目的:探讨个体化定制聚醚醚酮(PEEK)在上颌骨缺损修复重建中的应用效果。方法:2018年9月至2020年11月，上海交通大学医学院附属第九人民医院口腔颌面-头颈肿瘤科收治13例行上颌缺损的患者，男9例，女4例，年龄15~62岁，平均28.6岁。6例上颌骨良性病变及7例上颌骨肿瘤术后缺损患者，均采用个体化PEEK置入修复。13例患者术前均拍摄颌面部CT，然后三维重建获得上颌骨缺损模型，6例上颌骨良性病变患者通过虚拟手术计划制定肿瘤切除范围，获得相应的上颌骨缺损模型，并基于镜像技术进行PEEK假体的设计和制作；根据虚拟手术计划设计、制作并打印手术截骨导板。然后在截骨导板辅助下切除肿瘤，植入PEEK。7例上颌骨肿瘤术后缺损患者通过术前颌面部CT三维重建直接获得上颌骨缺损模型，然后基于镜像技术进行PEEK假体的设计和制作。术中置入PEEK，如腭部缺损则同期行股前外侧穿支皮瓣修复腭部缺损。术后定期随访，观察术后并发症、患者面部外形、咬合关系、眼球位置及活动度，统计患者满意度。术后1个月行CT扫描，将CT数据同术前虚拟手术设计数据进行拟合比较，评估PEEK置入位置的精确度；测量评估手术前、后眼球突出、上抬或内陷、下移的复位矫正情况，采用配对 t检验进行统计学分析。 结果:13例患者均按术前设计顺利完成PEEK置入手术，其中2例患者PEEK置入时与眶下壁区缺损不完全匹配，经调磨后就位。一期重建的5例骨纤维病变患者术中行抽屉式切除术，保留了牙槽骨；7例二期重建患者中，2例为腓骨肌皮瓣修复术后利用PEEK支撑眶底改善外形，3例上颌骨缺损患者同期行股前外侧穿支皮瓣修复腭部缺损，分割口、鼻腔。术后伤口愈合良好，皮瓣全部成活。术后1个月复查时，患者面部对称性及眼球位置术后恢复良好，张口度正常，眼球运动正常无受限，患者均对手术效果满意。术后CT图像拟合显示PEEK置入位置准确，误差为(0.68±0.12) mm。6例良性肿瘤患者术后眶容积(26.37±0.94) ml，眼球高度(0.98±0.48) mm，眼球突度(1.10±0.28) mm，分别较术前的(24.06±0.85) ml、(3.83±0.81) mm、(2.53±0.67) mm明显改善，差异均有统计学意义( P值均<0.05)。7例上颌骨缺损患者术后眼球高度(0.77±0.42) mm，眼球突度(0.61±0.31) mm，较术前的(2.03±1.07) mm、(2.01±0.34) mm明显改善，差异均有统计学意义( P值均<0.05)。术后随访时间1~27个月[(12.0±7.6)个月]，出现1例感染排异、1例肿瘤复发，行PEEK拆除术，其余11例未发现肿瘤复发及PEEK感染排异。 结论:个体化定制的PEEK，在虚拟手术计划辅助下，必要时联合软硬组织瓣，可以精确恢复上颌骨外形，支撑眶底，有效提高上颌骨缺损修复重建的精确性和安全性。

