基于口内照片的深度学习方法来预测根覆盖程序的结果:一项回顾性研究
Wentao Sun1,2,3,4,5,6, Jiachen Dong1,2,3,4,5,6, Mengjun Sun1,2,3,4,5,6
1Department of Periodontology, Ninth People's Hospital, Shanghai Jiao Tong University School of Medicine, 639 Zhi Zao Ju Road, Shanghai, 200011, China.
BMC oral health
|December 11, 2025
概括
一个深度学习模型使用口腔内照片准确预测根覆盖结果,改善了牙衰退的手术规划. 这种人工智能工具增强了牙周科的临床决策和患者沟通.
科学领域:
- 牙周病学和牙科成像学
- 人工智能在医学中的应用
- 计算机视觉用于外科手术规划
背景情况:
- 牙衰退 (GR) 在牙周炎患者中很常见,需要准确预测手术后牙边缘 (GM) 进行手术规划.
- 主观偏见和复杂的解剖学可以影响根覆盖程序预测的准确性.
- 深度学习为预测根覆盖结果的准确性和效率提供了潜在的改进.
研究的目的:
- 建立一个深度学习模型,利用口内照片准确预测根覆盖程序结果.
- 通过确定关键的牙地标,评估模型预测最大根覆盖率 (MRC) 的能力.
主要方法:
- 一个深度学习模型 (YOLO-v8) 在963颗牙 (408张口腔内照片) 上被训练,以注释乳头顶点,接触点,水泥合点和点角.
- 模型准确性通过比较手动和AI预测的关键点注释来评估.
- 在手术后6个月的114颗牙 (50张口内照片) 上进行了临床验证.
主要成果:
- 该模型实现了2.19像素的平均辐射误差 (MRE) 和3.72像素的标准辐射误差 (SRE),用于关键点检测.
- 在实际的临床病例中,预测牙边缘 (GM) 的MRE为0.91像素,SRE为1.32像素.
结论:
- 开发的深度学习模型准确地预测了根覆盖程序的结果.
- 这种人工智能工具可以增强牙周科医生的临床决策,并改善医生与患者之间关于治疗结果的沟通.
