正畸智能化診斷系統(tǒng)的研發(fā)以及當(dāng)前進(jìn)展

蔣福林 蘇崇瑩 李 娟

隨著我國人民生活水平的提高，正畸治療的需求日益旺盛，2001年中華口腔醫(yī)學(xué)會流調(diào)結(jié)果顯示中國青少年錯he畸形患病率高達(dá)72.97%，并呈逐漸上升趨勢[1]。與此對應(yīng)的是，我國?？普t(yī)生數(shù)量不足一萬，難以滿足社會需求。此外，正畸病例診斷分析復(fù)雜，涉及多模態(tài)、多維度、多階段的數(shù)據(jù)分析，數(shù)據(jù)分析工作量大、耗時長、經(jīng)驗依賴性強(qiáng)，進(jìn)一步阻礙了正畸治療的廣泛開展。本課題組研發(fā)的正畸影像智能化診斷平臺將數(shù)字化技術(shù)創(chuàng)新性應(yīng)用于正畸臨床實踐，參與病例數(shù)據(jù)采集、診斷方案設(shè)計和治療多個環(huán)節(jié)，降低了對正畸醫(yī)生的專業(yè)技能要求，有效提高了正畸治療的精度、效率和安全性?，F(xiàn)就本課題組正畸影像智能化診斷平臺的研發(fā)思路與相關(guān)領(lǐng)域的研究進(jìn)展進(jìn)行報告。

一、二維影像智能分析

1.側(cè)位片自動定點(diǎn)分析

基于側(cè)位片的頭影測量分析是正畸臨床診斷設(shè)計、評估生長或治療效果的重要手段。傳統(tǒng)頭影測量和半自動頭影測量依賴于醫(yī)生手工定點(diǎn)，測量項目繁多、耗時過長，且精確度和穩(wěn)定性欠佳。近年來，人工智能技術(shù)廣泛應(yīng)用于側(cè)位片自動定點(diǎn)分析之中，從以硬組織解剖標(biāo)志點(diǎn)自動識別為主到硬、軟組織解剖標(biāo)志點(diǎn)的自動定位，逐步實現(xiàn)全面的自動化數(shù)據(jù)分析[2]。然而受多種因素的影響，多數(shù)軟件解剖標(biāo)志點(diǎn)的識別準(zhǔn)確率并不高，如何提高解剖標(biāo)志點(diǎn)自動定點(diǎn)分析的準(zhǔn)確性和穩(wěn)定性一直是研究的熱點(diǎn)。Lee等開發(fā)了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）的人工智能模型，其可以在定位18個標(biāo)志點(diǎn)基礎(chǔ)上給出每個標(biāo)志點(diǎn)的95%置信區(qū)間，平均誤差為（1.53±1.74）mm[3]。Kim等定位了23個標(biāo)志點(diǎn)，誤差為1.37±1.79 mm，進(jìn)一步提高了準(zhǔn)確率[4]?，F(xiàn)有一些頭影測量軟件投入市場，表現(xiàn)出了較好的性能。MyOrthoX、WebCeph等創(chuàng)新性基于網(wǎng)頁的側(cè)位片自動分析平臺，提升了頭影測量分析的靈活性，同時保有了較好的一致性[5]。Uceph還兼具定點(diǎn)訓(xùn)練和教學(xué)互動功能，可應(yīng)用于正畸的實驗教學(xué)中[6]。