目的:通过深度学习的方法，开发具备判断儿童牙齿是否龋坏尤其是判断未成洞龋能力的人工智能识别系统雏形。方法:收集北京大学口腔医学院·口腔医院儿童口腔科2013年10月至2020年6月拍摄的符合纳入标准的全身麻醉治疗前患儿单颌口内数码照片712张，以记录完备的治疗后病历诊断结合口内像确定牙齿是否龋坏以及龋的类型，具体包括：已成洞的龋（成洞龋）、未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋（未成洞邻面龋）。由儿童口腔科医师使用VoTT软件（Windows 2.1.0，Microsoft，美国）对不同牙齿及龋坏类型进行标注。分5个标签组：未成洞窝沟龋、未成洞邻面龋、完好无龋坏的牙齿邻面、成洞龋及无龋牙（含已完好充填的牙齿）；每个标签组数据按6.4∶ 1.6∶ 2.0的比例采用随机数表的方法随机分为训练集、验证集和测试集数据。采用标注后的训练数据集进行深度学习训练，并建立龋齿人工智能识别系统，以龋坏概率大于50.0%作为患龋的判断标准输出判断结果，并对测试集数据进行识别。应用灵敏度、特异度等作为识别各类龋坏准确性的指标评价人工智能系统的判断能力。结果:712张单颌口内照片经分割标注得到未成洞窝沟龋953张，未成洞邻面龋1 002张，成洞龋3 008张，无龋牙3 189张，无龋邻面862张，共计9 014张图像数据。测试集的识别结果：对成洞龋识别灵敏度和特异度分别为96.0%和97.0%；对未成洞窝沟龋灵敏度为95.8%，特异度99.0%；对未成洞邻面龋灵敏度为88.1%，特异度97.1%。结论:本研究构建的儿童龋人工智能识别系统雏形，具备判断龋坏的能力，对同组样本该系统不仅能准确判断成洞龋，对未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋也能准确判断。

目的:探讨经乳晕缘切口植入假体并微创悬吊对女性萎缩松垂乳房矫正的效果。方法:2012年3月至2019年2月，于长沙爱思特医疗美容医院纳入小乳症并轻中度松垂女性患者126例，年龄25~46岁，平均32岁，均为产后2~16年乳房萎缩并下垂者。皆用乳晕上缘月牙形切口，于切口上缘皮下脂肪与乳房腺体之间向上潜行锐性剥离一个扇形区域，于此扇形区距下切口缘约1 cm处由下往上垂直放射状向上切开腺体实质3~4 cm，在腺体和胸大肌之间剥离腺体总面积的60%，将此剥离区域胸大肌前附着的脂肪尽可能剔除，以便腺体和胸大肌之间因悬吊错位时能有效粘连牢固。于胸大肌后剥离腔隙无异，再将腺体上的悬吊点(黄金分割点)用0号可吸收线缝合在胸大肌相对应的悬挂点(黄金分割点)上，暂不打结。植入假体后再将悬挂处打结固定，缝合腺体切口及各层。结果:126例患者手术顺利，术后无感染、皮肤坏死等严重并发症发生。随访6~84个月，无明显瘢痕，无乳房下垂复发现象。其中非常满意69例、满意45例、一般12例，满意率90.4%。结论:对小乳症合并轻中度松垂患者经乳晕上方切口，植入假体同时进行悬吊，具有创伤小、并发症少、效果确切等诸多优点，值得临床应用。

