基于多中心研究的下领智齿CBCT影像自动诊断软件的开发

20241222

(1) 设计思路如下： ① 用户需求分析

• 确定目标用户，收集并分析他们的具体需求。
• 结合专家意见和口腔医学准则，提炼产品的关键功能。 ② 系统架构设计
• 设计一个模块化的系统架构，以便于后续的维护和功能扩展。
• 明确各个模块的职责和相互之间的交互方式。 ③ 数据处理流程
• 确定数据的输入、处理、输出流程。
• 确保数据在各个处理阶段的完整性和准确性。 ④ 算法研发
• 选择和研发适合CBCT影像分析的深度学习算法。
• 侧重于智齿的自动识别、分类和三维重建。 ⑤ 用户界面设计
• 设计直观、易用的用户界面，提高临床医生的使用满意度。
• 确保用户界面友好，导航简单，操作直观。 ⑥ 安全性和合规性
• 遵循医疗设备的法律法规和安全标准。
• 加密用户数据，保护患者隐私。 ⑦ 集成和兼容性
• 确保软件能够与其他医疗设备和系统兼容。
• 提供API接口，以便集成到更广泛的医疗信息平台。 ⑧ 测试与验证
• 进行全面的系统测试，确保所有功能的可靠性。
• 进行临床试验，以验证产品的有效性和安全性。

(2) 产品构成 产品主要由以下几个核心部分组成： ① 数据收集模块

• 用于从CBCT扫描设备收集下颌阻生智齿的影像数据。 ② 预处理单元
• 对采集的原始影像数据进行去噪、标准化等预处理工作，以便算法处理。 ③ 深度学习分析
• 包含深度学习模型，负责识别、分析和分类下颌阻生智齿。
• 采取先进的图像分割和识别算法，实现高精度的智齿定位和分类。 ④三维重建模块
• 对分析结果进行三维重建，展示智齿的位置和形态。 ⑤ 用户交互界面
• 为医生提供直观的操作界面，用于交互、浏览结果和制定诊断方案。 ⑥ 决策支持系统
• 根据诊断结果，提供可能的治疗方案建议。 ⑦ 报告生成器
• 自动生成详细的诊断报告，包括影像分析结果、三维视图和治疗建议。 ⑧ 数据管理系统
• 管理用户数据和影像资料的存储、检索和保护。 ⑨ 集成平台
• 提供与其他医疗信息系统的集成接口。

(3) 关键作用机制及功能 ① 智能分析

• 自动识别CBCT图像中的下颌阻生智齿。
• 通过深度学习算法精确定位并分类。 ② 三维重建
• 构建下颌智齿的精确三维模型，展示智齿与周围组织的关系。
• 提供一个简单易用的用户界面，使医生可以轻松查看和分析结果。 ③ 精准诊断
• 结合深度学习和专家知识，提供确切的诊断结果。 ④ 治疗规划
• 基于诊断结果，提供个性化的治疗建议。 ⑤ 数据管理
• 保障患者数据的安全性和隐私性。

(1) 潜在市场规模及预期产业化前景： 下颌阻生智齿是口腔颌面外科中常见的临床问题，影响着大量患者的口腔健康和生活质量。根据统计数据显示，全球范围内每年约有数百万例的下颌阻生智齿患者需要进行相关的诊断和治疗。因此，针对下颌阻生智齿的自动分析和三维显示的人工智能产品和医疗软件系统具有巨大的潜在市场规模。预计随着技术的不断进步和医疗行业对自动化、智能化工具的需求增加，基于深度学习的下颌智齿分析系统将逐渐得到广泛应用。该系统具备高效、准确和可靠的诊断能力，能够有效降低临床医生的工作负担，并提供更精确的诊断结果。因此，预期产业化前景广阔，该技术将成为口腔医学领域的重要工具和标准。

(2) 预期解决临床需求： 目前，下颌阻生智齿的诊断通常依赖于临床医生的经验和手工勾画，存在主观性和一定的误诊率。基于深度学习的人工智能系统能够提供快速、准确的下颌智齿分类诊断，为临床医生提供客观的参考和决策依据。该系统的应用将有效解决下颌阻生智齿诊断过程中的问题，提高诊断的准确性和效率，为患者提供更好的治疗方案和护理。

