Segmentation IA des CBCT : architectures, métriques et performances
Revue d'Orthopédie Dento-Faciale · 2026 · 60 (3) · 287-296
DOI: 10.1051/odf/2026029 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revue d'Orthopédie Dento-Faciale, online erschienen am 03.08.2026. Verfasst von Laurent Petitpas und 2 weiteren Autor:innen. Die Arbeit nennt 35 Literaturangaben.
Abstract (Originalsprache)
La segmentation automatisée des imageries CBCT par intelligence artificielle (IA) constitue une avancée majeure en odontologie numérique. Les algorithmes d’apprentissage profond (Deep Learning) notamment les architectures dérivées du U-Net, permettent désormais d’extraire automatiquement des modèles tridimensionnels au format STL (Standard Tessellation Language) des structures dento-maxillo-faciales. Ce premier article d’une série de deux synthétise les architectures utilisées, les métriques d’évaluation et les performances actuelles de ces systèmes. Le modèle STL dérivé d’une segmentation automatique ne constitue pas un équivalent anatomique exact. Les méta-analyses récentes rapportent des coefficients de Dice élevés pour les dents et les grandes structures osseuses, mais les résultats restent plus hétérogènes pour les structures fines et tubulaires, notamment le canal mandibulaire (DSC similarité ≈ 69 %). L’interprétation clinique impose donc d’associer le DSC à des métriques de surface et à une validation anatomique sur les coupes DICOM natives.
Zitieren
APA
Petitpas, L., Dot, G., & Gall, M. L. (2026). Segmentation IA des CBCT : architectures, métriques et performances. Revue d'Orthopédie Dento-Faciale, 60(3), 287-296. https://doi.org/10.1051/odf/2026029
Vancouver
Petitpas L, Dot G, Gall ML. Segmentation IA des CBCT : architectures, métriques et performances. Revue d'Orthopédie Dento-Faciale. 2026;60(3):287-296. doi:10.1051/odf/2026029
BibTeX
@article{Petitpas2026,
author = {Petitpas, Laurent and Dot, Gauthier and Gall, Michel Le},
title = {Segmentation IA des CBCT : architectures, métriques et performances},
journal = {Revue d'Orthopédie Dento-Faciale},
year = {2026},
volume = {60},
number = {3},
pages = {287--296},
doi = {10.1051/odf/2026029}
}
EUVIMED