解決痛點 

CT影像常受金屬假影、低對比與高雜訊影響，導致骨骼、牙齒與根管結構難以清楚辨識，增加診斷與治療規劃困難。同時，傳統影像分割多仰賴人工或半自動工具，耗時且結果易受操作者經驗影響，缺乏一致性與效率。此外，現有流程多停留於影像處理或視覺化階段，無法直接轉換為臨床可用的3D模型，增加後續導板製作與手術規劃門檻。 本技術透過U-net深度學習模型，自動完成CT影像中骨頭、牙齒、根管及人工物質的分割，降低假影干擾並提升辨識準確度，並可直接輸出三維模型應用於3D列印與導航手術。整體實現從影像到臨床應用的自動化流程，大幅提升效率與臨床可行性。

 技術簡介 

隨著人工智慧和深度學習技術的快速發展，卷積神經網路（CNN）特別是在醫療影像分析中展現出高度潛力。U-net模型作為CNN的一種，因其對影像特徵的高效擷取與重建能力，被廣泛應用於醫療影像的自動分割。U-net在克服如金屬假影、複雜組織結構等傳統技術難題上具顯著優勢，大幅提升影像處理的精度與效率。本專利是一基於U-net深度學習的人工智慧演算法，用於錐狀光束電腦斷層掃描 (CT) 的自動組織分割，並生成精確的三維模型。此技術可有效分割骨頭、牙齒、根管、人工補綴物等，應用於矯正診斷、正顎手術規劃、3D導航植牙、引導式根管治療、及CT引導的自體牙齒移植手術等領域。

 應用案例 

本案例為一例根尖手術，導入AI進行數位規劃。首先，將CT影像轉換為下顎骨三維模型，再與口內掃描的牙齒模型進行整合。可得到一牙齒為口內掃描、顎骨為CT表面的融合模型，依此模型設計並製作客製化特殊貼骨手術導板，用於引導手術位置與方向。
相較傳統方式，此流程可簡化術前規劃、提升定位準確性，並在手術中減少骨移除與翻瓣範圍，達到傷口較小、手術時間縮短的效果，同時提升整體治療效率與穩定性。

 相關連結 

https://youtu.be/xvyR6emfAwc?si=o1eJJPWRflRvOxgd

 技術產學合作或技轉單位 

產學合作單位：沐恩生醫光電股份有限公司

 獲獎紀錄 

無

 技術聯絡人 

高雄醫學大學 洪一豪副理

連絡電話：07-3121101 ext. 2360

聯絡信箱：R121084@kmu.edu.tw