目的:基于深度学习对口腔曲面体层图像分析,开展人工智能在口腔常见疾病辅助诊断系统的研发,挖掘人工智能对曲面体层图像分割及辅助诊断价值.方法:回顾性纳入2000张口腔曲面体层片建立数据集(训练集1400张、测试集600张,累计标注82042例).运用基于卷积神经网络的深度学习算法,通过算法设计、模型训练和验证,构建口腔常见疾病智能影像诊断模型PanoNet,利用6个子网络模型分别执行不同口腔疾病的分割及识别.结果:PanoNet在恒牙列识别及龋病、根尖周炎、阻生牙、种植体、牙体修复术后等疾病识别中准确率、敏感度和特异度均高于85％(kappa>0.81);在牙槽骨吸收分级识别中准确率、敏感度、特异度分别为76.50％、75.25％、79.00％(kappa=0.44).结论:基于卷积神经网络的深度学习算法建立的口腔曲面体层图像诊断模型PanoNet能有效识别上述口腔常见疾病,体现人工智能在曲面体层片上对口腔常见疾病的影像辅助诊断的应用价值.
作者：帕克扎提·色依提；王铁梅；徐子能；白海龙；丁鹏；刘澍；滕跃辉；冯英连；王蓉；单珊；钟双泽
来源：口腔医学研究 2021 年 37卷 9期