本課題組基于級聯(lián)深度神經(jīng)網(wǎng)絡(luò)模型，開發(fā)了基于以SaaS（Software-as-a-Service）模式的“智貝云”智能側(cè)位X片分析系統(tǒng)。其特點(diǎn)如下：①該系統(tǒng)是一款基于Web端的側(cè)位片智能分析系統(tǒng)，用戶無需下載軟件，即能在電腦端和手機(jī)端等多端口實現(xiàn)側(cè)位片自動定點(diǎn)和分析。②解剖關(guān)鍵點(diǎn)定位精度高：在來源于不同設(shè)備拍攝的側(cè)位片測試集中，2 mm誤差范圍內(nèi)檢測成功率（Success Detection Rate，SDR）平均為91.73%，SDR（3 mm）平均值為97.9%。其中S/Sn/LL/A’/Li的SDR（2 mm）大于99.0%[7]。目前，系統(tǒng)已經(jīng)實現(xiàn)了64個關(guān)鍵解剖標(biāo)志點(diǎn)自動定位，定點(diǎn)效率控制在2～3秒；將可自動分析的測量項目擴(kuò)大至199項，并測量數(shù)據(jù)與標(biāo)準(zhǔn)值自動比對，智能解讀測量報告。③良好的泛化性能：該系統(tǒng)以來自全國20多個省市的3萬多份側(cè)位X片病例數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)，具有較好的泛化性能，適用于臨床上常見的側(cè)位片拍攝設(shè)備。④智能化重疊：系統(tǒng)能自動校準(zhǔn)治療前后兩張側(cè)位片拍照頭位和角度等，智能化調(diào)整不同階段拍攝側(cè)位片的頭位，然后依據(jù)不同基準(zhǔn)平面（SN平面、眶耳平面、Ricketts平面、Bolton平面），自動重疊不同時間節(jié)點(diǎn)的側(cè)位X片，展示患者在不同階段的生長或者治療變化，并自動對比、分析不同階段的數(shù)據(jù)變化。⑤氣道智能化分析：能智能化分析鼻咽、腭咽、舌咽和喉咽的氣道寬度，并實現(xiàn)了腺樣體等病理結(jié)構(gòu)的智能化識別。此外，該系統(tǒng)具有良好的輪廓識別能力，側(cè)位片軟組織輪廓精準(zhǔn)、平滑，具有良好的展示效果。目前，智貝云側(cè)位X片分析系統(tǒng)已經(jīng)實現(xiàn)了對患者的側(cè)位分析結(jié)果的智能化診斷，并提供包括Downs、McNamara、Rickett、華西分析法和北京大學(xué)分析法在內(nèi)的16種分析方法的結(jié)果，為正畸醫(yī)生提供全面可靠的側(cè)位片數(shù)據(jù)分析結(jié)果。

2.全景片智能化分析

全景片可以較為全面地提供患者牙和骨的信息，正畸醫(yī)生通過全景片評估患者牙列擁擠情況、乳恒牙發(fā)育情況、牙周和根尖狀況等，合理選擇正畸治療的時間。值得注意的是，現(xiàn)有的分析方法均依賴于正畸醫(yī)生人工分析和審校，受醫(yī)生主觀因素影響大，容易出現(xiàn)遺漏[8]。

人工智能被運(yùn)用于口腔全景片診療的多個方面，可以有效分析全景片提供的豐富信息，減少人為分析的疏漏，具備一定的參考價值，比如其能夠通過分割和識別牙齒、頜骨來檢測疾病，輔助診斷[9]。

牙齒自動化識別和分類模型的建立是全景片自動診斷的基礎(chǔ)[10]，先期一些人工智能模型，關(guān)注于全景片中特征顯著的牙齒狀況，如Melike等人開發(fā)的一種新的深度學(xué)習(xí)人工智能模型，在檢測全景片中不同牙齒狀況如冠、橋、根管治療牙、種植牙和殘根等方面有良好的效果[8]。隨著技術(shù)的進(jìn)步，研究人員逐步關(guān)注到進(jìn)展隱匿、圖像特征相對不顯著的其他牙體牙周疾病，如EKert等人利用全景片中根尖病變圖像訓(xùn)練CNN構(gòu)建了一種模型用于牙根及根尖病變診斷[11]。目前，基于人工智能的全景片診斷正逐步拓寬其應(yīng)用場景，還可用于檢測牙周骨質(zhì)缺失情況、評估病變區(qū)牙齒數(shù)目和牙周炎程度[12]以及檢測上頜竇的病變[13]等。

