食物嵌塞的高效声学检测:一种可解释的融合框架

《Engineering Applications of Artificial Intelligence》:Efficient acoustic detection of dental food impaction: An interpretable fusion framework

【字体: 大 中 小 】 时间:2026年10月24日 来源:Engineering Applications of Artificial Intelligence 9.0

编辑推荐:

   • 建立了首个公开的牙科食物嵌塞声学数据集。 • 一个可解释的双流融合网络提高了食物嵌塞检测的准确性。 • 使用梅尔标度和窗函数提取了信号和频谱图特征。 • 基于阈值驱动的融合模块实现了时频特征融合。 • 双流残差网络有效地区分了邻面接触状态。 **引言** 食物嵌塞是一

  

• 建立了首个公开的牙科食物嵌塞声学数据集。
• 一个可解释的双流融合网络提高了食物嵌塞检测的准确性。
• 使用梅尔标度和窗函数提取了信号和频谱图特征。
• 基于阈值驱动的融合模块实现了时频特征融合。
• 双流残差网络有效地区分了邻面接触状态。

**引言**

食物嵌塞是一种常见的口腔并发症,与牙齿错位、牙齿形态异常、牙齿缺失、龋齿和牙周炎相关,据报道患病率为50%–70%(Khairnar, 2013)。它可能引起疼痛、邻面龋、口臭、牙龈炎和牙周炎(Hu et al., 2025),若不及时治疗,还可能导致牙齿松动或脱落以及营养问题(Truong et al., 2023)。由于食物嵌塞的发生与邻面接触区域的轮廓、位置和紧密程度密切相关,临床医生通常通过牙线或金属薄片穿过接触区域,并判断由此产生的阻力来评估(Bompolaki et al., 2022, Hansen et al., 2020)。然而,这些方法具有主观性,依赖于操作者,且可重复性较差。金属薄片还可能损伤周围软组织,且其最佳厚度尚未标准化(Kim et al., 2009)。因此,近年来的研究转向了更客观和定量的评估方法。群体层面的证据表明,后牙邻面接触区,尤其是第一和第二磨牙之间的区域,常受到影响(Zhao et al., 2024a),而数字咬合分析已被用于表征存在食物嵌塞的磨牙的咬合力分布、接触面积和接触点模式(Zhao et al., 2024b)。然而,这些研究主要关注解剖学和咬合特征,并未分析牙线通过时产生的声学信号。可靠地识别受检邻面位点的食物嵌塞状态可以支持有针对性的临床评估和适当的管理。这种位点水平的评估补充了严重程度分级和病因学调查,后者涉及患者护理中相关的其他问题。因此,本研究探讨标准化牙线通过过程中记录的声学信息是否能够补充传统的位点水平评估,并为临床医生审查提供额外信息(见图1)。

声学(Min et al., 2020, Cao et al., 2023a, Mehrish et al., 2023)研究声波的产生、传播和接收以及声波与物体的相互作用。由于其无损和实时特性,声学传感已被广泛应用于材料缺陷检测、医学诊断和环境监测。在牙科领域,声学传感也开始受到关注。ToMoBrush探索了使用现成声波牙刷进行口腔健康传感,并证明牙齿共振特征可用于识别牙齿状况,包括龋齿、牙石和食物嵌塞(Yuan et al., 2024)。声学发射结合深度学习也已被用于检测整体氧化锆冠的裂纹(Tuntiwong et al., 2024)。这些研究表明,与牙齿相关的声学信号可以编码具有临床意义的信息。然而,现有的牙科声学研究主要关注牙刷引起的牙齿共振或与材料裂纹相关的声学发射,而用于食物嵌塞检测的牙线引起的邻面接触摩擦声仍未得到充分探索。除了牙科之外,医学声学人工智能已被广泛应用于心脏、呼吸、神经、语音和声音相关疾病的检测。最近的综述总结了从生物声音中进行病理检测的深度学习方法的快速发展,包括心音、肺音、呼吸音、语音、声音和咳嗽信号(Bogdan and Lascu, 2025)。传统机器学习方法,如k近邻和朴素贝叶斯分类器,已被应用于疾病诊断和家庭健康监测(Reiter et al., 2025, Al-Hussaini et al., 2023),而基于深度学习的方法(Fisches et al., 2024, Nahum et al., 2024, Topaloglu et al., 2023)可以自动学习复杂的声学表示,并越来越多地用于呼吸音和咳嗽音分析(Ren et al., 2024, Qiu et al., 2024)。例如,Giovanni等人比较了基于AdaBoost和随机森林的集成方法与基于CNN的梅尔频谱图模型在COVID-19相关语音分类中的表现,两种方法在独立测试集上取得了相当的性能(Costantini et al., 2022)。Yaseen等人将梅尔频率倒谱系数与离散小波变换特征结合,取得了97%的准确率(Y. Yaseen et al., 2018)。Deng等人开发了一种改进的基于MFCC的特征提取方法,用于连续心音信号,在PhysioNet CinC挑战赛数据集上取得了98%的准确率(Deng et al., 2020),而Li等人将心音筛查、高阶谱特征和多卷积神经网络相结合,取得了99%的平均准确率(Y. Li et al., 2024)。这些研究表明了声学分析作为客观医学筛查工具的潜力。然而,许多现有的基于深度学习的声学方法主要依赖于将信号转换为频谱图作为网络输入。虽然这种转换有助于噪声抑制和频谱特征学习,但它也可能在预处理过程中衰减短时间波形信息,从而限制了诊断相关声学线索的完整表示。

