人工智能在颌骨囊性病变影像识别中的研究进展
王健豪1
孙睿2
龙姝琴1
孙远远1
1.山西医科大学口腔医学院·口腔医院,太原 0300012.山西医科大学口腔医学院·口腔医院,太原 030001;山西白求恩医院(山西医学科学院,同济山西医院)山西医科大学第三医院口腔科,太原 030032
摘要：颌骨囊性病变是口腔颌面部常见疾病之一,具有隐匿性强、易致局部骨质破坏和功能障碍等特点.传统影像学方法如曲面体层片和锥形束CT虽能提供病灶形态和范围等信息,但在不同病变类型间的鉴别诊断方面存在局限,尤其是牙源性角化囊肿与成釉细胞瘤等影像学特征相似的病变,误诊率较高.近年来,人工智能技术逐渐应用于颌骨囊性病变的影像学诊断,研究主要集中于目标检测、图像分类与图像分割三个方向.YOLO(you only look once)系列模型在病灶检测与早期筛查中表现出较高精度,卷积神经网络及其变体在病变分类上已达到接近甚至优于人工诊断的水平,而U-Net及衍生模型在病灶分割和病变范围量化中展现出显著优势.此外,视觉Transformer等新兴架构为进一步提升诊断性能提供了新的思路.总体而言,深度学习方法能够克服传统机器学习依赖人工特征的不足,为颌骨囊性病变的早期、准确诊断提供了技术支持.
关键词：颌骨囊肿人工智能牙科放射影像学YOLO模型U-Net
资助基金：山西省自然科学基金(202103021224378)山西白求恩医院人才引进科研启动金项目(2022RC13)
论文发表日期：2025-11-20
在线出版日期：2025-12-02（本平台首次上网日期，不代表文献的发表时间）
页数：5( 465-469 )
英文信息