基于深度学习CBCT自动分割的定量分析揭示正畸治疗中牙根吸收的临床决定因素

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

【字体：大中小】 时间：2025年05月09日 来源：BMC Oral Health 2.6

编辑推荐：

　　本研究针对传统二维影像评估正畸诱导牙根吸收（OIRR）的局限性，创新性应用深度学习技术实现CBCT影像的牙齿自动分割与体积量化，系统分析了108例患者治疗前后的三维牙根变化。研究发现年龄、性别、开（深）覆等临床因素显著影响不同牙位的吸收率，多元回归模型可解释3%-15.4%的变异量。该研究为OIRR精准评估提供了高效自动化方案，对临床风险预测具有重要指导价值。

牙齿矫正过程中发生的牙根吸收（Orthodontically Induced Root Resorption, OIRR）一直是困扰正畸医生的难题。传统评估依赖二维X光片，就像试图通过模糊的毛玻璃观察物体，既无法准确测量体积变化，又容易遗漏早期病变。更棘手的是，临床医生缺乏可靠的工具预测哪些患者容易出现严重吸收——是青少年还是成人？深覆^患者风险更高吗？这些问题直接关系到治疗方案的选择和预后评估。

浙江大学医学院附属口腔医院的研究团队在《BMC Oral Health》发表的研究中，给出了突破性解决方案。他们利用深度学习技术开发了全自动CBCT牙齿分割系统，对108例固定矫治患者治疗前后的2312颗牙齿进行三维体积分析，首次实现OIRR的精准量化与风险预测。

研究采用回顾性队列设计，通过深度学习模型（平均Dice分数92.4%）自动分割CBCT图像获取牙齿三维模型，以Mimics Research软件测量治疗前后牙根体积变化。采用线性回归分析年龄、性别、咬合类型等临床因素与吸收率的关系。

研究结果揭示：

定量分析显示所有牙位治疗后体积均显著减少（p<0.001），但未成年患者可见生理性牙根发育现象。
风险因素分析发现：
- 成人吸收率比青少年高3.3%-7.7%（p<0.001）
- 女性上颌切牙吸收更显著（β=0.214,p=0.002）
- 开^患者上颌切牙吸收率增加5.2%（p=0.013）
- 严重拥挤反而降低前磨牙吸收风险（β=-0.167,p=0.003）
多元回归模型对吸收率的预测力达3%-15.4%，其中年龄单独解释5%变异量。

这项研究的意义在于：首次建立基于人工智能的OIRR三维评估标准，证实深度学习分割技术（精度超越人工）可大幅提升检测敏感性。临床价值在于明确未成年患者的生理性优势，以及特定咬合类型（如开^）需要特别监测。尽管患者因素仅解释部分变异量，但为早期风险分层提供了客观依据。未来结合治疗参数（如矫治力值）可能构建更完善的预测体系。

研究也存在局限性：单中心回顾性设计可能引入选择偏倚，且样本中严重深覆^等亚组病例较少。但不可否认，这项工作为OIRR研究树立了新范式——从模糊的定性判断迈向精准的三维量化时代。

热点排行

新闻专题

联系信箱：

粤ICP备09063491号