深度学习在头影测量中的应用研究进展

头影测量是正畸和正颌外科诊疗过程中普遍采用的关键技术。常规的手工头影测量和半自动头影测量依赖于医师手工定点,存在耗时过长、精确度和稳定性欠佳等问题。深度学习（deep learning,DL）是人工智能（artificial intelligence,AI）领域最热门的技术方法之一,具有强大的图像识别能力。在头影测量领域,目前已有较多研究致力于采用DL实现头影测量的自动化,包括自动定点、自动诊断分析、颈椎成熟度分析、腺样体肥大自动诊断和气道分析。研究显示,DL能有效提高工作效率,其准确率多已达到80%以上,与金标准之间的差异多在临床可接受范围内,具有良好的应用前景。然而,当前此类研究仅限于自动定点的实现,其数据集往往存在数据量不够丰富、数据范围局限等问题。后期研究应进一步扩展研究范围、提升算法的同时注意数据集的丰富程度,并将DL技术与其他AI技术适当结合,从而进一步提高算法的准确性、稳定性和普适性。     

纳米粒子在正畸釉质脱矿预防中的应用

牙釉质脱矿是正畸治疗最常见的不良反应之一。正畸矫治器影响口腔清洁能力,易导致菌斑堆积及口腔菌群失调,致龋菌产酸引起牙釉质脱矿,不仅影响美观,还可能危害口腔健康,是一个亟待解决的难题。纳米粒子（nanoparticles,NPs）通常指直径为1～100 nm的固体颗粒,理化性质独特,能为正畸釉质脱矿预防提供新策略。回顾相关文献,用于预防正畸釉质脱矿的NPs按其功能可分为抗菌、再矿化及载体型三类。应用NPs改性正畸粘接剂赋予其抗菌或再矿化性能的研究最多;也有研究利用NPs对正畸矫治器进行表面涂层或整体掺杂改性使其具备抗菌性能。上述两种方式的优势在于不依赖患者的依从性。此外,NPs改性的氟保护漆及负载抗菌或再矿化制剂的纳米载体可用于促进正畸患者的口腔保健,该途径能发挥持续预防作用,但依赖患者配合。研究显示,NPs的小尺寸效应可增强其性能,但可能存在一定安全性问题,且仍对改性后材料本身理化性能有一定的影响,这些问题还需进一步探索。虽然现有研究还存在一定局限性,但可预见,未来纳米粒子在正畸釉质脱矿的预防中有望发挥重要作用。