马尼拉雅津大学的智能视觉环境实验室（ALIVE）和国际研究人员开发了一种深度学习模型，旨在彻底改变牙科领域。该模型能够以98.2%的准确率识别牙科X光片或牙科全景放射图像（DPRs）中的牙齿和鼻窦结构。
研究团队在《生物工程》期刊上发表了他们的研究成果。通过使用一种先进的物体检测算法，该系统专门训练用于快速且更准确地检测牙源性鼻窦炎——这是一种常被误诊为普通鼻窦炎的疾病，如果未及时治疗，可能会导致感染扩散到面部、眼睛甚至大脑。
牙源性鼻窦炎由上颌牙齿感染或并发症引起，其症状包括鼻塞、恶臭的鼻分泌物和偶尔的牙痛，这些症状几乎与普通鼻窦炎相同。更糟糕的是，只有大约三分之一的患者会经历明显的牙痛，这意味着全科医生经常忽视这种状况。传统的诊断方法需要牙医和耳鼻喉科医生的合作，这往往会导致治疗延误。
通过在牙科全景放射图像（DPRs）上训练深度学习模型，研究人员找到了一种以前所未有的准确度检测关键解剖关系的方法，例如牙齿根部与鼻窦的接近程度。该研究使用了YOLO 11n深度学习模型，达到了令人印象深刻的98.2%的准确率，超过了传统检测方法。
YOLO（You Only Look Once）是一种最先进的物体检测算法，以其速度和准确性而闻名。YOLO 11n模型是一个改进版本，针对医学成像任务进行了优化，能够在单次图像处理中高精度地识别牙齿和鼻窦结构。
与需要多个步骤和专家解释的传统诊断方法不同，YOLO 11n可以实时快速定位受影响区域，成为牙科专业人士的重要工具。此外，这种基于AI的方法还具有实际优势。它通过减少对CT扫描的需求，最大限度地减少了患者的辐射暴露，目前CT扫描是诊断牙源性鼻窦炎的金标准。
该技术还提供了一种成本效益高的筛查工具，尤其适用于资源有限地区，这些地区可能无法获得先进的成像技术。通过早期标记潜在病例，该系统允许及时干预，防止并发症并减轻医疗保健提供者的负担。
这一突破突显了AI在医学诊断中日益重要的作用，填补了仅靠人类专业知识可能不足的空白。经过进一步验证，这项技术有可能成为牙科和耳鼻喉科诊所的标准工具，确保更多患者能够及时获得准确的诊断。
更多信息：Pei-Yi Wu等人，《深度学习辅助诊断系统：牙科全景放射图像中的牙根尖和牙源性鼻窦底水平分析》，《生物工程》（2025）。DOI: 10.3390/bioengineering12020134
(全文结束)