3.可視化治療目標(biāo)（VTO）

通過正畸治療獲得顏貌改善是患者的主要美學(xué)訴求之一，也是正畸醫(yī)生關(guān)注的臨床重點(diǎn)。經(jīng)典的VTO理論主要有Ricketts基于硬組織關(guān)系為導(dǎo)向的切牙位目標(biāo)位[14，15]和Holdaway基于軟組織側(cè)貌美學(xué)為導(dǎo)向的上唇目標(biāo)位[16]；Tweed理論進(jìn)一步考慮了面部生長型的差異[17]，而Andrews理論中的上切牙目標(biāo)位則添加了更多頜面整體美學(xué)考量[18]。但顏面軟組織的變化不僅由硬組織變化決定，還受患者的年齡、性別、垂直骨面型、肌張力、張閉口習(xí)慣、牙齒和軟組織形態(tài)、以及測量技術(shù)等影響[19]?，F(xiàn)有的VTO理論在預(yù)測牙移動對側(cè)貌變化的影響時，都采用的是個別切牙、硬組織標(biāo)志點(diǎn)與個別唇頦部標(biāo)志點(diǎn)的固定比例位移關(guān)系。這也導(dǎo)致了部分軟件如Dolphin預(yù)測側(cè)貌的準(zhǔn)確性欠佳[20]。研究證明，采用多元回歸模型預(yù)測治療后軟組織側(cè)貌的變化比通過軟硬組織變化的平均比率進(jìn)行預(yù)測考慮的影響因素更多[21]，可以納入牙齒、頜骨的多個標(biāo)志點(diǎn)和軟組織特征，準(zhǔn)確性更高。但軟組織側(cè)貌輪廓可能以非線性方式響應(yīng)牙齒的移動，目前采用的線性回歸分析仍有局限，而深度學(xué)習(xí)靈活性更高，可對研究特征之間的非線性關(guān)系進(jìn)行自主學(xué)習(xí)擬合，更深入地探索正畸牙移動與側(cè)貌變化的規(guī)律。

本課題組研發(fā)的智貝云人工智能VTO系統(tǒng)融合了口腔正畸學(xué)、影像診斷學(xué)、大數(shù)據(jù)分析、人工智能等多學(xué)科，深度學(xué)習(xí)數(shù)萬例正畸治療前后病例。在此基礎(chǔ)上，課題組首先確定了不同垂直和矢狀骨面型條件下，正畸治療中前牙位置變化對應(yīng)的上下頜骨硬組輪廓變化，然后再確定了硬組織輪廓改變對應(yīng)的軟組織輪廓變化。同時，還參考了Ricketts分析法、Holdaway分析法、Tweed分析法和Andrews顱頜面平衡六要素等有關(guān)定量測量確定矯治目標(biāo)位的方法，以顏貌美觀為導(dǎo)向，設(shè)定切牙位置；再結(jié)合人工智能模擬軟硬組織變化，實現(xiàn)了前牙目標(biāo)位確定、定量指導(dǎo)數(shù)字化方案設(shè)計、側(cè)位X片輪廓模擬、側(cè)位片和側(cè)貌照片自動融合、治療側(cè)貌影像預(yù)測和動態(tài)展示、治療方案預(yù)測和實時調(diào)整。在未來，課題組將在此基礎(chǔ)上加入不同人種及民族的數(shù)據(jù)進(jìn)一步完善預(yù)測結(jié)果，并進(jìn)一步提高牙齒目標(biāo)位自動設(shè)定的精度。

4.基于面部照片的正、側(cè)貌智能化診斷系統(tǒng)

