如何授權同業和外界使用,以惠及更多病患,促進技術的普及和應用。 本研究利用深度學習之多視角卷積神經網路(Multi-View Convolutional Neural Networks, MVCNN)在技術,開發一個結合國人標準平均頭顱模板的自動化正顎手術規劃模擬系統,並實現以下目標: 1. 顱骨特徵點自動化偵測:提高標記準確性和重現性,顯著降低人工干預的需求。 2. 模板精確疊合:實現個體顱骨數據與動態平均頭顱模板的高效匹配。 3. 骨骼移位模擬:支持多片式切骨技術,提供包括旋轉和平移在內的六自由度動態模擬。 學術研究： -拓展MVCNN技術在醫學影像分析中的應用，為正顎手術術前規劃提供創新解決方案。 -提供全新數據集與分析方法，推動醫學影像與深度學習領域的進步。 社會與經濟效益： -提供更精準的正顎手術模擬工具，提升患者面部外觀與心理健康。 -降低醫療資源浪費，增加醫療效率，創造更大經濟價值。

Project ID:PC11407-5360
External Project ID:NSTC114-2314-B182-038