基于深度学习的二维头影测量定点分析系统的研究

目的 探讨基于深度学习的图像高斯金字塔和卷积神经网络方法,构建和训练一种高精准度的自动化二维头影测量标志点定位与分析系统模型。方法 收集2021年1月至12月期间本院所摄的400张年龄在18至50周岁且无牙列缺损的头颅侧位影像,在3D slicer（NIH美国）上完成每张44个牙颌和颅面软硬组织结构标志点的标注,并构建和训练基于图像高斯金字塔和卷积神经网络的自动化二维头影测量标志点定位和分析系统。结果 运用图像高斯金字塔和卷积神经网络方法能高精准获取44个牙颌和颅面的软硬组织结构标志点,在 2.0 mm、2.5 mm、3.0 mm、4.0 mm 精度范围内预测的平均准确率分别为 85.61 %、90.72 %、93.82 %、96.34 %;44个牙颌和颅面软硬组织结构标志点的平均误差为 1.22 mm,平均标准差为 1.27 mm;常见头影测量项目（ANB、SNA、SNB、ODI、APDI、FHI、FMA、MW）的平均预测准确率为 85.00 % 。结论 运用图像高斯金字塔和卷积神经网络方法能高精准获取牙颌和颅面的软硬组织结构标志点,并且对牙颌和颅面形态分析诊断具有良好的准确性,该技术将有助于推进自动化头影测量的临床运用。     

颞下颌关节紊乱病患者口腔不良习惯与髁突骨质改变相关性的CT和CBCT研究

目的：本次研究主要是为了通过相关性的影像学方式研究颞下颌关节紊乱病患者口腔不良习惯,以及髁突骨质改变的关系。方法在本院随机选取102例颞下颌关节紊乱病患者资料,并且进行口腔不良习惯调查,通过调查问卷掌握患者情况,再进行两侧颞下颌关节CT影响诊断,分析颞下颌关节紊乱病患者口腔不良习惯与髁突骨质改变之间的关系。结果通过研究发现,102例患者资料中由于偏侧咀嚼、睡眠时磨牙、经常性咀嚼硬性食物,以及经常习惯性的咬牙定性为不良口腔习惯患者。根据研究数据确认,102例患者中因偏爱硬性食物患者出现的髁突骨皮质磨损消失情况导致危险,P＜0.018,OR＝2.490。由于喜欢硬性事物导致患者出现髁突前方外侧,P＜0.024,OR＝2.311,后方外侧,P＜0.021,OR＝2.589,并且伴随出现关节的结节现象,P＞0.019,OR＝3.058,等等系类造成骨质发生变化的危险情况。由于患者喜好偏侧进行实物的咀嚼,或引起关节窝前方的内侧情况,P＜0.012,OR＝0.309,也是导致骨质发生变化的重要危险情况。结论颞下颌关节紊乱病患者的口腔不良习惯与髁突骨质的改变存在相关性。     

基于 CBCT 影像的新图像配准技术在颞下颌关节疾病诊疗中的运用

目的 基于CBCT影像的新图像配准技术在颞下颌关节疾病诊疗的流程，并对其可靠性进行评 价。方法 选取2022年1月-2023年1月于本院行正颌手术治疗的34例患者为研究对象，采集患者术前术后 锥形束CT（CBCT）图像，在开源软件（3D Slicer）中，运用基于体素的图像配准技术，测量髁突的位置 和形态学变化，并采用同类相关系数（ICC）对该方法的稳定性进行评估。结果 髁突轴向旋转的ICC为 0.976，轴向平移的ICC为0.984，表面变化测量的ICC为0.947。结论 基于CBCT图像新配准技术在测量髁突 旋转、位移和形态变化方面具有很大的稳定性，为颞下颌关节疾病的诊疗提供了可靠的评估。