正畸治療引起的牙齒移動、頜骨位置或形態(tài)的改變會影響面部軟組織變化。準(zhǔn)確判斷患者面型對牙頜畸形的診斷、治療計劃制定以及治療愈后的評估有著非常重要的作用[21]。在正畸臨床實踐中，多采用肉眼分析患者正面照和側(cè)面照，十分依賴醫(yī)生個人經(jīng)驗、美學(xué)素養(yǎng)。

面部畸形的識別是面型分析的重要環(huán)節(jié)，有學(xué)者利用CNN開發(fā)出了一種自動分析下頜偏倚和面部不對稱的系統(tǒng)，可以提供更客觀的面試特征評估[22]。目前的研究從面部輪廓識別及分類系統(tǒng)的研發(fā)起步[23]，逐步實現(xiàn)面部表型的識別，甚至于基因診斷相結(jié)合，比如Face2gene[24]。

本課題組結(jié)合東方人面部美學(xué)標(biāo)準(zhǔn)，開創(chuàng)性的將美學(xué)、正畸學(xué)與人工智能相結(jié)合，建立了面型分析數(shù)字化標(biāo)準(zhǔn)體系。智貝云面型分析系統(tǒng)是行業(yè)內(nèi)領(lǐng)先的人工智能面型分析系統(tǒng)，也是首次基于照片實現(xiàn)面型的智能分析，并達(dá)到了臨床輔助分析所需的精度[25]。該系統(tǒng)包括人臉正貌分析和側(cè)貌分析，分別從美學(xué)和正畸兩個角度進(jìn)行分析。其中人臉正貌分析不僅依據(jù)面部比例評價（宏觀美學(xué)）、唇齒關(guān)系評價（微觀美學(xué)）、牙齒評價（迷你美學(xué)）等理論，更關(guān)注面部整體比例與眉、眼、唇、頦局部精細(xì)美學(xué)的協(xié)調(diào)與平衡，全方面綜合分析牙列與面部軟組織的動態(tài)及靜態(tài)關(guān)系，檢測黃金比例、三庭五眼、長寬比等7個正貌正畸分析指標(biāo)以及包括臉型對稱性、上面高、顴面高、瞳孔口角距等在內(nèi)的14個正貌美學(xué)分析指標(biāo)。而智貝云側(cè)貌美學(xué)分析分為鼻額、唇頦、面型突度和面部比例四部分，同時可將20個側(cè)貌坐標(biāo)點(diǎn)，26個側(cè)貌測量項詳細(xì)列出；側(cè)貌正畸分析則分為面型、上唇、下唇和頦四部分，共檢測12個側(cè)貌測量項，對每一個測量項配有清晰明了的圖文解釋，醫(yī)生可根據(jù)患者情況，自定義選擇，操作簡單，數(shù)據(jù)明了。

5.基于手腕骨齡和頸椎骨齡的生長發(fā)育分析系統(tǒng)

骨齡是骨骼成熟度的簡稱，是正畸醫(yī)生了解患者生長發(fā)育情況，選擇合適的矯治時機(jī)的重要指標(biāo)之一。手腕骨具有骨骼數(shù)量多、代表性佳等特點(diǎn)，因此長期以來以Fishman出的手腕骨齡分期法作為骨齡評價的金標(biāo)準(zhǔn)[26]。但這種骨齡判斷法對醫(yī)生技術(shù)要求高，且分析耗費(fèi)時間較長。早在1994年就有學(xué)者結(jié)合計算機(jī)技術(shù)制作出了計算機(jī)輔助骨齡分析系統(tǒng)[27]。在接下來十幾年中陸續(xù)出現(xiàn)了基于圖像處理技術(shù)的全自動評估骨齡系統(tǒng)[28]、基于深度學(xué)習(xí)的自動評測骨齡方法[29]和boneXpert自動測定骨齡法[30]等提高了臨床診療的效率和精度。但是人工智能評估法有一定數(shù)據(jù)依賴性且不同模型之間存在差異。