目的:探讨山西省个别正常 高校学生上前牙宽度比、上颌中切牙宽长比与美学比例的契合程度，为前牙美学设计提供参考。 方法:2020年10月至2021年3月于山西医科大学学生中选取山西籍个别正常 志愿者300名（男性110名，女性190名，18~30岁）。拍摄受试者自然头位前牙列正面照片，测量上颌双侧中切牙、侧切牙和尖牙宽度和上颌中切牙高度，计算上前牙宽度比（侧切牙与中切牙宽度比、尖牙与侧切牙宽度比）以及上颌中切牙宽长比。独立样本 t检验比较各测量项目的性别差异，单样本 t检验比较两项上前牙宽度比与黄金分割比例（0.618和0.618）、Preston比例（0.66和0.84）、重复性美学比例（0.70和0.70）的差异；统计上前牙各牙位宽度占前牙总宽度的百分比符合黄金百分比（25%、15%、10%）±1%或改良黄金百分比（22.5%、15.0%、12.5%）±1%的牙数及占比；统计上颌中切牙宽长比在0.75~0.85内的牙数及占比。 结果:上颌中切牙、侧切牙、尖牙宽度分别为（8.50±0.52）、（6.23±0.53）、（5.18±0.55）mm，男性各牙位［分别为（8.74±0.49）、（6.37±0.52）、（5.41±0.47）mm］均显著大于女性相应牙位［分别为（8.37±0.50）、（6.15±0.52）、（5.04±0.54）mm］（ t=6.40、3.55、6.23， P<0.05）。侧切牙与中切牙宽度比为0.73±0.05，性别差异无统计学意义（ t=-1.06， P>0.05），尖牙与侧切牙宽度比为0.84±0.10，男性（0.85±0.10）显著大于女性（0.82±0.10）（ t=2.42， P<0.05）。两项上前牙宽度比与黄金分割比例、重复性美学比例的差异均有统计学意义（ t=38.50、35.74、11.48、22.20， P<0.05）。侧切牙与中切牙宽度比与Preston比例的差异有统计学意义（ t=24.66， P<0.05），而尖牙与侧切牙宽度比与Preston比例的差异无统计学意义（ t=-0.92， P>0.05）。本组受试者共0%（0/600）的中切牙、63.0%（378/600）的侧切牙和5.8%（35/600）的尖牙符合黄金百分比±1%；共42.8%（257/600）的中切牙、63.0%（378/600）的侧切牙和56.7%（340/600）的尖牙符合改良黄金百分比±1%。上颌中切牙宽长比为0.86±0.08，性别差异无统计学意义（ t=-0.88， P>0.05），36.3%（218/600）的上颌中切牙宽长比在0.75~0.85范围内。 结论:前牙美学设计时需考虑性别差异；对于上前牙宽度比，山西籍个别正常 高校学生人群天然牙形态特征与黄金分割比例、重复性美学比例、黄金百分比不契合，而与Preston比例、改良黄金百分比更契合。上颌中切牙宽长比与0.75~0.85有一定的差别。

目的 探讨本体/镜像关联法和点构法所构建的三维头颅的正中矢状面(median sagittal plane,MSP)在面部畸形患者中的准确性,为颌面部对称性分析提供依据.方法 本研究通过医院伦理委员会批准.选取30例面部畸形患者的锥形束CT数据,以DICOM格式保存输出,在Mimics21.0下完成数据分割获取数字化三维头颅,将所生成数字化头颅数据导入逆向工程软件geomagic studio 2014中.分别使用本体/镜像关联法、点构法构建头颅的MSP.本体/镜像关联法对数字化头颅数据进行左右镜像后合并,获取对称特征平面即为所构建的MSP平面(S1).点构法通过Mimics21.0在数字化头颅数据中选取鼻根点(nasion,N)、鸡冠点(crista galli,CG)、蝶鞍点(sella,S)、颅底点(basion,Ba)、梨骨点(vomer,V)、后鼻棘点(posterior nasal spine,PNS)、切牙孔点(incisive foramen,IF)、前鼻棘点(anterior nasal spine,ANS);一并导入geomagic studio 2014中,获取的最佳拟合平面即为所构建的MSP平面(S2).由5位颌面外科高年资医生,采用单盲法对两种方法构建的S1、S2结果进行主观评分,对两组评分进行配对t检验.再次重复实验评分,对5位颌面外科高年资医生的前后两次评分进行一致性分析,验证专家评价法的可重复性.结果 本体/镜像关联法构建S1平均得分为65.73,点构法构建S2平均得分为75.90.S1、S2组配对t检验得出点构法得分高于本体/镜像关联法,差异具有统计学意义(P＜0.01).一致性分析检验结果表明本研究的专家评分具有可重复性及一致性.结论 在面部畸形患者中,点构法所构建的MSP优于本体/镜像关联法所构建的MSP,可为颌面部对称性分析提供依据,具有临床可行性.

