目的:应用建立的全自动AI牙体分割算法,从CBCT影像中实现牙体的快速自动化分割,以口内扫描真实离体牙获得的三维数据作为金标准,验证算法的准确性.方法:从上海交通大学医学院附属第九人民医院收集30套CBCT数据及相应的59颗离体牙,通过建立的算法,分割出CBCT中的牙体三维数据.将离体牙处理后扫描获得的数字化信息作为金标准.为了比较算法分割结果以及扫描结果之间的差异,选取骰子系数(Dice)、灵敏度(sensitivity,Sen)以及平均表面距离(average symmetric surface distance,ASSD)评价算法的分割准确性.选用组内相关系数(ICC)评价AI系统获得单个牙与数字化离体牙的长度、面积和体积差异.由于存在不同体素大小的CBCT,使用ANOVA单因素方差分析不同体素组间的差异,同时通过SNK法对其进行两两比较.采用SPSS 25.0软件包对数据进行统计学分析.结果:算法分割结果与离体牙扫描结果对比后,得到平均Dice值为(94.7±1.88)％,平均Sen为(95.8±2.02)％,平均ASSD为(0.49±0.12)mm.比较数字化离体牙与AI系统获得的单个牙的长度、面积和体积的组内相关系数ICC值,分别为0.734、0.719和0.885,AI系统分割出的单个牙与数字化模型在评价长度、面积和体积时有着较好的一致性,但分割结果在具体数值上与真实情况仍有差异.CBCT体素越小,即分辨率越高,分割结果表现更好.结论:本研究建立的CBCT牙体分割算法能够准确实现各分辨率下CBCT中全牙列的牙体分割.CBCT分辨率提高,能让算法结果更准确.相比目前的分割算法,本研究的算法性能更好.但与实际情况相比,仍有一定差异,需对算法继续改进及验证.

牙体缺损修复体的椅旁计算机辅助设计与辅助制作（computer aided design/computer aided manufacturing，CAD/CAM）在临床的工作流程和技工加工环节均与传统间接修复不同，主要表现在数字化印模的获取和应用计算机软件设计修复体并由数控机床切削制作。牙体预备的质量和预备体呈现的参数可直接影响口内扫描获取信息的准确性和效度，修复体自动化的设计和制作也存在一些限制因素，这些影响均可降低修复体对患牙牙体缺损的适合性，尤其是修复体边缘更是敏感的关键部位。本文围绕影响椅旁CAD/CAM修复体边缘适合性的相关因素，梳理并探讨各操作环节中的应对策略和质量控制细节，以促进椅旁CAD/CAM修复临床疗效的进一步提高。

人工智能（artificial intelligence）在医疗行业介入最多的部门当属医学影像/图像较为集中的科室，包括放射科、病理科、超声科和内窥镜相关科室。随着医疗实践中计算机的普及与应用，尤其是最近10年医学检查的自动化程度提高，电子化医疗档案与数字化医学影像呈暴发式增长，丰富的医疗大数据成为人工智能研究的宝贵资源。病理科是依赖于医疗图像诊断疾病、特别是诊断肿瘤的部门，但传统的病理学图像载体是玻璃切片，使得人工智能介入病理学图像诊疗过程有别于放射科影像、超声科影像和内窥镜图像（这些影像学科室在检查过程中形成的图像即是数字化图像）。该文面向病理学与医疗影像研究的人工智能研发人员，介绍病理学图像的特点以及人工智能研究的相关进展。

3D打印和计算机技术在医学领域的广泛应用为放射治疗体位固定工具的数字化、自动化制作带来了契机，从而有可能摆脱原有复杂的手工制作流程。作为最为广泛使用的体位固定技术，体膜固定技术的发展一直备受关注。本研究通过回顾体膜固定技术在放射治疗不同阶段的发展进程，阐述了3D打印体膜作为体位固定技术的一种发展方向在放疗领域的应用进展，为临床应用和研究提供参考。

园区是化工行业发展的重要载体，也是化工行业安全的重要风险源。提升化工园区安全管理水平不仅能有效提升化工行业总体安全水平，更是推动化工产业安全可持续发展重要前提。近年来，化工园区安全事故率大大下降，但追溯一些重大事故的背后原因发现，很多化工园区和企业的信息化管理水平低下，缺乏数字化平台支持化工园区的安全管理，导致园区和企业对危化品实时状态掌握、更新不及时，也缺乏自动化、智能化的控制系统，对化工安全的预防和及时处理防控尚存在较大的改进空间 [1]。为此，在产业数字化的背景下，应发挥数字技术优势，加快数字平台建设，加大和创新政策支持，提升园区和企业安全数字化管理的积极性，进一步提升化工园区的安全管理水平，助推化工行业高质量发展 [2]。

