文摘

客观的。基于深度学习,食物嵌入紧近端接触的特点研究了指导后续临床治疗的咬合的调整。同时,数字建模,软件测量,统计相关分析被用来探索牙压紧的原因,为临床治疗提供依据。方法。志愿者( )和没有( )他们招募了牙齿压紧,分别进行问卷调查。同时,灌注模型是和熟练的临床医生对这些病人,和相邻的线长等特点,相邻的表面积,舌头绑架缺口角度,颊绑架缺口角度,咬合的绑架差距角度测量。正常测试,差异分析,相关分析嵌入组织的病理特征,主成分分析(PCA)和二元逻辑回归分析进行。结果。邻线长度,相邻的表面积,舌头绑架缺口角度,颊绑架缺口角度,咬合的绑架差距角度满足正态分布。有统计上显著的差异在邻近线长度( ),相邻的表面积( ),和咬合的绑架差距角( )在两组之间。PCA降维后的特征,邻线长度,相邻的表面积,颊绑架缺口角度,咬合的绑架缺口角度与主成分有很强的相关性。二元逻辑回归分析表明,邻线长度和相邻的表面积对嵌入有积极的影响。颊绑架缺口角度和咬合的绑架差距对压紧角有显著的负面影响。结论。相邻线长度,相邻的表面积,颊绑架缺口角度,咬合的绑架差距角度是独立影响因素食物压紧。

1。介绍

在日常生活中,大多数人都有食物压紧。在咀嚼,食物压紧时食物碎片或纤维之间楔入空间相邻的牙齿咬合压力的行动或牙龈退缩,叫做食物压紧(1]。根据不同的方式嵌入,嵌入可分为垂直压紧和水平压紧(2]。如果还不清楚,影响食物将有助于细菌繁殖,刺激邻近组织,并导致一系列的问题,如牙周萎缩,牙龈乳头炎,邻面龋,口臭,重牙周炎(3,4]。随着时间的流逝,口腔健康问题变得更加严重(5),严重影响人们的日常生活。

咬合的食物嵌入的主要原因是(6龋齿,咬合关系紊乱,牙齿磨损,牙缺陷,牙周病,牙槽骨萎缩,和其他问题(4]。我们基于深度学习理论研究对食物的影响因素与紧压紧近端联系人(6]。我们也说明问题食品装紧的过程中通过分析相邻线长度,相邻的表面积,舌头绑架缺口角度,颊绑架缺口角度,咬合的绑架差距角(7]。

治疗食物压紧,压紧的原因应该首先确定,治疗应根据病因。如果有龋齿相邻表面,相应的灌装或修复方法的选择应根据具体情况,应该恢复和正常的接触关系。修复治疗后应尽快进行牙齿脱落(8]。患者牙周炎症应该经过抗炎治疗(9]。牙齿畸形患者可以接受口服磨调整(10]。治疗食物压紧没有解剖结构的破坏,大量的国内外文献报道了咬合调整为基本治疗(3]。少磨组织的优点,操作简单,容易被患者接受。咬合的调整方法包括调整磨削和充填牙尖,扩大食物溢出渠道,深化食品溢流槽,调整咬合的的主要功能区域。据相关文献报道,可以系统地总结成以下三个方法:顺序调整(11),调整的主要功能区的咬12),和颊舌绑架间隙角的测量13]。食物疗法的目标与紧压紧近端联系人是重塑紧密相邻的表面接触14),保持其稳定性。

深入学习是机器学习的一个分支。这是一个算法基于人工神经网络学习信息的表示。深度学习越来越广泛应用于临床实践。例如,钟等。15)自动分割的可行性验证基于深度学习在乳腺癌放射治疗计划。深度学习的临床应用包括医学图像分析、疾病诊断、和其他方面(16,17]。随着三维(3 d)获取技术的快速发展,三维数据越来越多地应用于医学领域,包括三维点云。郭和他的合作伙伴18]分析了几种深度学习方法来处理三维点云在他们的研究。基于LCCP方法,王et al。19)分段植物的3 d点云图像基于局部凸块连接到测量长度,宽度,和叶面积。然而,没有相关研究中使用的3 d点云网络进行分析和处理的牙齿特征提取。

发病率的食物与紧压紧近端接触临床正在上升。为了提高口服诊断和治疗技术和促进治疗食物嵌入紧近端接触的过程,本研究旨在探索食物嵌入紧近端接触的特点(20.]。基于深度学习理论,在记录牙齿分割的步骤,方法用于收集和分析比较不同的食物嵌入紧近端联系人在相邻的线长,相邻的表面积,舌头绑架缺口角度,颊绑架缺口角度,和咬合的绑架差距角度,提供临床治疗的基础邻接的食物。

