【前沿】丁忠祥教授团队在Nature Communications首发人工智能在数字化口腔中的应用研究

“人心齐，泰山移”。近日，浙江大学医学院附属杭州市第一人民医院放射科丁忠祥教授（共同通讯作者）与上海科技大学生物医学工程学院沈定刚教授IDEA实验室、联影智能公司以及多家大学、医院合作，在Nature子刊Nature Communications杂志发表“A fully automatic AI system for tooth and alveolar bone segmentation from cone-beam CT images (基于人工智能的 CBCT 牙齿及牙槽骨全自动分割系统)”，影响因子14.919。

随着人们对口腔健康意识的日益提升，数字化口腔技术已被广泛应用于正畸、修复、种植、牙周及颌面手术中。Cone-beam CT (CBCT) 图像作为低辐射剂量和高分辨率的数字化影像，可提供完整的三维牙齿及牙槽骨信息，以满足数字化口腔在正畸功能性排牙，种植手术导板设计，以及各种牙体、牙周手术方面的需求。因此，从 CBCT 图像中自动勾画出牙齿和牙槽骨结构对于数字化口腔的应用研究至关重要。然而，由于 CBCT 图像质量极易受到伪影影响，而且不同患者间的牙齿形态存在较大差异，自动分割算法的准确性和鲁棒性都受到极大的挑战。为解决这一难题，本研究构建了一套基于深度学习的全自动牙齿及牙槽骨分割系统，其中包含 ：（1）多层次形态学引导的牙齿分割网络；（2）基于滤波增强的牙槽骨级联分割网络。

图1：牙齿及牙槽骨分割系统流程图。a) CBCT 输入图像；b) 基于多层次形态学引导的牙齿分割网络；c) 基于滤波增强的牙槽骨级联分割网络；d) 牙齿及牙槽骨分割结果。

本文首次提出多层次形态学引导的牙齿分割网络，分别从“点、线、面”不同角度表征牙齿形状，精确提取患者牙冠及牙根信息，为数字化口腔构建高精度三维牙齿模型。本研究采集了来自15个不同中心 (医院/牙科诊所) 的4,215名患者，共4,938 例 CBCT 的图像，这是迄今为止国际最大的 CBCT 数据集。研究表明该系统不仅大大提高了数字化口腔在正畸、修复、种植、牙周及颌面手术中的临床效率，同时也反映了将人工智能与数字化口腔相结合，将在未来的口腔医疗服务中做出巨大的贡献。

丁忠祥教授的研究生于波也是本文的作者之一。