目的:利用卷积神经网络实现基于锥形束CT(cone-beam computed tomography,CBCT)体素数据的牙齿实例分割和牙位标定.方法:本文所提出的牙齿算法包含三个不同的卷积神经网络,网络架构以Resnet为基础模块,首先对CBCT图像进行降采样,然后确定一个包含CBCT图像中所有牙齿的感兴趣区域(region of interest,ROI).通过训练模型,ROI利用一个双分支"编码器-解码器"结构网络,预测输入数据中每个体素所对应的相关空间位置信息,进行聚类后实现牙齿的实例分割.牙位标定则通过另一个多类别分割任务设计的U-Net模型实现.随后,在原始空间分辨率下,训练了一个用于精细分割的U-Net网络,得到牙齿的高分辨率分割结果.本实验收集了 59例带有简单冠修复体及种植体的CBCT数据进行人工标注作为数据库,对牙齿算法的预测结果使用实例Dice相似系数(instance Dice similarity coefficient,IDSC)用来评估牙齿分割结果,使用平均 Dice 相似系数(the average Dice simi-larity coefficient,ADSC)评估牙齿分割及牙位标定的共同结果并进行评定.结果:量化指标显示,IDSC为89.35％,ADSC为84.74％.剔除了带有修复体伪影的数据后生成了有43例样本的数据库,训练网络得到了更优良的性能,IDSC为90.34％,ADSC为87.88％.将得到的结果进行可视化分析,牙齿算法不仅可以清晰地分割出CBCT中牙齿的形态,而且可以对牙齿的分类进行准确的编号.结论:该牙齿算法不仅可以成功实现三维图像的牙齿及修复体分割,还可以准确标定所有恒牙的牙位,具有临床实用性.

近年来,人工智能在医学领域中的应用越来越广泛,人工智能的子领域机器学习及其分支深度学习和卷积神经网络在儿童口腔医学中已经得到初步应用并获得较好的效果.在儿童口腔影像学方面,深度学习模型可对儿童根尖片、曲面体层片、头影测量片、锥形束CT等口腔影像及数码照片进行智能诊断,主要用于乳恒牙的检测与编号、额外牙的分类与检测、牛牙样牙识别、乳牙下沉检测、牙齿异位萌出分割与检测、腺样体肥大及牙龄评估等.在儿童口腔疾病方面,机器学习能够识别牙菌斑、龋病,并预测低龄儿童龋病,可评估儿童及青少年口腔健康状况.在信息技术高速发展的时代,人工智能技术将助力儿童口腔医学在预防、诊断、治疗、预后预测等多方面的发展.

背景:传统的三维牙颌模型分割方法通常利用预定义的空间几何特征如曲率、法向量等作为牙齿分割的参考信息.目的:提出一种适用于复杂三维牙颌分割的算法并深度挖掘分割结果与应用场景之间的关联性.方法:建立基于结构特征和空间特征双流提取的三维牙颌分割算法,利用分流的模块化设计避免特征混淆.其中,结构特征流上的注意力机制用于捕获牙齿分割所需的细粒度语义信息,空间特征流上的Tran-Net用于保证模型对复杂牙颌分割的鲁棒性.该算法在包含健康牙颌和缺牙、错牙、牙列拥挤等复杂牙颌的临床数据集上验证有效性和可靠性,通过总体精度、均交并比、方向切割差异等评价指标衡量模型的分割性能.结果与结论:该算法在临床数据集上的总体分割精度为97.08%,分割效果从定性和定量的角度均优于其他竞争方法.验证了此次设计的结构特征流,通过构建注意力聚合机制从坐标和法向信息中可提取更精细齿形局部细节,设计的空间特征流通过构建变换网络(Tran-Net)可保证模型对缺牙、错牙、牙列拥挤等复杂牙颌的鲁棒性.因此,该牙齿分割算法对于临床医生实操参考具有较强的可靠性.