(3) 同类产品稀缺性： 在口腔医学领域，目前针对下颌阻生智齿的自动分析和三维显示的人工智能产品和医疗软件系统相对稀缺。尽管存在一些基于影像处理和机器学习的智齿诊断工具，但综合考虑诊断准确度、智能化程度和临床应用性等方面，基于深度学习的系统在该领域具备较高的技术稀缺性。因此，该技术具有较大的竞争优势和市场机会。

(1) 本团队前期已搭建基于CBCT影像的深度学习研究平台，实现了小视野CBCT智齿与下颌管的自动检测及空间关系判断。论文已发表：Liu MQ, Xu ZN, Mao WY, et al. Deep learning-based evaluation of the relationship between mandibular third molar and mandibular canal on CBCT. Clin Oral Investig. 2022;26(1):981-991. doi:10.1007/s00784-021-04082-5.

(2) 已开展多中心研究，实现多视野CBCT中下颌管的精确分割，并经过多个外部中心检测，实现不同参数CBCT下颌管的精准分割，Dice值达0.9以上。论文已发表：Ni FD, Xu ZN, Liu MQ*, Zhang MJ, Li S, Bai HL, Ding P, Fu KY*. Towards clinically applicable automated mandibular canal segmentation on CBCT. J Dent. 2024;144:104931. Doi:10.1016/j.jdent.2024.104931.,前期工作已实现：1.小视野CBCT智齿与下颌管的自动空间关系判断，准确性达口腔影像住院医师水平；2.多视野、多品牌CBCT影像中下颌管的精确分割，Dice系数达0.9，为目前领先水平。已发表SCI论文2篇，获发明专利1项。

下颌阻生智齿是口腔颌面外科中常见的临床问题，影响着大量患者的口腔健康和生活质量。根据统计数据显示，全球范围内每年约有数百万例的下颌阻生智齿患者需要进行相关的诊断和治疗,智齿拔除术是口腔颌面外科最常见的手术之一，术前需要X线检查来明确诊断、评估手术风险，以减少术后并发症，如神经损伤、牙槽骨骨折、断根移位等。神经损伤是其中一类较为严重的并发症。下颌智齿拔除导致的神经损伤包括下牙槽神经损伤及舌神经损伤。下牙槽神经损伤后，可出现下唇及颏部皮肤不完全性麻木、或兼有烧灼、刺痛、蚁走等异常感，给患者带来痛苦。常规X线检查为根尖片或曲面体层片，对于部分简单病例可满足术前诊断需求。但下颌智齿形态及阻生位置变异大，平片由于影像重叠，常无法满足诊断需求。 CBCT作为三维检查手段，凭借高空间分辨率、辐射剂量及费用较螺旋CT低等优点，可帮助医师明确阻生牙的位置、阻生方向、与相邻第二磨牙、升支、下颌管的关系，从而进行完善的术前设计及风险评估。CBCT目前已成为复杂智齿拔除术前的重要检查手段。经过术前CBCT影像评价后，对于神经损伤风险过高的智齿，可采取其它术式，如冠切术等。 CBCT在提供大量影像信息的同时也带来了诊断负担与风险。单次扫描即有上百张影像，阅片耗时。另一方面，大量基层口腔医师缺乏影像诊断培训，对牙之外的解剖以及影像诊断并不熟悉, 时常会出现疾病误诊、漏诊。如何提高CBCT诊断准确性及效率是目前亟待解决的问题。近年来人工智能技术在医学领域迅猛发展，可高效处理大量影像数据，为解决这一困境带来曙光。是否能够通过人工智能技术实现下颌智齿的准确诊断，并达到口腔医师的诊断水平，为探索这一问题，本研究拟开发基于多中心研究的下颌智齿CBCT影像自动诊断软件实现下颌智齿的自动检测、分类诊断，并进行临床验证。 本研究拟开发下颌智齿CBCT影像自动诊断软件，实现对下颌智齿的准确、快速检测与诊断分类，填补目前国内相关软件的空白。