根面龋充填材料的研究进展

根面龋是一种主要发生于中老年人群、常伴随着牙周组织破坏的牙体硬组织疾病。目前,用于根面龋充填治疗的材料包括玻璃离子、树脂改性玻璃离子及复合树脂。前两者具有释放氟离子的能力,在防止继发龋方面具有良好的效果,而复合树脂的机械性能则更佳。近年来对根面龋充填材料的研究主要集中在材料的改性,研究表明,通过在充填材料中添加不同的成分可以显著增强其抗酸、抗菌、再矿化能力以及机械性能等,有望在根面龋的充填治疗中提高治疗效果,减少继发龋、充填物磨损脱落等风险,与此同时,相关的研究显示了经典药物二甲双胍在口腔领域的潜在应用价值,有望作为根面龋治疗下一个探索与改进方向。

案例教学法在口腔正畸研究生教育中的应用

案例教学法（case-based learning,CBL）是19世纪70年代美国哈佛大学法学院院长C.C.Langclell首创的。自20世界20年代以来,一直被作为商业、法律及医药学领域职业培训的基本模式之一[1]。该方法主要通过对具体案例的剖析和讨论,在应用中引导学生理解和掌握理论知识,更重要的是培养学生运用知识的能力。

骨性Ⅲ类错畸形患者正颌术后咀嚼肌功能及力的研究

目的联合应用肌电图仪与咬合分析仪评价骨性Ⅲ类患者正颌术后的肌肉及咬合情况的变化。方法收集15例骨性Ⅲ类正颌手术患者及15例正常患者,病例组在正颌术后3个月、6个月、1年分别进行BiopakⅡ肌电图仪与T-ScanⅢ咬合分析系统同步测量,使用配对t检验比较各组间的差别。结果除息止位外,术后6个月组肌电电位及总力显著高于3个月组(P<0.05);术后1年组功能运动时主要活动肌肉的肌电电位显著高于术后6个月组(P<0.05),正常组主要活动肌肉的肌电电位和总力显著高于术后1年组(P<0.05),其余指标无显著性差别。结论骨性Ⅲ类患者正颌手术后1年中,肌肉及咬合功能逐渐增强,但变化不完全同步,且都不能达到正常水平。

正畸骨粘接体支抗的组织学研究

目的探索一种新的正畸支抗方式"骨粘接体支抗"的组织学基础。方法自行设计两段式骨粘接体支抗,使用α-氰基丙烯酸正丁酯在12只大耳白兔胫骨表面粘接骨粘接体支抗共45枚,分成术后2周、4周、8周组分别取标本制作HE染色片和骨磨片进行组织学观察。结果骨粘接体底盘周围有骨膜下成骨发生,新生骨未与骨粘接体底盘形成骨结合,而是包绕底盘形成"骨包埋",产生机械嵌合的固位力。结论骨粘接体支抗的最终固位力来自于新生骨包绕骨粘接体底盘的"骨包埋"所带来的机械锁结力,这是骨粘接体支抗的组织学基础。

医学人工智能的特点及在口腔正畸中的规范化开发

医学人工智能因为其医疗的属性而具备了特殊性,为了医疗人工智能持续健康发展,须重视其安全风险、伦理责任等方面问题。本文以口腔正畸为例,总结人工智能的特点及其在医学领域应用的特殊性,为正畸领域人工智能的规范化开发提供思路。

改良型与传统型托槽粘接方法在防止釉质脱矿的对比研究

目的研究改良型托槽粘接操作方法与传统操作方法在防止釉质脱矿上的差异。方法选择15颗离体牙,分别在近远中使用传统型与改良型托槽粘接方法粘接托槽,形成传统组和改良组,以托槽基底下方为对照组,然后进行人工脱矿实验,使用显微放射技术对脱矿后的离体牙进行测量,对比组间差异。结果改良组与对照组脱矿程度无显著差异,而传统组与改良组、传统组与对照组的差异均有统计学差异(P<0.01)。结论改良型托槽粘接方法可以增强釉质的抗脱矿能力,值得临床推广。