目的:分析比较5种不同型号的口内扫描仪扫描单颌全牙列石膏模型的扫描精度,并评估扫描质量,为临床应用提供参考,并为今后进一步提升国产口内扫描仪性能提供依据.方法:5种型号口内扫描仪(3 Shape Trios 3、iTero Element 1、FusionScanner、Aoralscan2、Medit i500)扫描单颌全牙列石膏模型,获得三维扫描数据,每组重复5次,作为实验组数据.利用高精度台式扫描仪(云甲UP560)获取数字化模型,作为真值组数据,通过分析软件Geomagic Studiol4进行"最佳拟合对齐"后进行偏差分析真值组和实验组数据,并评估扫描数据质量指标、对比扫描精度.将全牙列模型按单牙冠进行分割,得到14颗单牙冠模体,同样进行扫描精度的评价.扫描精度由精密度和正确度进行评价.精密度通过计算同一型号仪器重复扫描的数据与真值数据的偏差分析所得的标准差结果进行评价;正确度通过与真值数据比较的偏差结果的均值进行评价,对不同组间的数据进行统计学分析.实验组和真值组间、以及实验组间的平均距离值与均方根(RMS)的均值和标准差作为计量型指标.各组数据经正态性检验,方差齐性检验后,采用单因素方差分析检验5个小组组间差异,同时对实验组质量指标与其扫描正确度进行Spearman相关性分析.结果:全牙列正确度:3 Shape Trios 3与iTero Element 1 均在50 μm以下,Medit i500、FusionScanner与Aoralscan2在50-70 μm范围.全牙列精密度:iTero Element 1与FusionScanner全牙列精密度的平均距离和RMS值均较小,低于10 μm,其余三种精密度的RMS值低于20 μm,相较前两种略微增大.单牙冠正确度:3 Shape Trios 3,iTero Element 1,Medit i500均在 10-15 μm范围,FusionScanner在 15-20 μm,Aoralscan2在20-30 μm范围.单牙冠精密度:五种仪器单冠RMS标准差均在10 μm以内,整体稳定性均较好.测量扫描数据质量评估中主要集中于钉状物和高度折射边,相关性分析未显示其与口内扫描仪正确度相关(P＞0.05).结论:扫描精度上,iTero Element 1 与3 Shape Trios 3为代表的国际厂商均处于较高水准.FusionScanner、Aoralscan2、Medit i500三种仪器在不同测量范围上在正确度与精密度有不同的优势.几种仪器扫描单牙冠的精度均优于扫描单颌全牙列精度,提示扫描范围的减小能够提升扫描仪精度.

目的 评价隐形矫治不同阶段数字化模型牙齿宽度值测量可重复性,以探讨临床是否可以据此进行邻面去釉(IPR)完成量的评估.方法 纳入不拔牙隐适美矫治患者50例,治疗中未进行IPR.治疗前(T1)及治疗后(T2,第一次中途重启或精调时)的数字化牙颌模型均由隐适美iTero口内扫描获得.ClinCheck软件中显示了分割后单颗牙齿宽度及根据Bolton指数(前牙比和全牙比)所显示的牙量不调值,计算上下颌前牙段牙齿宽度之和(UATW和LATW)、上下颌全牙段牙齿宽度之和(UOTW和LOTW).利用组内相关系数(ICC)评价T1、T2时间点牙齿宽度数据的可重复性,利用两时间点的差值评价牙齿宽度的精度.将患者分别按拥挤度、性别和年龄进行分组,比较不同组间牙齿宽度精度的差异.结果 牙齿宽度值ICC均≥0.917.单颗牙齿宽度两次差值的均值为-0.09～0.03 mm,标准差为0.06～0.17 mm.UATW、LATW、UOTW和LOTW两次测量差值的均值为-0.14～0.10 mm,标准差为0.21～0.53 mm.Bolton分析前牙比差值为(0.02±0.71)％,全牙比差值为(0.25±0.61)％.间隙组LOTW两次测量差值较大,与不拥挤组和拥挤组比较差异有统计学意义(P<0.05),不同性别和年龄组牙齿宽度精度差异均无统计学意义(P>0.05).结论 ClinCheck软件中隐形矫治不同阶段数字化模型牙齿宽度测量数据可重复性高,测量精度在临床可接受范围,但个体宽度数据变异较大.年龄和性别对牙齿宽度精度无影响,牙列拥挤度有一定影响.临床一定程度上可以参考分割后的牙齿宽度进行方案设计和IPR完成量评价.