综述：深度学习在牙科领域的应用：现状、趋势与临床意义探索

为探究深度学习在牙科的应用，研究人员筛选文献，发现其在诊断等方面成果显著，意义重大。

　　摘要：人工智能（AI），尤其是深度学习，已对包括牙科在内的医疗保健领域产生了重大影响，在改善诊断、治疗计划和预后预测方面发挥着重要作用。本系统映射综述旨在探索深度学习在牙科领域的当前应用，全面概述其发展趋势、模型以及临床意义。
材料和方法：研究人员采用结构化方法，通过在 PubMed、Scopus 和 Embase 数据库中检索，确定了 2012 年 1 月至 2023 年 9 月发表的相关研究。提取关键数据，包括临床目的、深度学习任务、模型架构和数据模态，进行定性综合分析。
结果：在筛选的 21242 项研究中，有 1007 项被纳入。其中，63.5% 的研究以诊断任务为目标，主要使用卷积神经网络（CNNs）。分类（43.7%）和分割（22.9%）是主要方法，84.4% 的研究使用了诸如锥形束计算机断层扫描（CBCT）和全景口腔 X 光片（OPG）等影像数据。大多数研究（95.2%）采用完全监督学习，这凸显了带注释数据的必要性。病理学（21.5%）、放射学（17.5%）和正畸学（10.2%）是重点领域，24.9% 的研究涉及多个专业。
结论：本综述探讨了深度学习在牙科领域，特别是在诊断方面的进展，并指出了有待改进的方向。虽然卷积神经网络（CNNs）已成功应用，但探索新兴的模型架构、学习方法以及获取多样化和可靠数据的途径至关重要。此外，通过推进可解释人工智能（AI）和解决伦理问题，在所有利益相关者中建立信任，对于将人工智能从研究转化为临床实践至关重要。
临床相关性：本综述全面概述了十年来深度学习在牙科领域的发展，展示了其近年来的显著增长。通过梳理其关键应用并确定研究趋势，为未来研究提供了有价值的指导，同时也突出了推进人工智能驱动的牙科护理的新机遇。