正畸根尖区牙根外吸收的风险因素及其临床处理建议的专家共识

根尖区牙根外吸收(EARR)是口腔正畸治疗中最常见的风险之一,难以预测,且不能完全避免。正畸EARR的风险因素目前尚不明确,一般可分为患者相关因素和治疗相关因素。正畸治疗中发生的EARR通常可在影像学检查时发现。轻、中度EARR通常无明显危害,可密切关注,谨慎正畸;若发生重度EARR,则建议先暂停正畸加力,观察3个月,等待牙骨质的修复。为进一步规范和提高临床医生对正畸EARR的认识,本文邀请了全国20余位口腔正畸及相关领域专家,基于文献分析与讨论,制定出此共识,为正畸临床提供参考。

激光扫描面部软组织三维数字化图像定点准确性和可重复性的研究

目的评价操作者在面部软组织数字化模型上进行虚拟定点的准确性和一致性。方法 3名操作者,使用在电脑屏幕上对面部软组织数字化模型虚拟定点,以及在受试者面部实体定点两种方法,分别对20名受试者的面部软组织标志点进行定点。通过比较两种方法定点结果的一致性,以及不同操作者定点之间的一致性,评价在激光扫描所得面部软组织数字化模型上虚拟定点的准确性和一致性。结果不同操作者之间的一致性检验表明,左右侧颧突点、左右侧眶下点、左侧鼻翼点和左右侧下颌角点的一致性小于0.9;数字化模型定点和实体定点相比,眉间点、鼻根点、鼻尖点、上唇突点和下唇突点,3名操作者两种定点方法之间差异的平均值≤2mm;左右侧鼻翼点,左右侧耳点和颏唇沟点,3名操作者两种定点方法之间差异的平均值>2mm且≤3mm;颏前点,左右侧颧突点,左右侧眶下点和左右侧下颌角点,3名操作者两种定点方法之间差异的平均值>3mm。结论在面部软组织数字化模型上进行虚拟定点时,对于颏前点,左右侧颧突点,左右侧眶下点和左右侧下颌角点,建议使用标记物辅助定位后,再进行扫描及测量。

PBL教学法在口腔正畸实习课程教学中的应用

口腔正畸实习课是口腔正畸学教学的重要组成部分。但是,实习课教学存在着很多难点,以往的实习课教学存在很多不足。随着PBL教学方法的引入,作者摸索出一套以提高学生综合素质为主要目标的切实可行的教学方案。教学实践证明该教学方案能够激发学生的学习兴趣,在掌握基本口腔正畸学知识的同时,拓宽了学生的知识深度和广度,提高了学生分析和解决问题的能力,并增强了学生团结互助,灵活应变等人文素质的能力。

非拔牙隐形矫治前后的面部软组织三维测量初探

目的评估成人非拔牙隐形矫治患者治疗前后的面部软组织在三维方向上的变化。方法在正畸治疗前、后分别对20名患者(平均年龄28.14岁)进行面部软组织扫描。重叠其治疗前、后的图像,并将面下1/3划分为右上颊区(R1)、右下颊区(R2)、上唇区(UL)、下唇区(LL)、左上颊区(L1)、左下颊区(L2)六个区域,分别计算其整体偏差均值。计算上唇缘点(Ls)、下唇缘点(Li)、左侧口角点(LCh)、右侧口角点(RCh)、下唇凹点(B′)在X、Y、Z三个轴上的变化均值。结果 R1、R2、UL、LL、L1、L2六个区域的整体偏差均值以及Ls、Li、LCh、RCh、B′五个标志点的三维坐标值的改变量具有统计学意义,但其改变临床意义较小。结论成人非拔牙隐形矫治前后患者面下1/3的软组织并未出现明显的改变。