尽管基于深度学习的声学分析在医学诊断中展现了可观的潜力,但有效提取和保留诊断相关信息仍然是一个挑战。为了改善声学特征表示,Das等人开发了一种自动化心脏瓣膜疾病诊断系统,将平稳小波变换与基于注意力的分层LSTM网络相结合(Das et al., 2023)。Zhang等人提出了一种多域自学习卷积方法,从心音信号中提取互补信息,并减少传统单域信号处理的局限性(Zhang et al., 2024)。Hamdi等人将CNN、LSTM和注意力机制相结合,从咳嗽声中学习多层时域和频域特征(Hamdi et al., 2022),而Sharan等人将Sinc-CNN与双向门控循环单元相结合,直接从波形建模咳嗽声,并提高了对环境变化的鲁棒性(Sharan, 2023)。尽管取得了这些进展,但主要基于预定义频谱变换的方法可能在预处理过程中衰减短时间波形线索(Hu et al., 2023),而直接波形建模可能对环境噪声和采集相关变化敏感(Bin et al., 2012)。表1总结了代表性的牙科和医学声学方法、其核心策略、其在牙线引起的接触摩擦分析任务中的差距,以及本研究采用的相应解决方案。

近期的牙科声学研究主要探索了牙刷引起的牙齿共振或与材料相关的声学发射,而近期的医学声学方法已采用任务特定的频谱、注意力、聚类、对比学习和去噪策略用于呼吸音、咳嗽音和心音。尽管这些代表性研究展示了声学信息的诊断价值,但所比较的方法并未直接解决牙线引起的邻面接触摩擦问题,同时保留波形级瞬态响应、表征局部频谱能量模式,并在融合前评估跨域一致性。

与一般的生理声音、环境声音或传统语音信号不同,本研究中使用的声音是在牙线通过邻面接触区域的短暂接触摩擦过程中产生的。不同的邻面接触状态可能改变牙线阻力、瞬态脉冲响应、波形规律性和局部频谱能量分布。这些观察结果促使我们联合考察时间波形特征和频谱模式以进行牙线声学评估。对于这一特定任务,纯时域建模可以保留牙线通过期间的瞬态波形波动,但它对操作者引起的幅度变化和治疗椅台环境噪声敏感。纯频域建模提供了更稳定的频谱表示,但时频变换可能会平滑或抑制与短时间摩擦相关的线索。简单的时频特征拼接假设两个域都是同样可靠的,这可能会引入冗余或噪声主导的信息。此外,如MTF和GASF等时间序列成像方法(Wang and Oates, 2015)编码了时间转换或角度相关性模式,但它们并未明确保留与牙线接触摩擦相关的频率能量分布。这些现有范式的固有限制促使我们设计一个专门的时频融合框架,能够自适应地整合来自两个域的互补诊断信息,同时抑制不可靠的成分。

