基于生物学反应考量的下牙列轻力远移的有限元分析

目的对于正畸矫治而言,牙齿在正畸力作用下的长期移动分析较以往的正畸加力瞬时位移更有临床意义.本研究通过基于自动迭代计算的有限元分析方法探究轻力颌间牵引的作用下下牙列远中移动时的趋势.方法本有限元研究搭建包括了下牙列、牙周膜、直丝弓矫治器的有限元模型.模拟50g的颌间轻力牵引力进行下牙列移动.通过牙周膜自动迭代计算的方法模拟牵引力长期作用下下牙齿的移动.获得每步迭代计算中牙冠、牙根标志点的三维移动量.结果本研究迭代计算200次时展示出各牙齿移动较为明显的趋势.中切牙及侧切牙均有明显的舌倾趋势,冠顶点的舌向位移分别为1.72 mm与2.26 mm.尖牙至第二磨牙均有(0.81~0.39)mm不等的远中倾斜趋势.中切牙及侧切牙均有较明显的向伸长趋势,分别为0.49 mm、0.53 mm.第二前磨牙出现了0.19 mm的压低,其余牙均有少量伸长,纵曲线加深.结论本研究初步完成了针对牙齿在正畸力作用下的长期移动的基于自动迭代计算的有限元分析方法的实现.定量地揭示了轻力颌间牵引作用下下牙列远中移动时的趋势.

机器学习辅助的通过三维面相判别骨性畸形分类的初步研究

目的尝试通过三种机器学习方法对三维面相进行矢状向及垂直向骨性畸形判别,对比其准确性并筛选面部软组织判别指标。方法本研究为回顾性研究。研究纳入292例正畸治疗前拍摄三维面相和头颅侧位X线片的成年患者。应用三维可变模型对三维面相数据进行面部软组织特征点标定并获得坐标,将特征点的常见几何特征和人口学特征作为待选特征,采用随机森林、自适应提升算法、多层人工神经网络对矢状向及垂直向骨性畸形进行判别,并以同一位经验丰富的正畸医师使用头影测量软件获得的结果作为金标准进行准确性比较,通过绘制受试者操作特征曲线和计算曲线下面积对各模型进行评价。计算各特征的基尼重要性,筛选出最有意义的面部软组织特征。结果对于矢状向骨型分类,多层人工神经网络的曲线下面积最大(骨性Ⅱ类0.92,骨性Ⅲ类0.97);对于垂直向骨型分类,随机森林的曲线下面积最大(低角0.84,高角0.88)。三种算法对矢状向骨性畸形的判别精度(骨性Ⅱ类:随机森林90.0%,自适应提升算法85.7%,多层人工神经网络95.0%;骨性Ⅲ类:随机森林84.6%,自适应提升算法92.3%,多层人工神经网络93.3%)均优于对垂直向骨性畸形的判别精度(低角:随机森林68.2%,自适应提升算法72.0%,多层人工神经网络76.9%;高角:随机森林76.2%,自适应提升算法77.8%,多层人工神经网络69.6%)。特征筛选结果发现"眉间点-颏前点-鼻中隔下点的角度"、"双侧太阳穴点连线中点-双侧口角点连线中点-颏前点的角度"对骨性Ⅱ类及高角的判别而言较有意义。结论机器学习方法可以在一定程度上对三维面相进行矢状向及垂直向骨性畸形的判别。