本課題組納入分析了上萬張手腕骨X線片，成功研發(fā)出智貝骨齡-青少年手腕骨齡篩查系統(tǒng)，該系統(tǒng)采用TW2[31]和中華05分析法[32]精確標(biāo)記單塊骨的分期，構(gòu)建了分類模型，實現(xiàn)了13塊手腕和指骨（中華-05）的分期預(yù)測，實現(xiàn)了自動、準(zhǔn)確、快捷評估患者骨齡，將原有骨齡檢測的耗時從1天縮短為了20秒。TW2和中華05分析法是目前臨床上常用的針對手腕骨齡評估的計分法，其準(zhǔn)確性已經(jīng)得到大量臨床結(jié)果的驗證[33]。課題組利用AI人工智能技術(shù)對手腕骨X線片實現(xiàn)云端自動閱片并生成初篩分析報告，分為骨齡結(jié)果分析、發(fā)育狀況分析、當(dāng)前身高評價、成年身高預(yù)測、生長發(fā)育追蹤及生活建議等六個板塊。

為了減少拍攝手腕片帶來的額外輻射，更多的正畸醫(yī)生選擇利用側(cè)位片判斷頸椎成熟度[34]。傳統(tǒng)的頸椎形態(tài)分類主要依靠視覺直觀評估，受醫(yī)生經(jīng)驗影響，主觀性較大且可重復(fù)性欠佳，臨床應(yīng)用受限。而人工智能技術(shù)受主觀因素影響小，在頸椎骨齡分期檢測中表現(xiàn)良好，Zhou等利用CNN對實現(xiàn)了頸椎骨齡自動定點(diǎn)和頸椎成熟期分類取得了較高的準(zhǔn)確率[35]。此外，Makaremi等人開發(fā)了一種能夠通過頭顱側(cè)位片自動判定患者CVS1～6的DL模型，其準(zhǔn)確率達(dá)95%[36]。

本課題組依據(jù)McNamara等人2018年修正的頸椎骨齡判斷標(biāo)準(zhǔn)，通過人工智能對5千多張側(cè)位片進(jìn)行不斷的測量、學(xué)習(xí)并采用最新頸椎骨齡分期法（cervical vertebrae maturation system，CVMS）[34]，提供手動量和自動測量方式，最終實現(xiàn)了自動提取頸椎輪廓，自動標(biāo)記測量關(guān)鍵點(diǎn)。通過準(zhǔn)確識別第二、第三、第四頸椎椎體形狀，課題組實現(xiàn)了頸椎骨齡的智能定性分析，一鍵判斷生長發(fā)育階段；還通過自動測量第二、第三、第四頸椎凹陷程度、曲率、長寬比以及前后高比、定量判斷生長發(fā)育階段[37]。通過定性分析和定量分析兩種方案的互補(bǔ)，智貝云實現(xiàn)了頸椎骨齡的智能分析。系統(tǒng)還從循證醫(yī)學(xué)角度出發(fā)，綜合過去二十多年來的研究成果，結(jié)合患者的性別、年齡、AI自動診斷的精準(zhǔn)骨齡，根據(jù)患者生長發(fā)育情況推薦患者基于矯治時機(jī)的治療方案。

二、三維影像智能分析

1.CBCT和口內(nèi)掃描模型的智能化分割和分析

目前，正畸臨床上采集患者三維影像數(shù)據(jù)以CBCT和口內(nèi)掃描模型為主。錐體束計算機(jī)斷層掃描（cone beam computed tomography，CBCT）可輔助重建清晰、立體的頭顱三維解剖結(jié)構(gòu)，在口腔疾病診斷、治療方案設(shè)計和術(shù)后評估等方面廣泛應(yīng)用。近年來，不少關(guān)于CBCT的計算機(jī)輔助系統(tǒng)陸續(xù)開發(fā)，以減輕正畸醫(yī)生的臨床負(fù)擔(dān)，提高工作流程的效率，涉及診斷、正畸治療設(shè)計、種植手術(shù)設(shè)計和術(shù)后評估[38]。

