随着人工智能技术的迅速发展，医学影像智能识别能力在多个领域得到了显著提升。在口腔医学领域，人工智能已被应用于根尖病变、龋齿、牙周病病变检测、牙齿和关键解剖结构分割以及治疗方案推荐等领域。人工智能系统可以基于影像识别的结果，辅助医生为患者制定个性化的治疗方案，提高疾病的诊断准确率和治疗效果，人工智能在医学领域具有良好的应用前景。

　　新型卷积神经网络YoCNET

　　近日，济南市口腔医院杜毅于西佼团队的最新研究成果《Periapical lesion detection in periapical radiographs using the latest convolutional neural network ConvNeXt and its integrated models》在中科院2区SCI期刊《Scientific Reports》发表，研究提出了一种新型的深度学习集成模型——YoCNET（Yolov5+ConvNeXt），旨在克服传统分类模型在根尖片中无法同时识别多个病灶的局限性。YoCNET结合了Yolov5的强大目标检测能力与ConvNeXt的图像分类优势，能够自动分割单个牙齿并并发检测多个根尖病变。这一创新方法不仅提高了根尖病损检测效率，还为临床应用提供了更可靠的技术支持。

　　在研究中，团队使用了1,305张根尖片数据进行模型的训练与验证，经过严格的分配，训练和验证的比例为8:2。为确保数据的准确性，研究者排除了乳牙，并从200张未使用的根尖片中提取了717张单个牙齿图像进行进一步验证。评估指标包括准确率、精确度、敏感性、F1分数、AUC（曲线下面积）等。结果显示，YoCNET在各项评估指标上均表现优异：准确率达到90.93%，精确度为98.88%，敏感性为85.30%，F1分数为0.9159，AUC值为0.9757。

　　这些指标显著优于YoRNET（Yolov5+ResNet34），后者的对应指标为80.47%、83.78%、82.16%、0.8296和0.8822。这一集成模型在自动牙齿分割和根尖病变检测中展现出高效和准确。YoCNET的优秀表现使其成为临床应用中的更佳选择。该研究是课题组2024年9月在 《Journal of Medical and Biological Engineering》上发表《Deep Learning-Based Detection of Periapical Lesions in Periapical Radiographs》之后，围绕人工智能辅助识别口腔影像片中病损的又一研究成果。相关成果能够有效辅助医生进行精准诊断和决策，为患者提供更优质的医疗服务。

　　济南市口腔医院院长、山东省卫生信息与健康医疗大数据学会数据应用和信息化专业委员会副主任委员杜毅教授表示，济南市口腔医院高度重视智慧医院建设，2023年8月成立口腔精准医疗创新工作室和口腔数字化智能诊疗和大数据应用创新工作室，开展智慧医疗和大数据领域的临床应用研究。2024年8月于西佼济卫工匠创新工作室”获评济南市卫生健康创新工作室。目前团队在智能诊疗领域发表SCI 2篇；成果荣获济南市第一届数据技术与应用职业技能竞赛三等奖1项，山东省数据要素X医疗健康竞赛三等奖和优秀奖各1项；获软著授权3项，申报发明专利1项。课题组后续将积极推进研究成果的转化和临床推广应用。