新型纳米磷酸钙正畸粘接剂钙磷离子充电的研究

目的:合成一种可以反复进行钙磷离子充电、释放以防止釉质脱矿的正畸粘接剂,并探究钙磷离子充电持续时间和频率对于离子再释放效能的影响。方法:可反复进行钙磷离子充电的粘接剂由均苯四甲酸二甲基丙烯酸甘油酯(PMGDM)和乙氧基化双酚A二甲基丙烯酸酯(EBPADMA)组成。纳米磷酸钙(NACP)以40%的质量分数混入树脂中。离体牙粘接托槽,使用万能试验机测试釉质粘接剂的抗剪切强度;在p H为4的酸性溶液中浸泡粘接剂样本,测量钙、磷离子的初期释放;再使用p H为7的充电液对释放完离子的样本进行充电,返回到p H为4的环境中测试再释放能力。结果:这种新型正畸粘接剂的抗剪切强度与商业化的正畸粘接剂无统计学差异(P>0.1)。样本在一次充电处理后,可以连续14 d持续释放钙、磷离子,而无需再次充电。离子再释放能力不会随着再充电/再释放循环次数的增加而降低(P>0.1)。14 d时离子的再释放浓度与不同的充电方式之间的关系为:1 min 3次>3 min 2次>1 min 2次>6 min 1次>3 min 1次>1 min 1次。结论:这种含NACP的可充电正畸粘接剂可以长期释放钙磷离子,抑制正畸托槽周围牙釉质脱矿。

无托槽隐形矫治技术的前牙转矩控制

良好的前牙转矩控制对取得理想的正畸疗效具有重要意义。无托槽隐形矫治器有特殊的施力方式及材料性能,其对前牙转矩的控制有一定局限。因此,探讨如何提高无托槽隐形矫治技术中前牙转矩控制具有重要临床意义。本文阐述传统固定矫治技术对前牙转矩控制的方法,无托槽隐形矫治器对前牙转矩控制的效率、难点以及增强前牙转矩控制的策略,以期为临床治疗提供参考。

基于人工智能的正畸病例客观评级系统临床应用效果研究

目的研究基于人工智能的美国正畸专家认证委员会(American Board of Orthodontics,ABO)客观评级系统(objective grading system,OGS)临床应用效果。方法收集2016年1月至2023年7月于首都医科大学附属北京口腔医院正畸科结束正畸治疗的38例患者治疗后石膏模型行回顾性分析,使用iTero Element■扫描仪生成数字化模型,应用人工智能ABO-OGS测量系统自动测量评分,记为人工智能组;1名主治医师和1名主任医师基于3D打印数字化模型使用ABO测量尺行手动测量评分,分别记为手动测量主治组和手动测量主任组。共测量2次,间隔2周,记录测量时间和各项指标评分。结果人工智能组、手动测量主治组和手动测量主任组测量评分时间依次为(0.18±0.00)、(292.94±27.10)、(210.00±21.21)s,差异具有统计学意义(F=980.288,P<0.001);3组均具有较好的测量评分一致性,ABO-OGS总分的ICC值分别达0.897、0.869、0.929;仅人工智能组各项指标2次测量评分比较,差异均无统计学意义(均P>0.05)。人工智能组在颊舌向倾斜度指标2次测量评分的差值低于手动测量主治组,但边缘嵴高度指标差值高于手动测量主任组,差异均有统计学意义(均P<0.05)。基于2次测量评分的均值进行组间比较分析时,人工智能组的大部分指标测量评分偏高,与手动测量主治组相比,其覆盖、咬合接触指标及总分较高;与手动测量主任组相比,其排齐、边缘嵴高度、颊舌向倾斜度、覆盖和咬合接触指标及总分较高,差异均有统计学意义(均P<0.05)。结论人工智能ABO-OGS测量系统重复性较好且用时短,但其测量评分普遍高于手动评分,仍需进一步调整优化。