近年来，我国临床试验发展迅速，研究数量和质量均有了长足进步，但仍面临着受试者招募困难、数据收集难度大和临床监查成本高等挑战。2023年，浙江医院借助人工智能与数字化技术构建了数字化智能临床研究系统，通过智能化的患者筛选、自动化的数据录入和远程的数据监查，显著提高了临床试验的工作效率和数据准确性，同时降低了研究成本；但在受试者筛选准确性、数据脱敏处理和系统兼容性等方面仍存在不足，有待进一步完善。该系统为临床研究管理提供了新的解决方案，可供其他机构借鉴和参考。

针对医学装备管理现状，某院探索将5G+物联网和数字孪生技术应用于医学装备智慧化管理。通过智能感知终端实现医学装备使用地点、使用过程与使用效率等真实数据的动态获取，并进行数字化、网络化、智能化监测与分析，同时开发医学装备动态管理软件、医疗设备实时定位软件、空间环境质量监测软件等应用。实现医学装备配置、运行和绩效评价的自动化、智能化和可视化管理，实现基于数字孪生体的精细化管理，提升运行资源保障协同管理效率。

医学检验结果是诊疗服务中不可或缺的重要手段，实现检验结果互认需要先推动检验结果的同质化，因为检验结果同质化是实现检验结果互认的基础。医学检验结果互认有助于医疗机构间资源共享，为疾病的早期预防、筛查、诊疗提供更加可靠的检测结果，减少重复检验，从而改善人民的就医体验。近年来，随着医疗体制改革的深入和分级诊疗工作的推进，我国各地陆续出台了检验结果互认政策，然而医学检验结果同质化是实现检验结果互认的前提条件，同时随着互联网大数据时代下智慧医疗的出现，医学检验结果同质化管理发展过程中机遇与挑战并存。未来，医学检验结果同质化将呈现数字化、自动化、信息化、智慧化的发展趋势。

面部软组织外形是提升容貌吸引力的重要影响因素。随着三维立体摄影在准确性、可重复性、自动化水平方面的提高，可以精确反映正畸或正颌手术带来的软组织变化，并促进医患沟通，目前已广泛用于治疗前的诊断、术前模拟和术后随访。该文归纳总结了面部软组织的数字化三维测量的研究进展，从三维立体摄影的准确性、头面部标志点和参考平面的确定方法、面部软组织三维测量分析的临床应用及展望等方面阐述了三维立体摄影在面部软组织研究领域的发展历程和应用前景，以期为口腔正畸科、正颌外科和整形外科的临床诊断、治疗和疗效评估提供参考。

目的:基于可变图结构配准网络（DGRNet）模型，建立一种可实现三维点云智能配准的本体-镜像关联深度学习算法，以实现三维颜面正中矢状面的自动化构建，为口腔临床数字化设计与分析提供参考。方法:收集200例2020年10月至2022年10月就诊于北京大学口腔医学院·口腔医院修复科、正颌外科和口腔正畸科的无明显颜面畸形的牙体缺损或缺失或错 畸形患者的三维颜面数据。通过数据增强（平移和旋转）的方式获得1 200例三维颜面数据，分为训练集（800例）、验证集（200例）、测试集（200例），用于DGRNet模型训练与测试。DGRNet模型包含构造本体与镜像点云中关键点的特征向量、基于特征向量获取本体和镜像点云中关键点的对应关系，并通过奇异值分解计算旋转矩阵和平移矩阵。基于DGRNet模型实现本体点云与镜像点云的智能配准，获得本体-镜像联合点云，并采用主成分分析算法获得DGRNet模型正中矢状面。基于决定系数R 2指标对测试集平移及旋转矩阵进行模型评价，以迭代最近点（ICP）算法构建的三维颜面正中矢状面作为真值。选择上述200例临床患者中的50例数据，对DGRNet模型与ICP算法构建的三维颜面正中矢状面进行角度误差评价。 结果:基于200例三维颜面数据测试DGRNet模型旋转矩阵R 2为0.90，平移矩阵R 2为0.94。构建50例三维颜面数据正中矢状面共用时3 s，DGRNet模型与ICP算法构建的三维颜面正中矢状面角度误差为1.05°±0.56°，最小误差为0.13°，1.50°以内的准确率为78%（39/50），2.00°以内的准确率为90%（45/50）。 结论:本项研究提出的基于三维点云智能配准的DGRNet模型可构建三维颜面正中矢状面，并在一定程度上提升诊疗效率和效果。