2。材料和方法

2.1。研究对象

共有500名志愿者食品压紧(250和250年非食品压紧)那些年龄在25到50招募合格标准的研究表明没有性别限制。入选标准:(1)口腔牙科是完整,排列整齐,并没有发现邻面龋第一摩尔和第二磨牙之间通过临床检查和x线检查;(2)第一磨牙和第二磨牙不松;和(3)压紧区第一摩尔和第二磨牙之间,和测量触不到60μm。排除标准:(1)病人有严重的牙周疾病;(2)压紧并不是完整的下巴;(3)第一或第二磨牙全冠或镶嵌恢复或相邻表面馅料;(4)之间存在明显的“步骤”第一磨牙和第二磨牙;和(5)上下颚之间反向闭塞,锁阻塞和其他州。食物的基本信息是通过一份调查问卷。

2.2。实验材料

以下是实验材料:薄荷和蜡牙线(Qizhimei商贸有限公司),DMG Silagum硅橡胶材料印象沉重的身体+光体(DMG牙科、德国),DMG O-bite咬记录,硅橡胶(DMG牙科、德国),3-shape三人小组第二代口服扫描仪,硅橡胶混合枪(DMG牙科、德国)和superanhydrite(贺利氏Kulzer)。

2.3。实验步骤

2.3.1。模型制备及灌注

志愿者进行口头教育,正确的方式刷牙和使用牙线的指示。在建模的过程中,受试者应该放松,坐,直直地看着前方,和下颌平面应平行于地平面。在检测过程中,受试者应保持一个姿势不变,和那些不能合作也将被排除在外。检查的完整性的印象后,唾液清洗和牙科模型是由同一成型注射superanhydrite工人。demolding后,模具修理符合标准模型。

2.3.2。咬合关系的记录

志愿者被要求在intercuspal握紧的位置。硅橡胶咬合记录(DMG O-bite咬记录、硅橡胶、德国)是用来记录后咬合关系。

2.3.3。数字三维扫描模型的建立

3-shape扫描仪用于扫描修复上、下颌石膏模型和正确的咬合的关系,获得了STL格式的数据,如图1。

2.3.4。深度学习网段的牙齿

首先,牙齿STL模型直接转换为点云模型。由于过度的点云的数量和金额的计算,点云子样品在网络训练。不同于常见的点云预处理方法随机抽样和均匀采样,为了更准确地计算齿压紧的特点,并考虑牙齿嵌入之间的关系特点和齿面曲率同时,齿面曲率越高,越高的概率包含牙齿嵌入特征。在这个实验中,几何抽样用于牙齿表面采样点。通过变量可变形的内核,采样点的位置变化是学习的基础上严格的抽样。

分割网络采用在这个实验中是一个分割中国北大学提供的网络模型和构建基于KPConv [21内核卷积。网络模型类似于U-Net [22)模型和由两部分组成,编码器和译码器。这是一个对称的语义分割模型。最后,点云分割结果映射到STL模型可视化,以及牙齿涂有不同的颜色,如图2。只有第一和第二磨牙研究在实验中分离来提高网络训练的准确性。

2.3.5。特性测量

分段牙点云图像投射水平,然后,牙齿被压缩成二维图像来促进邻线的长度的测量和拟合的分界线。分界线上的两个最远的点被发现牙齿邻线的两端;邻线的长度是通过测量两端之间的距离,如图3。

舌、颊绑架差距角度测量,基于点云图像的水平投影。割线的两端是固定长度的向外扩展,和一条水平线延伸线两边的牙齿让两个点最近的扩展线。角度由三个点舌头绑架差距角和颊绑架隙角,如图4。

通过预测两个分段牙点云图像在垂直方向,垂直方向的二维点云的牙齿可以获得。按照上述方法计算的舌头绑架缺口角度,咬合的绑架缺口角度,如图5。同时,牙齿分区平面的垂直方向被获得相邻表面面积,如图6。

2.4。统计分析

统计分析是使用R软件和SPSS 24.0进行。Kolmogorov-Smirnov和Shapiro-Wilk方法被用来测试的正态分布的特征嵌入组。一个独立的样品 - - - - - -测试是用于分析统计特性的差异之间的压紧和nonimpaction组。相关分析是用来测试功能之间的相关性。主成分分析(PCA)是用于降维的特征,以及特征值大于1的PCA的筛选条件。二元逻辑回归分析用于分析嵌入特性的影响。 被认为是具有统计学意义。

3所示。结果

3.1。正常的测试

正常测试进行相邻线长度,相邻的表面积,舌头绑架缺口角度,颊绑架缺口角度,咬合的绑架差距角患者和没有食物压紧。表1显示,研究数据的样本大小是小于或等于50,西南郊约20所以测试使用。结果表明,邻线长度,相邻的表面积,舌头绑架缺口角度,颊绑架缺口角度,咬合的绑架缺口角度都配备了一个正态分布( )。

3.2。微分分析压紧和Nonimpaction团体之间的特征

一个 - - - - - -测试是用来比较特征嵌入组和nonimpaction组之间的差别。分析结果如表所示2。统计上显著差异的两组相邻行之间长度( ),相邻的表面积( ),和咬合的绑架差距角( )。此外,舌头的平均值绑架缺口角度( )和颊绑架差距角( )nonimpaction组大于那些嵌入组,但差异无统计学意义。

