基于口腔自体荧光效应和深度学习的牙菌斑的分割及量化

牙菌斑是牙齿表面一层难以观测的生物膜,是导致龋齿、牙龈炎等一系列疾病的直接诱因。牙菌斑的早期定量化无损检测具有重要的临床意义。短波长光激发下,牙菌斑的细菌及其代谢产物可以产生自体荧光。基于前期成像系统的基础上,采集大量牙菌斑在405nm蓝光激发下产生的红色荧光;牙菌斑越成熟红色荧光强度越高;采用改进的U-net网络对该红色荧光进行分割,对分割出来的牙菌斑进行轮廓提取获得质心,并利用区域生长算法分割出牙菌斑所附着的牙齿,综合牙菌斑成熟程度及面积来评估牙菌斑指数。结果表明改进的U-net网络分割精度优于传统方法。将牙菌斑的面积和成熟程度结合对牙菌斑进行量化,一定程度上可以消除人为诊断的差异性。