Volume 5 | Article ID 0054 |
https://spj.science.org/doi/10.34133/bmef.0054
颌面部外观由多种颌面特征组成，具有显著的个体差异，这赋予了每个人面部的独特性与辨识度。在临床中，口腔颌面外科手术面临着对复杂颌面特征进行科学性量化的挑战，尤其是在追求美学效果的治疗中，如何全面、可重复地表征这些复杂特征成为了关键。传统的手动测量方法耗时费力且易受主观因素影响，导致结果不稳定或产生较大误差，寻找一种自动、准确、客观的方法来量化这些特征显得尤为重要。
随着人工智能的发展，自动化算法能够有效、客观地进行面部识别、解剖检测和牙科疾病分类，并成功量化某些单一变量的颌面指数。然而，全面表示颌面特征需要多个指标，单独训练多个网络进行自动化多量化在临床上不可行。此外，由于多量化特征在人群中的高度离散分布，算法的泛化能力受到限制，可能导致无法对某些亚群体提供服务（图1）。
为了验证面向不同颌面部特征的人口平等校验策略，本研究开发一种深度学习（Deep Learning, DL）模型，实现从锥形束计算机断层扫描（Cone-beam Computed Tomography, CBCT）中对上颌骨基底骨的自动多重量化。该算法由一个用于特征提取的卷积神经网络 (Convolutional Neural Network, CNN) 主干和多个共享参数的回归头（Regression Heads） 组成。这种策略提高了人工智能模型的泛化能力，还使得模型在高度变异的颌面特征分析中表现出色，为颌面外科手术提供了强有力的支持（图2）。
研究团队收集了来自1000名患者的4000张CBCT图像，这些图像涵盖了左右中侧上颌切牙的矢状面。通过深度学习，研究团队构建了一个由CNN骨干和多个共享参数的回归头组成的端到端多量化模型。在模型的选择上，研究团队经过多次实验，最终确定了ResNeXt-50作为骨干网络，并优化了学习率和批量大小等超参数。
对整体数据集的多量化模型进行了初步泛化性能评估。与测试集的手动基准真实值（Ground Truth, GT）相比，除了从颊侧到牙轴的宽度（WTAB）外，AI模型在大部分主要指标上略有过高预测。所有指标的GT与AI测量平均差异在−0.03到0.21毫米之间。然而，7个上颌骨基底骨指标显示出AI与GT测量之间的统计差异，包括沿牙轴的牙槽顶到基底骨（LTAcb）、沿牙轴的顶点到基底骨（LTAab）、沿骨轴的顶点到基底骨（LBAab）和其他几个宽度指标，而牙槽顶到骨轴（LBAcb）和颊侧到牙轴的宽度（WTAB）则未表现出显著差异（表1）。
表1.多重量化模型在整个上颌骨数据集上的性能。
模型审核旨在确定敏感属性，并调查群体多样性（包括性别、年龄和牙齿位置）对主要泛化性能的影响。在男性测试集中，除了LTAcb外的其他指标，人工智能与实际结果之间没有显著差异。相反，在女性个体中，多个指标（如LBAab、apical2mm、WTAP、WBAB和WBAP）显示出人工智能与实际结果之间的显著差异（图3）。此外，关于年龄和牙齿的多样性，不同子集间的指标差异较小。模型审核表明，性别是影响泛化能力的敏感属性。
随后，研究人员采用人口平衡策略针对性别进行数据集划分，分别训练男性和女性子模型。女性子模型显示出多个指标与GT间无显著差异，且相关性和一致性均较高。男性子模型仅有一项指标差异，相关性和一致性略低。通过对两个子模型的预测进行集成，AI的偏差预测显著减小，GT与AI之间的显著差异指标从7个降至1个，所有指标的内部一致性系数均超过0.50（图4），且AI测量与GT测量之间存在强相关性（图5）。Grad-CAM可视化热图结果表明集成模型准确聚焦于上颌基骨区域（图6）。
图 4.通过具有人口平等校验策略的集成模型对上颌基底骨进行多量化的Bland-Altman图。
图6.集成多量化模型的Grad-CAM可视化热图。
最后，研究团队将该模型的量化性能与初级临床医生、高级临床医生之间进行了比较。结果表明，集成模型在初级和高级临床医生之间均表现出良好的一致性，而且显著缩短了测量时间，大大提高了工作效率。总之，本研究构建了一个基于ResNeXt-50骨干网络的模型，通过并行回归头成功应用于上颌牙槽基骨的自动多定量分析。该研究应用于口腔种植、正畸和颌面外科等不同领域，能够提高诊断准确性和改善治疗过程，并为未来大规模多中心的临床研究提供了潜在的应用前景。
作者介绍
陈泽涛，中山大学光华口腔医学院附属口腔医院主治医师。入选国家海外高层次人才计划、广东省杰出青年科学基金项目、广东省珠江人才计划青年拔尖人才项目。主要的研究方向为口腔软硬组织再生修复过程的免疫调控机制、 口腔生物材料的免疫调控性能、 免疫智能口腔生物材料的研发及其在口腔软硬组织再生修复中的应用等。在包括Advanced Functional Materials，ACS Nano，Materials Today等SCI期刊上发表相关学术论文40余篇。
撰写：张宏
审核：孙敏轩、刘萍萍
原文链接：
https://spj.science.org/doi/10.34133/bmef.0054
往期阅读：
| |||
| |||
| |||
|
年度汇总：
| ● BMEF|2022文章合集 ►点击阅读 | |
● BMEF|2023文章合集 |
About BMEF
点击“在看”，助力传播
