目的探讨有牙槽嵴吸收时上前牙不同程度龈乳头缺陷的相关影响因素。方法选择2019年6至12月就诊于北京大学口腔医学院·口腔医院牙周科,且经治疗后牙周炎控制稳定并定期进行牙周维护的14例牙周炎患者的64个上前牙龈乳头,通过标准化临床图像及锥形束CT影像资料综合分析,评价邻接触点至骨嵴顶的距离(distance from contact point to bone crest,CP-BC)、邻面釉质牙骨质界至骨嵴顶的距离(distance from proximal cemento-enamel junction to bone crest,pCEJ-BC)、骨嵴顶水平的根间距(distance between roots,RD)、骨嵴顶水平龈乳头高度(height of gingival papilla,PH)、骨嵴顶水平颊舌向骨宽度(width of bone crest,BCW)等指标与龈乳头充满和轻中重度缺陷的关系。结果纳入研究的64个上前牙龈乳头,充满率为28%(18/64),缺陷率为72%(46/64),其中轻、中、重度缺陷率分别为36%(23/64)、27%(17/64)和9%(6/64)。当CP-BC≥7.0 mm或pCEJ-BC≥4.5 mm时,龈乳头均为中、重度缺陷;而当CP-BC<5.0 mm或pCEJ-BC<1.5 mm时,龈乳头为充满或轻度缺陷。上前牙CP-BC与pCEJ-BC存在显著正相关关系,Pearson相关系数为0.812(P<0.01),线性拟合系数为0.93(R2=0.659)。64个上前牙龈乳头不同程度缺陷时,其骨嵴顶水平RD差异无统计学意义(P>0.05)。骨嵴顶水平BCW随龈乳头缺陷程度增加略有增加,龈乳头充满与中重度缺陷时BCW差异有统计学意义(P<0.05)。骨嵴顶水平PH随龈乳头缺陷程度增加略有减少,龈乳头充满与中重度缺陷时PH差异有统计学意义(P<0.05)。结论伴牙槽嵴吸收的牙周炎控制稳定患者的龈乳头缺陷率高,且主要与龈乳头根方骨嵴顶的吸收有关。
目的通过比较新型生物陶瓷材料iRoot BP Plus和三氧化矿物凝聚体(mineral trioxide aggregate,MTA)作为盖髓剂在乳磨牙牙髓切断术应用中的成功率,探讨iRoot BP Plus的临床应用价值。方法按照纳入和排除标准收集2018年8至12月于北京大学...
详细信息
目的通过比较新型生物陶瓷材料iRoot BP Plus和三氧化矿物凝聚体(mineral trioxide aggregate,MTA)作为盖髓剂在乳磨牙牙髓切断术应用中的成功率,探讨iRoot BP Plus的临床应用价值。方法按照纳入和排除标准收集2018年8至12月于北京大学口腔医学院·口腔医院儿童口腔科行全身麻醉下治疗,口内至少有1对及以上同名乳磨牙龋坏须行牙髓切断术的3至8岁患儿,采用简单随机分组方法分别使用iRoot BP Plus(试验组)和MTA(对照组)行牙髓切断术,术后3、6及12个月随访,拍摄患牙根尖X线片,收集患牙治疗前后自觉症状、临床检查及影像学表现,计算两组的治疗成功率,并分析影响成功率的因素。结果研究共纳入患儿20例,男女各10例,共计28对、56颗乳磨牙(试验组28颗,对照组28颗),其中随访满1年者共23对、46颗乳磨牙。试验组3、6、12个月的治疗成功率分别为96%(25/26)、92%(22/24)和87%(20/23),对照组分别为100%(26/26)、96%(23/24)和96%(22/23),两组术后3、6、12个月的成功率差异均无统计学意义(P>0.05)。切髓后止血时间显著影响试验组的成功率(P<0.05)。结论iRoot BP Plus与MTA用于乳磨牙牙髓切断术1年随访期内均取得了较好的治疗效果,iRoot BP Plus在乳牙牙髓切断术中具有良好的临床应用前景。
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