基于深度學習技術診斷齲病方法的研究進展

中圖分類號] R781.1 [文獻標志碼]A [doi] 10.7518/gjkq.2025052

Research progress on the methods forcaries diagnosis based on deep learning

ZhouXiaojie，HouBenxiang

1.Deptofomtologyeingdrn'sopital，italeicalUvesitytioalnterfordre'slt Beijing0o45，China;2.CenteroricroscoeEnancedentistryCapitaledicalUnversityhooloftotology Beijing100162，ChinaSupportedby：Scienceand Technology PlanningProjectofBeijing MunicipalScienceamp;Technology Commission （Z191100006619037）

Correspondence：HouBenxiang，Email：houbenxiang@gmail.com [Abstract]Dentalcarieshaveahigh incidencerate，andtimelydiagnosisformsthebasisforclinicaltreatment.Withthe breakthroughs of deep leaming technology inthe fieldof natural image processing，deep learning methods for automatic diagnosisofdentalcaries byutilizingoral medicalimages havegarneredsignificantatention.Thesedeeplearing-based diagnosticapproaches fordentalcaries have made strides inthreeprimarytasks：identification，detection，andsegmentationof caries.This paper provides an overview and comparative analysis with multiple perspectives of deep learning methodologies appliedtothese tasks，delves intothedatasetsutilizedforcaries diagnosis，andpointsoutthechallenges faced，all with the aim of facilitating intelligent diagnosis of dental caries.

[Keywords] caries diagnosis；oral medical imaginganalysis；deep learning

深度學習，作為人工智能領域的一種新興方法，其層次化表示方法使得其允許由多個處理層組成的計算模型來學習具有抽象級別的數據表示。相比于傳統機器學習方法，深度學習減少了對人工特征工程的需求，且層次化結構使得其更好地利用海量數據的優勢，自動挖掘高維數據中的復雜結構，提升預測精度。典型的深度學習模型包括卷積神經網絡與循環神經網絡。其中，卷積神經網絡通過卷積與池化等操作，有效模擬了人類大腦的信息處理方式，在計算機視覺尤其是圖像處理領域獲得了廣泛的應用；循環神經網絡則主要用于處理序列數據，借助其記憶能力，利用歷史信息影響當前時刻的預測輸出，在自然語言處理領域獲得了大量的應用。當前，深度學習技術已被應用于醫學領域，并在部分問題如乳腺癌診斷、肺結節檢測上獲得了較大的進展。

在口腔醫學領域，深度學習主要被應用于智能預處理（如圖像超分增強、自動定位）、智能診斷（如牙體牙髓病識別）與治療（如治療計劃生成、治療效果評估）幾個方面，涵蓋牙體牙髓病學、牙周病學、口腔外科學、口腔修復學與口腔正畸學等領域的主要問題[24]。在齲病診斷方面，深度學習已經被廣泛應用于口腔X線影像[如咬翼片、根尖片、曲面體層X線片、錐形束CT（conebeamCT，CBCT）]、近紅外透照影像、光學相干斷層掃描影像、定量光誘導熒光影像、口內照等影像下的齲病分析[5-8]，相關研究結論展現出了良好的臨床應用潛力[910]?！?br>