人工智能的發(fā)展使得CBCT圖像三維自動定點(diǎn)分析成為可能，Shahidi等人利用機(jī)器學(xué)習(xí)進(jìn)行自動定點(diǎn)分析，結(jié)果顯示機(jī)器學(xué)習(xí)的平均偏差為3.40 mm，精度低于人工定點(diǎn)[39]。Luo等人建立了基準(zhǔn)顱骨模型，使用C++、開放式圖形庫和基于Qt的軟件框架研發(fā)出顱骨自動定點(diǎn)測量軟件[40]，實現(xiàn)了顱骨的三維自動定點(diǎn)。但總的來說，人工智能在CBCT圖像自動定點(diǎn)上的準(zhǔn)確率還有待提高，目前多數(shù)研究僅實現(xiàn)了對部分標(biāo)志點(diǎn)的自動檢測，無法完成完整的三維頭影測量，并且CBCT三維圖像重建存在環(huán)狀偽影，對軟組織解剖結(jié)構(gòu)顯像不足等問題，限制了三維定點(diǎn)分析的臨床應(yīng)用。數(shù)字化正畸方案設(shè)計通常需要操作單顆牙齒，以實現(xiàn)牙齒移動、拔除、排齊等操作，而從CBCT圖像以及三維牙齒模型中手動分割單顆牙齒費(fèi)時費(fèi)力，精準(zhǔn)欠佳[41]，因而如何準(zhǔn)確自動分割牙齒成為了當(dāng)下研究的熱點(diǎn)，單純依靠CBCT進(jìn)行牙齒分割前期已有探索，如Charles等建立了一種端到端神經(jīng)網(wǎng)絡(luò)以實現(xiàn)牙齒三維形態(tài)自動化分割和分析[42]，在此基礎(chǔ)上學(xué)者提出了名為MeshSegNet的深度神經(jīng)網(wǎng)絡(luò)用于自動牙齒分析提高了精度[43]。

隨著技術(shù)的發(fā)展，口內(nèi)掃描器因其舒適方便、軟組織識別度高、可更好地還原口內(nèi)情況等優(yōu)勢，被廣泛應(yīng)用于正畸臨床[44]。以往的計算機(jī)輔助設(shè)計和制作軟件如implant 3D和3shape初步實現(xiàn)了牙齒自動分割，但是CAD系統(tǒng)操作復(fù)雜，人工干預(yù)度高，其效率較低，分牙效果并不理想[45]。Kim等人分別開發(fā)了深度學(xué)習(xí)算法，用于在數(shù)字化3D牙齒表面模型上進(jìn)行自動牙齒分割，從而實現(xiàn)高分割精度[46]。此外，為進(jìn)一步提高分牙準(zhǔn)確率，Hao等人開發(fā)了一種基于深度學(xué)習(xí)的分牙模型，分牙時間僅為24 s，且準(zhǔn)確率達(dá)96.9%[47]。

