目的对全身麻醉下接受龋齿治疗的重度低龄儿童龋(severe early childhood caries,S-ECC)患儿行前瞻性随访研究,分析其治疗前后患龋特点,并探究治疗后再次患龋的风险因素。方法纳入83例2~4岁、于2012年12月至2014年8月在北京大学口腔医学院·口腔医院儿童口腔科接受全身麻醉下龋齿治疗的S-ECC患儿,在治疗前及治疗后1、7、13个月采集其口腔检查、临床诊疗内容和调查问卷信息。统计分析治疗前龋坏程度、临床诊疗内容、患儿及家长基本情况和口腔保健习惯等在治疗后无龋和再次患龋儿童之间是否存在差异,统计分析治疗后再次患龋特点及龋坏类型(分为再发龋和继发龋,前者指对原发龋病灶进行修复后在同一牙齿其他部位发生的龋,后者指在已有修复体边缘或底部发生的龋)。结果在完成7~13个月随访的70例患儿中,29例(41%)在13个月观察期内保持无龋,41例(59%)在13个月观察期内出现个别牙再次龋坏。全身麻醉下龋齿治疗后除下颌乳切牙外其他牙位均有不同程度的再次患龋,其中上颌乳切牙以继发龋为主(再发龋和继发龋牙数分别为1和12),上下颌乳尖牙及第一乳磨牙再发龋和继发龋牙数均较高(上下颌乳尖牙再发龋和继发龋牙数分别为12和6,上下颌第一乳磨牙再发龋和继发龋牙数分别为16和12),上下颌第二乳磨牙以再发龋为主(再发龋和继发龋牙数分别为19和5)。治疗后再次患龋牙面数从高到低依次为乳磨牙邻面(37)、乳磨牙面(28)、乳尖牙邻面(13)、乳磨牙颊舌面(12)、乳前牙唇舌面(10)、乳尖牙唇舌面(8)和乳前牙邻面(5)。治疗前龋坏程度、临床诊疗内容和患儿及家长基本情况在治疗后保持无龋和再次患龋的两组儿童间差异均无统计学意义(P>0.05)。饮食和口腔保健习惯方面,治疗后7和13个月随访时患龋组甜食摄入频率均显著高于无龋组(P<0.05)。结论2~4岁S-ECC患儿全身麻醉�
目的建立基于人工智能技术的牙菌斑智能判读系统,分析影响其判读结果的相关因素。方法2018年10月至2019年6月用家用口腔内镜(1280×960像素,东莞立港医疗器材有限公司)拍摄北京大学口腔医学院的25名研究生志愿者[男性12名,女性13名,年龄(23±3)岁]口内牙齿唇颊侧照片,使用菌斑染色剂(Cimedical,日本)进行菌斑染色后,用同样拍摄方法再次拍摄照片,共收集符合纳入标准的549组恒牙牙菌斑染色前后的牙齿照片。将549组图像采用随机数字表法分为440组训练数据集和109组测试数据集。设计并实现基于DeepLab的深度学习模型,采用LabelMe软件(Windows版3.2.1,MIT,美国)进行标注,对标注后的440组训练数据集进行训练,并据此建立恒牙牙菌斑智能判读系统,使用平均交并比(mean intersection over union,MIoU)作为评估该算法识别准确性的量化指标,用建立的恒牙牙菌斑智能判读系统对109组测试照片进行判读。使用Matlab软件(Windows版R2017a,MathWorks,美国)提取109组照片的牙菌斑边缘线,计算菌斑边缘线像素点个数,以此衡量牙菌斑边缘的复杂性,并计算牙菌斑面积百分比。基于多元线性回归分析牙位、牙菌斑面积百分比、牙菌斑边缘线像素点个数、镜头光源光斑是否位于菌斑区域对于恒牙牙菌斑判读准确性的影响,通过方差检验比较模型调整后的决定系数R2选择拟合效果更优的模型。结果恒牙牙菌斑智能判读系统对测试组判读的MIoU值为0.700±0.191。当牙菌斑面积百分比、牙菌斑边缘线像素点个数进入回归模型时,R2值为0.491,高于只有牙菌斑百分比进入模型时的R2,牙菌斑面积百分比、牙菌斑边缘线像素点个数对恒牙牙菌斑判读准确性有显著影响(P<0.05)。牙菌斑边缘线像素点个数的标准化系数为-0.289,菌斑面积百分比的标准化系数为-0.551。结论本研究通过家用口腔内镜采集的恒牙牙面图像构建�
