基于随机掩码比率的潜在掩码Transformer模型在氟斑牙智能诊断中的创新应用

为解决氟斑牙诊断依赖经验性人工评估、缺乏自动化智能工具的问题，研究人员提出新型深度学习模型MLTrMR（Masked Latent Transformer with Random Masking Ratio）。该模型通过随机掩码比率策略增强病灶特征学习，在自建开源数据集DFID上实现80.19%准确率、81.28%加权Kappa值，为氟斑牙筛查提供高效解决方案。

　　

氟斑牙作为一种与环境中氟过量摄入相关的慢性疾病，其诊断长期依赖牙科医生的经验判断。尽管全球有数亿患者受此困扰，特别是在中国和印度等高发地区，但专业医生的短缺使得大规模筛查面临巨大挑战。更棘手的是，即使是经验丰富的医生，仅凭肉眼观察牙齿图像也难以准确判断病变程度。现有基于机器学习的诊断方法如模糊C均值聚类或K近邻算法，往往仅依赖颜色特征分析，缺乏对复杂病灶特征的深度挖掘。

贵州的研究团队敏锐地意识到这一临床痛点，他们发现深度学习在该领域的应用几乎空白，且缺乏公开数据集。为此，团队首先构建了首个开源氟斑牙图像数据集DFID，包含80例新增病例数据。在此基础上，受MAE（Masked Autoencoder）和DiT（Diffusion Transformer）启发，创新性地提出MLTrMR模型。该成果发表在《Journal of Visual Communication and Image Representation》，为氟斑牙智能诊断树立了新标杆。

关键技术方面，研究采用三大核心设计：1）随机掩码比率策略，根据病灶特征动态调整掩码比例（25%-75%），平衡全局推理与局部细节保留；2）潜在Transformer（LT）模块，通过条件引导机制将潜在令牌（latent tokens）作为高级语义条件，增强对病灶区域的注意力；3）特征-语义对齐辅助损失函数，通过约束解码器输出特征图与原始图像的结构一致性，提升模型对病灶纹理的敏感性。

【Dental fluorosis image dataset】
团队构建的DFID数据集包含精确标注的临床图像，按Dean指数分为正常、极轻度、轻度、中度和重度五类。数据采集严格遵循伦理规范，所有图像均经三名副主任医师双盲标注，不一致案例由资深教授仲裁，确保标注可靠性。

【Overall】
MLTrMR模型架构包含三大组件：1）潜在嵌入器（latent embedder）将图像压缩为潜在令牌；2）编码器处理未掩码令牌；3）解码器预测被掩码令牌。创新性地采用动态掩码策略，当检测到小病灶时自动降低掩码率至25%，大范围病灶则提升至75%，显著提升模型适应性。

【Model variants】
为探究超参数影响，团队开发了MLTrMR-B/S/L/H四个变体。实验表明，随着模型规模增大，MLTrMR-H在DFID测试集上达到最优性能，但MLTrMR-B在计算效率与精度间取得最佳平衡，更适合临床部署。

【Comparisons with the other methods】
对比实验显示，MLTrMR显著超越传统方法：相较ResNet-50提升7.91%准确率，较ViT提高6.33%加权Kappa值。消融实验证实，随机掩码策略使F1-score提升4.2%，辅助损失函数贡献3.8%的精度增益。

【Conclusion】
该研究突破性地解决了氟斑牙智能诊断三大难题：1）发布首个开源数据集DFID；2）开发无需牙齿分割的端到端诊断模型；3）创新动态掩码与特征对齐机制。临床验证表明，MLTrMR的诊断一致性达81.28%，可辅助基层医生提升筛查效率。未来工作将探索多模态数据融合，进一步优化模型泛化能力。

这项研究的价值不仅在于技术创新，更在于其社会意义——为氟中毒高发地区提供普惠性诊断工具。正如作者Hao Xu在讨论部分强调的："MLTrMR的轻量化版本可在移动设备运行，这对偏远地区的公共卫生服务具有重要价值。"研究获得国家自然科学基金（62266011）和贵州省科技计划（ZK[2022]119）支持，相关代码已在GitHub开源。