数字化技术辅助牙隐裂检测研究进展

数字化技术辅助牙隐裂检测研究进展

引用本文：张艾頔，曾涵柔，李长芳，等.数字化技术辅助牙隐裂检测研究进展[J].中国实用口腔科杂志，2024，17（6）：722-726. DOI：10.19538/j.kq.2024.06.014

作者姓名：张艾頔1，曾涵柔2，李长芳1，王    玮1

基金项目：国家自然科学基金面上项目（82370942）

作者单位：1. 口颌系统重建与再生全国重点实验室，国家口腔疾病临床医学研究中心，陕西省口腔医学重点实验室，空军军医大学口腔医院牙体牙髓病科，陕西 西安 710032；2. 西北工业大学生命学院，陕西 西安 710072

通信作者：王玮，电子信箱：weiwang_0510@163.com

摘要：牙隐裂是继龋病和牙周病之后成年人后牙缺失的第三大病因。由于目前传统的检测技术和检测仪器精准度不高，易造成漏诊、误诊而耽误最佳治疗时间，早发现、早诊断对于隐裂牙的存留尤为关键。随着数字化技术在口腔医学领域的广泛应用，牙隐裂的诊断有了新的技术保障。文章就吲哚菁绿辅助近红外光成像、造影剂加强锥形术CT成像、X射线暗场断层扫描成像、数字图像相关法、人工智能技术辅助成像、定量光诱导荧光技术等数字化技术在牙隐裂检测中的应用研究进展做一综述，简要阐明以上技术的优缺点、临床应用现状及前景展望，为未来相关研究方向提供参考依据。

关键词：牙隐裂；数字化技术；吲哚菁绿；造影剂；X射线暗场断层扫描；数字图像相关法；卷积神经网络；定量光诱导荧光

牙隐裂（cracked tooth）是起始于牙冠、深度和方向不确定的牙体硬组织不完全性折裂，可能累及牙髓或牙周组织。2022年，美国牙髓病协会（American Association of Endodontists，AAE）将牙体折裂分成六大类［1］：牙体硬组织V型缺损（abfraction）、牙釉质表面裂纹（infraction craze line）、牙隐裂、牙尖折裂（fracture）、根折（root fractures）和纵裂（longitudinal fracture）。目前，牙隐裂已成为继龋病和牙周病之后成年人后牙缺失的第三大病因［2］。据报道，70%成年人至少有1颗后牙有明显的裂纹，大约20%成年人的牙隐裂会出现临床症状［3］。然而，对于有症状的牙隐裂患者的确诊率只有5.6%［4］。我国学者研究发现，多发性牙隐裂占牙隐裂总患病率的29.0%，其中17.2%呈对称性分布［5］。裂纹的检测、范围、方向和大小均会影响牙齿的预后［6］。因此，早发现和早诊断对隐裂牙的存留至关重要。

目前，牙隐裂诊断是基于患者的病史和症状，结合视诊、叩诊、染色、温度检测等方法进行，对于肉眼及牙科显微镜下可见的隐裂，应用传统方法基本可得出比较准确的诊断。但是，当隐裂纹处在龋坏或发育沟等部位时，传统检测方法并不是很理想。随着数字化技术在口腔医学领域的创新和应用［7］，牙隐裂的诊断有了新的技术保障。口腔数字化技术是指通过数字化的硬件和软件，辅助口腔医生实现精确、高效、自动、智能的口腔疾病诊断与治疗的技术。本文就数字化技术辅助牙隐裂检测研究进展做一综述，阐明常用数字化技术的优缺点、临床应用现状及前景展望。
1    吲哚菁绿辅助近红外光检测牙隐裂
吲哚菁绿（indocyanine green，ICG）是一种水溶性荧光三碳菁染料，自1956年以来在视网膜血管造影、癌症手术成像、淋巴结检测等方面得到了广泛应用［8］。近期，有研究报道，ICG可作为造影剂增强近红外光（near infrared，NIR）在口腔医学领域的成像效果［9］。