本課題組關(guān)注到融合口內(nèi)掃描牙冠和CBCT掃描牙根相整合的冠根模型[48]，采用端到端的深度學(xué)習(xí)模型和三維表面模型分割技術(shù)，結(jié)合CBCT及口內(nèi)掃描兩種模態(tài)影像各自的優(yōu)點(diǎn)，自主研發(fā)了一種基于牙齒CBCT圖像與口內(nèi)掃描圖像融合的三維模型分割和重建技術(shù)。首先課題組進(jìn)行了口內(nèi)掃描模型的實例分割，通過在2D特征圖上定位牙齒三維候選區(qū)，然后將單顆牙齒候選區(qū)域以原始分辨率輸入3D分割網(wǎng)絡(luò)。為了更好地利用口內(nèi)掃描模型的點(diǎn)、線和面信息，構(gòu)建了以圖卷積為基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)，并設(shè)計了特殊的損失函數(shù)，以引導(dǎo)網(wǎng)絡(luò)關(guān)注牙齒邊緣難以分割的區(qū)域，最終實現(xiàn)了全自動分割，準(zhǔn)確率（Dice Similarity Coefficient，DSC）達(dá)到99.5%。此外，該系統(tǒng)對有廣泛散射偽影，拍攝質(zhì)量不佳，能準(zhǔn)確處理；其測量方法對托槽、修復(fù)體、替牙期、根管治療、蛀牙/補(bǔ)牙等情況有良好的抗干擾性能。并且該系統(tǒng)可自動分割口內(nèi)掃描結(jié)果，對牙齒編號，去除多余噪音，自動配準(zhǔn)CBCT中的三維牙齒模型，還能自動報告牙根與牙槽骨的關(guān)系、病灶范圍、病理特征等信息。實現(xiàn)高精度三維牙冠模型與真實牙根的最優(yōu)擬合，根據(jù)真實情況修補(bǔ)牙齒鄰面信息，解決傳統(tǒng)根骨模型牙根信息不準(zhǔn)確、精度欠佳的問題[49]。目前該系統(tǒng)的識別速度可滿足臨床應(yīng)用需求，對上萬個牙齒樣本，牙齒數(shù)據(jù)維度：369×369×266到681×681×481的實驗數(shù)據(jù)處理平均分割時間為2.21 min。

2.3D面部掃描和診斷

傳統(tǒng)的二維照片和X線頭影測量能較好地反應(yīng)患者面部在二維平面上的特點(diǎn)，而三維面部掃描分析軟件則可以協(xié)助正畸醫(yī)生更好地分析患者面部軟組織治療前后的變化，使正畸治療更加的精細(xì)化、專業(yè)化。隨著科技的進(jìn)步，激光掃描側(cè)面技術(shù)、結(jié)構(gòu)光學(xué)系統(tǒng)技術(shù)、立體攝影測量技術(shù)、可移動掃描儀FastSCAN等逐漸用于顱頜面面部測量中。在正畸領(lǐng)域，三維圖像識別技術(shù)多用于研究面部治療前后的變化，比如Moss等人利用此技術(shù)研究拔牙和非拔牙對患者面部形態(tài)的影響[50]；Abedini等運(yùn)用面部立體攝影技術(shù)，研究了微種植體支抗的成年人上頜快速擴(kuò)弓后面部的三維面部變化[51]。

目前關(guān)于人工智能與面部掃描相結(jié)合的報道較少。Knoops等人提出了一種基于面部掃描的AI-3D可變形模型，用于自動分析面部形狀特征，在整形和重建手術(shù)的診斷和規(guī)劃中發(fā)揮著一定作用[52]。此外，有研究指出面部掃描技術(shù)結(jié)合人工智能也可以用于神經(jīng)發(fā)育障礙（Autism Spectrum Disorder，ASD）的診斷，Liu等人探索了使用基于面部掃描的機(jī)器學(xué)習(xí)算法來識別ASD的可能性，并顯示出有希望的結(jié)果，準(zhǔn)確率為88.51%[53]。

三、總結(jié)與展望

將人工智能技術(shù)與正畸診療服務(wù)相結(jié)合，可以提供更快捷的診斷、更智能的數(shù)據(jù)分析，極大提高了正畸臨床服務(wù)效率，筆者研發(fā)的正畸智能診療云平臺除了提供正畸全流程智能化解決方案外，在未來還將采用人工智能技術(shù)整合面部三維重建、CBCT、模型等口腔數(shù)據(jù)，為正畸醫(yī)生提供全周期、多維度、智能化服務(wù)，避免大量瑣碎的重復(fù)性勞動消耗醫(yī)生的時間和精力，實現(xiàn)正畸智能化方案生成，縮短醫(yī)生技術(shù)迭代周期；推動口腔智慧醫(yī)療發(fā)展，促進(jìn)口腔技術(shù)的普及。