目的:使用Smile Lite MDP(Smile Lite Mobile Dental Photograph)便携式口腔摄影系统进行前牙美学摄影的应用探索,简化美学摄影,方便医患沟通以及医技交流。方法:使用Smile Lite MDP摄影系统配合智能手机拍摄前牙正面咬合相,对色温参数...
详细信息
目的:使用Smile Lite MDP(Smile Lite Mobile Dental Photograph)便携式口腔摄影系统进行前牙美学摄影的应用探索,简化美学摄影,方便医患沟通以及医技交流。方法:使用Smile Lite MDP摄影系统配合智能手机拍摄前牙正面咬合相,对色温参数设置、Smile Lite MDP灯光组合及灯光强度等拍摄条件进行探索,采用医师及技师盲法评价的问卷调查方式,以视觉模拟评分法量表(visual analogue scale/score,VAS)评估最佳拍摄参数。使用Smile Lite MDP摄影系统在最佳拍摄条件下拍摄口内正面咬合相,分别测量中切牙正面观宽长比以及上前牙正面观宽度比,以数码单反相机拍摄的照片作为对照标准,研究Smile Lite MDP摄影系统对前牙形态还原的准确度。结果:Smile Lite MDP便携摄影系统成像的最佳色彩还原的色温参数为5000 K,最佳变焦倍数为4倍,Smile Lite MDP两侧灯光开启,灯光强度2档,采用该组条件的拍摄效果VAS评分较高,与其他组相比差异有统计学意义(P<0.05)。Smile Lite MDP便携摄影系统使用4倍放大率拍摄和单反相机拍照系统摄影标准参数拍摄上前牙的比例差异无统计学意义(P>0.05)。结论:Smile Lite MDP便携式口腔摄影系统应用于前牙美学分析摄影中能够真实、准确地还原前牙的颜色和形态,可以作为临床工作中简便易行的摄影工具。
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了恒牙牙菌斑智能判读系统,该系统可以较准确地判断牙菌斑的附着情况;牙菌斑边缘线越复杂,牙菌斑面积百分比越高,菌斑识别的准确性越低。
暂无评论