3.3。牙齿特征的相关分析食品中嵌入的病人

它可以看到从表3相邻表面的面积( , )和相邻的线的长度( )食物嵌入是用舌头呈极显著的正相关关系,绑架缺口角度。

3.4。主成分分析

从表可以看到4程度的共性,有舌头共有1项涉及绑架缺口角度,表明主成分之间的关系,研究项目非常弱,和主成分无法有效地提取信息的研究项目。因此,这个项目应该被删除和分析后再删除。

删除舌头绑架缺口角度数据后,患者的主要组件,没有压紧又进行了分析。它可以看到从表5相应的团结度值的所有研究项目均高于0.4,表明该研究项目之间有很强的相关性和主成分,和主成分能有效地提取信息。确保主成分的提取后的大部分信息的研究项目,主成分之间的对应关系和研究项目分析(当载荷系数的绝对值大于0.4,这是表明,项目与主成分对应关系)。

3.5。二元逻辑回归分析

邻线长度,相邻的表面积,颊绑架缺口角度,和咬合的绑架差距角度作为独立变量,和压紧或不作为因变量进行二元逻辑回归分析。模型公式 (代表有压紧和的概率代表的概率没有压紧。单位:邻线长度(mm);相邻的表面积(毫米²);角(°))。

显示在表6,邻线长度,相邻的表面积,颊绑架缺口角度,咬合的绑架差距角度压紧(有明显影响 )。具体而言,相邻线长度对嵌入了积极的影响,回归系数为0.889,通过了显著性水平测试。换句话说,如果邻线长度增加1单位,嵌入的概率增加了2.432倍。邻近的表面积对压紧(回归也有积极的影响 )。具体来说,如果相邻的表面积增加了一个单位,嵌入的概率增加了29.835倍。然而,颊绑架差距对压紧角有显著负面影响(回归 ),这表明,嵌入的概率下降了0.931倍当颊绑架缺口角度增加了一个单位。同时,咬合的绑架差距对压紧角有显著负面影响(回归 ),反映,嵌入的概率下降了0.915倍当咬合的绑架缺口角度增加了一个单位。

4所示。讨论

食物嵌入的发生通常是由于接触邻牙的损伤,严重的咬合的表面的磨损,异常联系(23]。本研究测量了相邻线长度和邻近区域,舌头绑架缺口角度,颊绑架缺口角度,咬合的绑架缺口角度。统计上显著的差异被发现在邻近线长度( ),相邻的表面积( ),和咬合的绑架差距角( )在两组之间。通过增加咬合的调整后的接触表面,形成空间相邻的牙齿和食物溢出渠道扩大,这有利于食品驱逐和减轻症状的食物。

咬合的调整过程中,错误发生在测量舌头绑架缺口角度,颊绑架缺口角度,邻线长度,等等。通过应用3-shape扫描仪,我们确保了数据的准确性,为咬合的调整提供了准确的数据。对嵌入决心的原因影响,治疗前后的效果比较,并为临床治疗提供依据。

结果治疗前后比较。根据上面的数据,当相邻的线的长度 嗯,相邻表面的面积 毫米²角,舌头绑架差距 ,颊绑架差距角度 ,角度和咬合的绑架差距 ,食物装紧的发病率下降。

磨损严重的牙齿磨损的主要原因(24]。由于接触面积的增加牙齿磨损,牙槽骨生长,和中央的位移的牙齿,牙齿磨损严重可能导致颌面高度的变化。这种变化使食物更容易积累在牙槽嵴,形成许多小和锋利的尖点。过程中横向运输的食物,很容易积累在尖点,形成一个楔形的挤压,产生瞬时机械牙影响相邻的表面积。

这项研究提供了一种新的研究方法和定量的指导标准食物嵌入紧近端联系人。提出一个新的想法深度学习和现代信息技术在临床口腔。通过舌头绑架间隙角的测量,颊绑架缺口角度,邻线的长度,和诱导的差距通道的横截面积,我们咬合的治疗提供依据。这些研究结果将为治疗提供新思路和方向食物压紧,指导临床制定协议和治疗方法的选择,并极大地提高临床疗效的食物压紧。

然而,这项研究有一些局限性。首先,250患者食物嵌入进行了研究和分析。由于不同的口腔每个病人的症状,会有一些错误的数据分析。其次,我们研究了引起食物的主要部分,第一摩尔和第二磨牙。其他牙齿位置没有被研究过,在未来的研究需要进一步的改进。

总之,深度学习被用来研究食物嵌入紧近端接触的特点。我们了解到影响到粮食的主要原因与紧压紧近端联系人之间的密切关系是相邻的牙齿邻面接触区域。我们的研究结果将为临床治疗提供新的研究方向的食物压紧和指导治疗的症状与紧近端接触压紧,提高食物压紧。

数据可用性

的数据支持本研究的发现可以在请求从相应的作者。由于隐私数据没有公开的或道德的限制。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由山西省重点研究和发展计划(201903 d321120)。