正畸患者如何刷牙

正畸期间仔细地清理牙齿和矫治器非常重要,一般要注意以下4个方面:吃完东西就刷牙一天3顿饭,至少刷3次牙,如果爱吃各种零食,吃完了一样要刷。因为没有矫治器的牙齿,在吃食物的过程中有自洁作用,食物残渣会顺着牙面流向特定的区域,还会被口腔唾液冲洗稀释。但是,粘在牙上的矫治器会破坏这种自洁的保护,只能靠刷牙来弥补。

口腔正畸领域人工智能的“能”与“不能”

随着人工智能技术的发展,其在口腔正畸领域得到了广泛的应用。在精确测量、多维度诊断、方案设计、疗效预测等方面,人工智能具备较大的应用前景。同时,人工智能的应用也存在一定的局限,如由患者个体差异性、人工智能的“黑箱”属性带来的风险,医疗责任划分不明造成的隐患等。本文就人工智能在口腔正畸研究领域的应用历史及现状进行总结和分析,并探讨其未来可能的发展趋势,以供临床参考。

基于深度学习的多分类正畸图像识别研究

目的基于深度学习开发用于正畸图像数据自动分类的多分类正畸图像识别模型,为正畸图像数据管理提供参考。方法收集2020年10至11月和2021年6至7月首都医科大学口腔医学院正畸科采集的35000张正畸临床图像,图像全部来自于490例正畸治疗患者,男女性别比例为49∶51,年龄范围为4~45岁。根据纳入及排除标准进行数据清洗,最终纳入数据集中的图像数据包括面像17453张(包括正面像、正面微笑像、右侧90°面像、左侧90°面像、右侧45°面像和左侧45°面像)、口内像8026张[包括正面[牙合]像、右侧[牙合]像、左侧[牙合]像、上颌[牙合]面像(原始)、上颌[牙合]面像(翻转后)、下颌[牙合]面像(原始)、下颌[牙合]面像(翻转后)、覆[牙合]覆盖像]、X线片4115张[包括头颅侧位X线片(左侧)、头颅侧位X线片(右侧)、头颅正位X线片、曲面体层X线片以及手腕骨X线片]、其他非正畸图像684张。由正畸专业博士研究生、副主任医师、主任医师共同组成标注团队,使用图像标注工具对正畸图像进行分类标注。图像类别包括6类面像、8类口内像、5类X线片以及其他图像,共计20种分类标签。每个标签的数据按8∶1∶1的比例利用Pthyon计算机语言中的Random函数随机分为训练集、验证集和测试集,使用改进的SqueezeNet网络(一种深度学习模型)进行训练,使用ImageNet自然图片开源数据集中的13000张作为额外的非正畸图像进行异常数据处理的算法优化,构建基于深度学习模型的多分类正畸图像识别模型。根据测试集的预测结果,利用精确率、召回率、F1分数以及混淆矩阵作为正畸图像分类准确性的指标,评价该模型的预测能力。使用梯度加权分类激活映射方法生成热力图,验证该模型进行图像分类判断逻辑的可靠性。结果通过数据清洗和标签标注,共30278张正畸图像纳入数据集。测试集分类结果显示,多数分类标签的精确率、召回率以及F1分数为100%,3047张图像中仅5张分类错误,模型精确率达99.84%(3042/3047)。而异常数据处理的精确率达100%(10500/10500)。热力图显示,多分类正畸图像识别模型在图像分类过程中的判断依据与人类在判断该图像分类时基本一致。结论本项研究基于改进后的SqueezeNet网络构建了一种可用于20种正畸图像自动分类的多分类正畸图像识别模型,该模型的图像分类准确性较好。

