《中华口腔医学杂志》于2023年第11期发表了北京大学口腔医学院·口腔医院儿童口腔科曾雪晴等的文章《基于深度学习的儿童曲面体层X线片牙齿数目异常识别模型的研发》。作为儿童口腔医学应用最为广泛的影像学检查方法之一，曲面体层X线片（以下简称曲面体层片）适用于先天性缺牙和额外牙等牙齿数目异常的检查与诊断。但目前不能同时检测出乳恒牙、恒牙胚和额外牙，无法识别出非正中位置的额外牙，也不关注先天缺牙等牙齿缺失表现，尚不能满足临床工作需求。该研究使用4~11岁儿童曲面体层片开发基于深度学习的儿童牙齿识别模型，该模型能检测儿童曲面体层片中的乳恒牙、恒牙胚和额外牙，在此基础上确定图像中额外牙数目和位置并输出缺失恒牙（第三恒磨牙除外）的牙位，从而初步诊断有无牙齿数目异常，能提高临床医师工作效率，减少误诊与漏诊。

研究从北京大学口腔医学院口腔医院儿童口腔科2012年11月至2020年8月间拍摄的符合纳入和排除标准的曲面体层片中抽取800张4~11岁儿童的曲面体层片，使用Python（3.9版本）编写程序随机分配为训练集（480张图像）、验证集（160张图像）和内部测试集（160张图像）；并收集北京大学口腔医学院·口腔医院第一门诊部连续半年内拍摄的全部4~11岁儿童曲面体层片，共计1707张图像由医师阅片确定每颗乳牙、恒牙、恒牙胚和额外牙的轮廓并标识牙位。使用训练集训练以ResNet‑50为骨干网络的深度学习模型，在验证集中对模型进行微调，通过内部测试集和外部测试集评估模型性能，根据有无牙齿数目异常分为两类计算灵敏度、特异度、阳性预测值和阴性预测值，再分为同时存在额外牙与恒牙缺失、仅存在额外牙、仅存在恒牙缺失、牙齿数目正常四类计算Kappa值。研究结果发现，有无牙齿数目异常两类图像在内部测试集中的灵敏度、特异度、阳性预测值和阴性预测值分别为98.0%、98.3%、99.0%、96.7%，外部测试集中的灵敏度、特异度、阳性预测值和阴性预测值分别为97.1%、98.4%、91.9%、99.5%。牙齿数目正常、同时存在额外牙与恒牙缺失、仅存在额外牙、仅存在恒牙缺失四类图像在内部测试集中获得的Kappa值为0.886，在外部测试集中获得的Kappa值为0.912。研究开发了基于深度学习的儿童牙齿数目异常识别模型，其能在识别儿童曲面体层片正常乳恒牙及恒牙胚的基础上，确定额外牙的位置并输出缺失恒牙的牙位，从而辅助诊断有无牙齿数目异常。

文章认为，未来可以尝试结合病历文本等进行智能判断，尝试结合X线片、锥形束CT等其他资料互相验证，继续开发其他辅助判读儿童曲面体层片的模型，最终实现口腔医学影像的一站化智能辅助判读。随着人工智能理论和技术的快速发展、医学影像数据库的逐步建设、口腔医师与算法工程师等相关技术人员合作的逐渐加深、相关法规政策的持续完善，人工智能终将成为口腔医师的好助手，促进医疗水平的持续提升。

来源 |《中华口腔医学杂志》公众号

编辑 | 任嘉霖

责任编辑 | 郑梦莹审核 | 韩静

主管：中国科学技术协会

主办：中华医学会

编辑：中华医学信息导报编辑委员会

地址：100052，北京市西城区东河沿街69号

总编辑：饶克勤

编辑部主任：韩静

本刊微信：cmaxxdb

投稿邮箱：daobao@cmaph.org

官方网站：