这些特征定义了本研究的主要建模需求:在临床声学干扰条件下可靠地建模牙线引起的邻面食物嵌塞信号,需要一个能够保留瞬态时间线索和局部频谱模式,同时减少噪声驱动或冗余证据的框架(如图2所示)。基于这一原理,我们开发了ITFDJF-Net,一个针对牙线引起的食物嵌塞检测的任务特定时频融合框架。该框架旨在建模波形级时间不规则性,捕捉梅尔频谱区域模式,并根据跨域一致性整合时域和频域证据。为了支持该框架的开发和评估,我们进一步构建了一个用于邻面食物嵌塞检测的牙线引起的声学数据集。主要贡献如下:

(1)**创建新型大规模声学数据集**:我们建立了一个全面的牙科食物嵌塞声学数据库,这是首个专为基于深度学习的邻面接触状态检测而设计的公开数据集。利用该数据集,我们开发了可解释的时频双流联合学习融合网络(ITFDJF-Net),提供了一种客观的声学方法来辅助食物嵌塞评估,并减少与临床医生经验相关的变异性。

(2)**时频特征提取与融合**:通过分析邻面接触区域不同的声学特征表现,我们将时域波形分析和梅尔频谱图表示相结合,以表征互补的时间和频谱信息。此外,构建了一个条件阈值驱动的可解释融合模块,根据跨域一致性整合这两种表示。

(3)**用于特征区分的双流残差网络**:基于不同接触状态下声音时频信息的分析,我们开发了一种双流残差网络架构,该架构整合了长程时间建模和频域卷积特征提取。该架构能够对波形级时间变化和局部频谱模式进行互补建模,以区分食物嵌塞阳性和食物嵌塞阴性的邻面位点。

(4)**ITFDJF-Net的系统评估**:通过交叉验证、组件比较、噪声鲁棒性分析、操作者外部验证和人机比较,对所提出框架的性能、鲁棒性和临床适用性进行了评估。结果支持了在所研究的实验和临床采集条件下所评估的时频融合框架的有效性。

**章节摘要**

**所提方法**

近年来,深度学习技术已被广泛应用于自然语言处理和计算机视觉领域(Tong, 2026, Cao et al., 2023b, Luo et al., 2025)。由于其强大的端到端表示学习能力,它也被越来越多地应用于计算机辅助医学诊断。为解决传统食物嵌塞评估的主观性和有限的可重复性,本研究提出了一种用于牙科食物嵌塞的可解释声学检测框架。

**数据描述**

据我们所知,目前尚无公开的口腔食物嵌塞声学数据集来支持基于深度学习的模型训练。因此,我们共招募了1200名年龄为20–60岁的志愿者,不限性别,并从符合条件的邻面位点收集声学信号。目标区域定义为第一和第二磨牙之间的邻面区域,因为群体层面的证据表明,该邻面接触区是最常受影响的位点之一。

**未来方向**

我们未来的工作将集中在以下方向。首先,未来的研究应评估牙线材料和厚度、牙线插入角度、牙线通过速度、手部压力、麦克风类型和放置位置、录制设备、房间声学、患者定位以及治疗椅台环境噪声对声学检测性能的影响。未来的研究应纳入临床定义的严重程度和病因学注释,记录食物相关因素,并结合声学。

**结论与讨论**

在本研究中,我们开发了一种用于邻面食物嵌塞的牙线引起的声学检测框架。所提出的ITFDJF-Net分析了牙线通过邻面接触区域时产生的波形级和梅尔频谱信息。通过结合时域依赖性建模、频域区域感知和一致性感知融合,该框架旨在保留互补的声学线索,同时减少临床噪声的影响。

**作者贡献声明(CRediT)**

Shipeng Hu:撰写——初稿,方法学。Hongyan Wang:可视化,验证,概念化。Lai Jiang:方法学,调查。Luca Fiorenza:撰写——审阅与编辑。Zhanqi Wei:可视化,验证。Mai Xu:撰写——审阅与编辑,指导。Jing Qin:撰写——审阅与编辑,指导,资金获取,概念化。Weiping Ding:撰写——审阅与编辑,形式分析。Sukun Tian:撰写——审阅与编辑,资金获取。

**利益冲突声明**

作者声明他们没有已知的竞争性经济利益或个人关系,这些关系可能会影响本文所报告的工作。

Shipeng Hu | Hongyan Wang | Lai Jiang | Luca Fiorenza | Zhanqi Wei | Mai Xu | Jing Qin | Weiping Ding | Sukun Tian | Yuchun Sun
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号