在CBCT中准确分割颌骨（即下颌骨和上颌骨）和牙齿对于正畸诊断和治疗计划至关重要。尽管已经提出了各种（半）自动化方法来分割颌骨或牙齿，但仍然缺乏可以在 CBCT 中同时分割两个解剖结构（即多类分割）的全自动分割方法。针对此问题，阿姆斯特丹自由大学研究人员提出了mixed-scale dense (MS-D) 卷积神经网络，用于对 CBCT 扫描中的颌骨、牙齿和背景进行多类分割。从接受正畸治疗的患者中获得了 30 次 CBCT 扫描，金标准分割由 4 位牙医手动创建。作者还评估了分割颌骨或牙齿的 MS-D 网络（即二元分割）。
所有分割的 CBCT 扫描都转换为虚拟 3D 模型。通过 Dice 相似系数和表面偏差来评估分割性能。由 MS-D 分割的 CBCT 显示与金标准分割有很大的重叠（Dice系数：颌骨，0.934 ± 0.019；牙齿，0.945 ± 0.021）。与相应的金标准3D模型（下颌0.390±0.093毫米；下颌0.204±0.061毫米）相比，基于MS-D网络的颌骨和牙齿3D模型显示出较小的表面偏差。
MS-D 网络需要大约 25 秒来分割 1 次 CBCT 扫描，而手动分割需要大约 5 小时。该研究表明，颌骨和牙齿的多类分割是准确的，其性能与二元分割相当。因此，针对多类分割训练的 MS-D 网络将通过大大减少在 CBCT 中分割多个解剖结构所需的时间，使特定于患者的正畸治疗更加可行。