综述：基于AI配准的MRI与CBCT多模态融合在颞下颌关节诊疗中的应用案例研究

本综述推荐：研究团队开发的开源AI模型MR2CBCT，创新性实现磁共振成像（MRI）与锥形束CT（CBCT）的精准配准，通过5例临床案例验证其在颞下颌关节（TMJ）诊疗中的价值。该工具突破传统手动配准局限，显著提升硬组织（CBCT）与软组织（MRI）三维融合的解剖一致性，为口腔正畸与颌面外科提供全新多模态诊断范式。

　　

Abstract
三维影像技术的革新为医学领域带来突破性进展。磁共振成像（MRI）与锥形束计算机断层扫描（CBCT）作为互补性技术，分别擅长软组织与硬组织成像。然而单一模态难以全面评估颞下颌关节（TMJ）病变中骨性结构（如髁突吸收）与软组织（如关节盘）的协同变化。研究团队开发的MR2CBCT开源工具，通过人工智能算法实现两种影像的自动化配准，临床测试显示其精度显著优于传统手动对齐。

Introduction
CBCT凭借高空间分辨率成为口腔颌面外科手术规划的金标准^1,2，而MRI在TMJ紊乱诊断中可清晰显示关节盘移位等软组织病变⁶。但两种技术存在固有差异：CBCT体素尺寸通常为0.3mm³，而MRI层厚可达3mm；成像时患者头位偏差可达15°；磁场畸变导致MRI几何失真。早期基于体素的配准方法因这些差异失败率高达40%，而MR2CBCT采用互信息（Mutual Information）算法，通过3D Slicer平台实现跨模态特征匹配。

Materials and Methods
该工具由密歇根大学牙颌面生物影像网络（DCBIA）开发，核心算法整合Elastix框架^9,13。测试使用5例TMJ病例数据，定量评估显示AI配准的线性误差较人工配准降低62%，髁突-关节盘空间关系可视化度提升3倍。典型案例显示：CBCT可检测0.2mm级骨侵蚀，而MRI能识别关节盘前移位，融合影像可同步观察骨改建与滑膜炎症的关联性。

Results and Discussion
图7案例显示AI配准成功校正了7°旋转偏差，使髁突吸收灶与关节盘穿孔位置精确对应。传统手动配准因依赖单一参考点（如外耳道）易产生2-3mm位移误差，而AI模型通过256个特征点云匹配实现亚毫米级精度。值得注意的是，在关节盘钙化病例中，多模态影像揭示出传统X线片无法发现的早期退行性变。

Conclusions
MR2CBCT突破现有影像诊断瓶颈，其开源特性促进技术普惠化。未来升级方向包括：整合深度学习分割算法实现自动标注，开发云平台支持远程会诊。该技术不仅适用于TMJ疾病，在正颌手术规划、种植体导航等领域同样具有转化潜力，标志着口腔数字化诊疗进入多模态智能时代。