基于深度学习的头颅侧位X线片自动诊断分类研究

目的基于深度学习构建头颅侧位X线片自动诊断分类模型,为正畸临床诊断提供参考。方法收集2015年1月至2021年12月就诊于首都医科大学口腔医学院正畸科的正畸患者头颅侧位X线片2894张,构建数据集,包括1351例男性和1543例女性,年龄(26.4±7.4)岁。先由1名正畸专业主治医师和1名博士研究生(正畸工作年限分别为8和5年)进行人工定点,测量头影测量项目并进行初分类,再由1名正畸专业主任医师和1名主治医师(正畸工作年限均超过20年)进行核查,内容包含8项骨性和牙性诊断分类。数据按7∶2∶1的比例分别纳入训练集、验证集和测试集。使用开源DenseNet121网络(一种深度学习模型)构建头颅侧位X线片自动诊断分类模型。模型训练后,使用测试集计算模型的分类准确性、精确性、敏感性、特异性,输出受试者工作曲线并计算曲线下面积评估模型性能;输出热力图,可视化模型关注区域。结果成功构建头颅侧位X线片自动诊断分类模型,其对1张头颅侧位X线片作出8项诊断分类平均需要0.112 s。其中5项诊断分类的准确性为80%~90%,包括矢状骨面型、下颌发育、垂直骨面型、上前牙倾斜情况和下前牙突出情况;3项诊断分类的准确性为70%~80%,包括上颌发育、下前牙倾斜情况、上前牙突出情况。各项诊断分类的总体95%可信区间曲线下面积均≥0.90。热力图显示,分类成功的头颅侧位X线片的激活区域分布于分类相关结构区域。结论本项研究基于DenseNet121网络构建了头颅侧位X线片自动诊断分类模型,其可实现8项临床常用诊断项目的快速分类。

基于卷积神经网络的头影测量自动定点研究

目的基于卷积神经网络开发头影测量自动定点模型,以期为智能识别头颅侧位X线片上缺失的标志点并高精度实现头影测量自动定点提供参考。方法收集2015年1月至2021年1月于首都医科大学口腔医学院正畸科就诊的错畸形患者的481张头颅侧位X线片,其中男性240张,女性241张,年龄(24.5±5.6)岁。以5名正畸专业研究生为标注人员,手动定位481张头颅侧位X线片中的61个头影测量标志点;以2名正畸主治医师为审核人员,进行定点校准;以2名正畸主任医师为仲裁人员,作出最终决策。建立数据集:其中341张作为训练集,40张作为验证集,100张作为测试集。研发一种基于卷积神经网络(CNN)的自动定点模型CephaNET,通过将原始图像输入特征提取模块和卷积姿态机模块,使用深监督技术,训练CephaNET模型高精度定位标志点;将训练集通过直方图均衡化、裁剪、调节亮度,增强为1684张,训练模型对比网络输出的高斯热力图与设置的阈值,以识别标志点缺失情况。测试集100张头颅侧位X线片用于检测模型的准确性。评价标准使用缺失标志点[颈点(Cv点)和Bolton点]识别成功率、平均径向误差(MRE)以及2.0、2.5、3.0、3.5和4.0mm范围内成功检测率(SDR)。结果针对1张头影测量X线片,CephaNET模型平均在0.13 s内识别并定位61个常用标志点;Cv点识别成功率为92.7%(38/41),Bolton点识别成功率为94.3%(50/53),平均为93.5%。测试集MRE为(1.19±0.91)mm,2.0、2.5、3.0、3.5和4.0 mm范围内SDR分别为85.4%、90.2%、93.5%、95.4%、97.0%。结论本项研究研发的自动定点模型可适应头颅侧位X线片标志点缺失的情况,并高精度定位61个常用的头影测量标志点,满足不同头影测量分析要求。

无托槽隐形矫治技术远中移动上下磨牙一例

作为迅速发展的新兴矫治技术，无托槽隐形矫治以可摘、美观、舒适、便捷及高度可预测性的优点受到广大患者及正畸医师的青睐。然而，由于材料性能的局限，该技术有其特殊的适用范围，在矫治效能方面暂时还不能与传统固定矫治技术媲美。