近日，《自然•通訊》（Nature Communications）線上發表了上海科技大學生物醫學工程學院沈定剛IDEA實驗室、聯影智慧公司、上海交通大學醫學院附屬第九人民醫院、重慶郵電大學、西安交通大學、杭州市第一人民醫院合作完成的“牙分割”科研成果“基於人工智慧的CBCT牙齒及牙槽骨全自動分割系統”（A fully automatic AI system for tooth and alveolar bone segmentation from cone-beam CT images）。
隨著人們對口腔健康意識的日益提升，數位化口腔科技已被廣泛應用於正畸、修復、種植、牙周及頜面手術中。Cone-beam CT（CBCT）影像作為低輻射劑量和高解析度的數位化影像，可提供完整的三維牙齒及牙槽骨資訊，以滿足數位化口腔在正畸功能性排牙，種植手術導板設計，以及各種牙體、牙周手術方面的需求。囙此，從CBCT影像中自動勾畫出牙齒和牙槽骨結構對於數位化口腔的應用研究至關重要。
然而，由於CBCT圖像品質極易受到偽影影響，而且不同患者間的牙齒形態存在較大差异，自動分割算灋的準確性和魯棒性都受到極大的挑戰。為解决這一難題，研究團隊構建了一套基於深度學習的全自動牙齒及牙槽骨分割系統，由多層次形態學引導的牙齒分割網絡和基於濾波增强的牙槽骨級聯分割網絡組成。
圖.牙齒及牙槽骨分割系統流程圖。a）CBCT輸入影像；b）基於多層次形態學引導的牙齒分割網絡；c）基於濾波增强的牙槽骨級聯分割網絡；d）牙齒及牙槽骨分割結果。
本研究首次提出多層次形態學引導的牙齒分割網絡，分別從“點、線、面”不同角度表徵牙齒形狀，精確選取患者牙冠及牙根資訊，為數位化口腔構建高精度三維牙齒模型。同時，本研究構建了迄今為止國際最大的CBCT數据集，採集了來自15個不同中心（醫院/牙科診所）的4215名患者，共4938例CBCT的影像。
基於方法設計和資料獲取的優勢，本研究獲得了令人欣喜的結果：首先，大規模測試結果顯示分割評估名額Dice係數均達到90%以上；其次，通過100例CBCT數據，對AI系統與臨床放射醫生手動勾畫進行比較，結果顯示該系統不僅獲得了與醫生相當的分割精度，而且分割效率提升約500倍！此外，針對具有缺牙、錯位和金屬偽影等多種异常牙齒的病例，該系統在牙齒和牙槽骨分割中分別取得了91.5%和93.0%的Dice係數，進一步驗證了本系統對於臨床异常數據具有較高的魯棒性。
圖.牙齒及牙槽骨分割結果，包含缺牙、錯位和受金屬偽影影響的CBCT影像
第一財經商業資料中心（CBNData）發佈的《2019飲食習慣與口腔健康白皮書》指出，2018年我國看牙人次達3億，而我國每個口腔醫師匹配的醫患數約達到2542.37人，口腔醫療資源供應嚴重不足。
該研究提出的基於人工智慧的牙齒及牙槽骨分割系統，不僅大大提高了數位化口腔在正畸、修復、種植、牙周及頜面手術中的臨床效率，同時也預示著將人工智慧與數位化口腔相結合，將在未來的口腔醫療服務中做出巨大的貢獻。
上海科技大學生物醫學工程學院科研助理崔智銘，碩士生方宇、梅蘭竹菊，上海交通大學醫學院附屬第九人民醫院碩士生張博鈞為論文的共同第一作者。重慶郵電大學通信學院講師趙悅、西安交通大學數學與統計學院研究員練春鋒、杭州市第一人民醫院放射科主任醫師丁忠祥、上海交通大學醫學院附屬第九人民醫院口腔顱頜面科正頜正畸中心主任醫師朱敏和上海科技大學生物醫學工程學院教授沈定剛為論文的共同通訊作者。