综述：口腔影像中人工智能的叙述性综述：从数据集设计到临床转化

《Oral Radiology》：A narrative review of artificial intelligence in dental imaging: from dataset design to clinical translation

　　

摘要

目标

回顾牙科影像中人工智能（AI）的开发流程，重点关注数据集设计、标注质量、模型开发、验证及临床转化。

数据

已发表的关于牙科影像中AI应用的相关文献，包括机器学习、深度学习和基于基础模型的方法。

来源

涉及影像模式、数据集构建、标注方案、模型架构、性能评估和临床转化的同行评审研究。

研究选择

回顾了涉及曲面体层摄影、口腔内摄影、锥形束CT（CBCT）和口腔内扫描的研究，重点强调了数据集质量、标注方法、模型评估、可解释性和临床实施。

结论

AI在牙科影像的自动分类、检测、分割和决策支持方面展现出相当大的潜力。然而，数据集异质性、标注不一致、领域漂移、信息泄漏、可解释性和监管要求等挑战仍然限制了临床应用。多模态学习和基础模型等新兴方法可能提高泛化能力和临床适用性。

临床意义

本综述强调了算法性能之外的关键方法学和治疗转化考量，为开发可靠且具有临床意义的牙科影像AI系统提供了指导。