深度学习在口腔正畸诊疗中的应用进展

近年口腔正畸领域人工智能技术的应用研究逐渐增加,深度学习作为其中的热门方向,也迅速被应用于正畸诊疗的检测、评估、诊断、预测以及疗效评价等多个环节。目前,深度学习研究在表现出高效、准确优势的同时,也存在可解释性不强、数据量不足等限制。本文从深度学习的提出与发展、正畸诊疗中的应用以及推广的限制与对策三方面进行综述,并进行展望。

浅谈正畸治疗中面部软组织的变化及其相关影响因素

近年,越来越多的成年正畸女性患者提出矫治过程中面部丰满度下降等美学问题.在为期2~3年的正畸疗程中成年人面部骨骼结构的增龄性变化是有限的,因此,面形的变化主要取决于软组织的改变.本文通过分析正畸治疗过程中面部软组织变化的相关影响因素,如增龄性因素、面部自身的结构因素以及牙弓宽度、咬合高度变化等情况,探讨正畸治疗中面部软组织的变化及其相关影响因素,以期为临床提供参考.

炎症微环境下线粒体融合蛋白2及其介导的内质网-线粒体偶联对牙周膜干细胞成骨分化能力的影响

目的探讨内质网与线粒体偶联及线粒体融合蛋白（mitofusion 2，Mfn2）对牙周膜干细胞（periodontal ligament stem cells，PDLSC）成骨分化能力的影响，为促进牙周炎患者牙周组织再生提供理论基础和治疗靶点。方法刮取正常及牙周炎牙齿（由第四军医大学口腔医学院口腔颌面外科门诊收集）的牙周膜组织，用原代和有限稀释法单克隆化培养健康来源的（health，H）PDLSC（H-PDLSC）及炎症来源的（periodontitis，P）PDLSC（P-PDLSC），透射电镜及细胞器特异性荧光染色检测内质网-线粒体偶联水平；实时荧光定量PCR（quantitative real-time PCR，qPCR）检测两种来源PDLSC中Mfn2的表达差异；用肿瘤坏死因子α（tumor necrosis factor alpha，TNF-α）模拟炎症微环境，分别应用正常培养基及含5、10 mg/L TNF-α的培养基培养H-PDLSC，设为H-PDLSC组、H-PDLSC＋TNF-α（5 mg/L）组和H-PDLSC＋TNF-α（10 mg/L）组，培养7 d后qPCR检测Mfn2表达水平；通过小干扰RNA Mfn2（siMfn2）下调P-PDLSC中Mfn2的表达，成骨诱导液培养7 d后qPCR检测成骨因子的表达差异，培养28 d后茜素红染色及氯化十六烷基吡啶定量检测各组矿化结节形成差异。结果透射电镜下观察内质网与线粒体偶联结构，与H-PDLSC组（偶联长度/线粒体周长为0.23±0.07、偶联长度/内质网周长为0.18±0.05）相比，P-PDLSC组中内质网线粒体偶联水平显著增加（偶联长度/线粒体周长为0.55±0.10、偶联长度/内质网周长为0.44±0.08）（P〈0.01）；特异性荧光染色检测内质网与线粒体共定位显示，P-PDLSC组内质网与线粒体共定位系数（0.71±0.09）显著高于H-PDLSC组（0.40±0.10）（P〈0.01）。P-PDLSC组Mfn2表达量（1.46±0.10）显著高于H-PDLSC组（0.99±0.08）（P〈0.01）；H-PDLSC＋TNF-α（5 mg/L）组及H-PDLSC＋TNF-α（10 mg/L）组Mfn2表达量均显著高于H-PDLSC组（P〈0.01）。成骨诱导7 d qPCR结果显示，P-PDLSC＋siMfn2组碱性磷酸酶、Runt相关转录因子2及骨钙蛋白mRNA表达量均显著高于对照组（P〈0.01），28 d茜素红染色及氯化十六烷基吡啶定量结果与qPCR结果一致。结论炎症微环境下PDLSC的内质网-线粒体偶联增加，线粒体融合蛋白Mfn2表达量升高导致PDLSC成骨分化能力下降，其具体机制还需进一步研究。