机器学习在颌面部囊肿及肿瘤中应用的研究进展

随着人工智能在图像识别等领域的发展，其在医学中的应用逐渐得到了重视。近年来，许多研究显示机器学习在口腔医学中应用场景广泛，尤其在颌面部囊肿及肿瘤的临床诊疗中具有较大的临床价值。本文就机器学习在颌面部囊肿及肿瘤中的应用进行综述，以期为口腔颌面部疾病的诊断提供新的方法。     

成年高角女性下前牙区牙槽骨形态分析

目的探讨成年高角女性下前牙区牙槽骨形态特征及其增龄性改变,为临床正畸治疗提供参考。方法选取142例未经正畸治疗的成年女性的头颅侧位片和CBCT资料,根据面部生长型分为80例高角组(∠MP?FH>30°,FHI<62%)和62例均角组(20°≤∠MP?FH≤30°,62%≤FHI≤65%)。扩充高角组样本量至164例并根据年龄分为青年组(87例)和中年组(77例),以进一步研究高角女性组内差异。应用Dolphin Imaging 11.9软件对各组下切牙区牙槽骨附着水平、根尖区牙槽骨厚度及下切牙唇倾度进行测量,使用SPSS 22.0软件进行统计学分析。结果与均角组相比,高角组下切牙根尖区唇舌侧及总牙槽骨厚度更小(P<0.05),牙槽骨附着水平更低(P<0.05);高角组及均角组下切牙唇倾度与舌侧牙槽骨厚度均呈负相关(高角组:r=-0.251,P=0.025;均角组:r=-0.428,P=0.001)。与高角中年组相比,高角青年组下切牙区唇舌侧牙槽骨附着水平更高(P<0.05);但两组根尖区牙槽骨厚度比较,差异无统计学意义(P>0.05)。结论成年高角女性下切牙根尖区牙槽骨厚度薄、附着水平低,增龄性变化和下切牙唇倾度差异都与下切牙区牙槽骨形态存在相关性,正畸医师设计牙移动方案时应重视。