排序方式: 共有43条查询结果,搜索用时 15 毫秒
41.
目的 比较树脂型窝沟封闭剂与树脂加强型玻璃离子结合不同粘接系统应用于乳磨牙窝沟封闭的操作时长、接受度及封闭效果,为口腔医疗资源匮乏地区的儿童提供更适宜的口腔医疗保健措施。方法 将符合条件的第2乳磨牙随机分为3组:树脂型窝沟封闭剂+全酸蚀组(SO组,对照组),树脂型窝沟封闭剂+自酸蚀粘结剂组(SE组),树脂加强型玻璃离子+自酸蚀粘结剂组(SS组)。进行窝沟封闭并记录操作时间与治疗感受度,3、6、12个月复查封闭剂保存情况及患龋情况。结果 (1) SO组62人共纳入228颗牙,SS组63人共纳入234颗,VS组56人共纳入221颗牙;(2)SE组操作时间(181.88±12.37)s及SS组(103.07±11.37)s与对照组SO组操作时间(108.56±8.65)s,差异具有统计学意义(Z=460.163,P <0.001);(3)与另外2组相比,SO组的治疗感受度较差(Z=20.232,P <0.001);(4)3 m复查时,SO组封闭剂保存率和龋发病率分别为100%、0%,SS组保存率和龋发病率为62.1%、2.2%,VS组保存率和龋发病率为93.1%、1.8%;6 m... 相似文献
42.
43.
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。 相似文献