SPJ｜BMEF：AI赋能颌面手术：基于人口平等的多指标量化策略引领精准医疗新纪元

主要观点总结

本文介绍了中山大学附属口腔医院陈泽涛、张新春、陈卓凡研究团队在Science合作期刊BMEF上发表的一篇关于使用深度学习模型对颌面特征进行多量化的研究。该研究提出了一种基于人口统计学奇偶校验策略的深度学习方法，用于从锥形束计算机断层扫描中自动多重量化上颌骨基底骨。该研究在口腔颌面外科手术中具有重要应用价值。

关键观点总结

关键观点1: 研究背景

随着人工智能的发展，自动化算法在面部识别、解剖检测和牙科疾病分类等领域表现出有效性和客观性。然而，全面表示颌面特征需要多个指标，传统方法存在耗时费力、易受主观因素影响等问题。

关键观点2: 主要工作

本研究开发了一种深度学习模型，用于从锥形束计算机断层扫描中自动多重量化上颌骨基底骨。该模型由卷积神经网络主干和多个共享参数的回归头组成，通过人口平等校验策略进行训练。

关键观点3: 结果

研究团队收集了来自1000名患者的4000张CBCT图像进行模型训练。初步泛化性能评估显示，AI模型在大部分主要指标上略有过高预测。模型审核表明，性别是影响泛化能力的敏感属性。通过采用人口平衡策略针对性别进行数据集划分，分别训练男性和女性子模型，显著减小了AI的偏差预测。

关键观点4: 影响与意义

本研究构建的深度学习模型在口腔种植、正畸和颌面外科等领域具有潜在应用前景，能够提高诊断准确性和改善治疗过程。此外，该研究为未来大规模多中心的临床研究提供了潜在的应用前景。