NIR的光谱成像装置一般由光源、光源探测器及数字采集器组成。NIR是介于可见光与中红外光之间的电磁波，分为近红外短波（NIR-Ⅰ波长700 ~ 1000 nm）和近红外长波（NIR-Ⅱ波长1000 ~ 1700 nm）。牙本质和牙釉质在NIR下具有不同的散射特性，特别是在波长超过1000 nm的情况下区别更明显［10］。Li等［11-12］通过研究发现，ICG作为造影剂辅助NIR-Ⅱ成像较为清晰，其可显示出Micro-CT观察不到的釉质微裂纹。此外，光线方向是裂纹检测的重要因素，角度曝光比平行曝光可获得更好的裂纹图像对比［13］。进一步研究发现，将ICG作为牙齿浸泡液，浸泡1 min并辅以NIR成像，也可观察到清晰的裂纹图像，且随着浸泡时间的延长图像对比度会变高［13］。大鼠体内研究发现，在短时间内低剂量的ICG溶液仍可实现口腔内2种波长的NIR成像，因此推断将ICG加入到漱口水中，可作为一种无创的输送方式应用于牙隐裂的检测，便于NIR成像［14］。

目前，NIR在牙隐裂检测中的临床应用已有文献报道［15］；而由于ICG使用方法和剂量的问题，ICG辅助NIR在牙齿检测成像方面研究仅有大鼠实验结果，尚无临床研究结果。未来需规范ICG在口腔中的使用方法，并结合口腔这一特殊环境制定个性化光学元件配置来提高性能，使其能够早日应用于临床检查中。
2    造影剂加强锥形术CT牙隐裂成像
X射线、锥形术CT（cone beam CT，CBCT）等检查的放射剂量越大，成像质量越高，但会对人体产生损伤；而过小的剂量成像质量不佳，会影响最终影像结果的判读。造影剂也称对比剂，是一种常用的辅助成像手段，是将造影剂注入到人体组织或器官中从而增强影像的对比效果，以达到准确观察的目的。CBCT常用于牙齿根折的检测［16-17］，对牙隐裂的诊断并不理想。有研究显示，将造影剂与CBCT结合后可提高牙隐裂的检出率［18-20］。

泛影葡胺（meglumine diatrizoate，MD）是一种水溶性造影剂，半衰期较短，代谢快，经尿液排出，不良反应少；据报道，MD可作为造影剂提高CBCT对牙隐裂的检出率［18］。Hu等［19］应用了一种比MD渗透压高的新型造影剂——碘化钠（sodium iodide，NaI），其与具有良好亲水性的二甲基亚砜（dimethyl sulfoxide，DMSO）相结合显示出更好的渗透性和流动性，易渗透到牙釉质裂纹中，在NaI+DMSO造影剂的加强下，经CBCT甚至观察到小于25 μm的裂纹。非离子碘化造影剂碘佛醇是一种常用于动脉血管的造影剂，体外研究发现，真空条件下将碘佛醇渗透到牙釉质裂纹中，可提高CBCT对牙隐裂的检出率［20］。

目前，各种造影剂加强CBCT牙隐裂检测技术仅进行了体外实验，由于口内早期的牙釉质裂纹都比较细小，裂纹中又含有唾液，这些因素都会影响造影剂的渗透，从而影响增强后CBCT的成像效果，因此仍需临床研究予以验证。
3    X射线暗场断层扫描牙隐裂
暗场断层扫描成像是利用非直射光（如散射光、折射光和荧光等）对物质进行成像；X射线暗场断层扫描（X-ray dark-field tomography，XDT）是在X射线下，在一定距离上获得光栅的自成像，利用光栅对物体光强的变化获取每个像素点的信息，对信息进行重建，从而生成图像［21］。与传统X线成像相比，XDT成像可为某些类型的软组织（如肺组织）提供更好的对比度，在慢性阻塞性肺疾病患者肺气肿的检测方面具有明显优势［22］。

XDT在检测牙隐裂方面，除衰减信号外，还能同时检测X射线小角散射，而小角散射对微米范围最敏感。该方法既能检测到衰减信号中的较大裂纹，也能检测到散射信号中的微裂纹。Jud等［23］的研究证实了XDT在牙齿裂纹检测中的潜力。但目前为止，重建算法需要来自许多不同方向的样本投影，导致采集方案复杂，采集时间较长，若将XDT应用于体内可能会因为牙齿方向而受到限制。而且，Jud等［23］应用的XDT辐射剂量超出临床剂量范围，因此尚无临床研究结果。
4    基于数字图像相关法的牙隐裂检测
数字图像相关法（digital image correlation，DIC），又称数字散斑相关法，其基本原理是对变形前图像中的感兴趣区域进行网格划分，再针对每个子区域，通过一定的搜索方法按预先定义的相关函数来进行计算；在变形后图像中寻找与该子区域的互相关系数最大的区域，即该子区域在变形后的位置，进而获得该子区域的位移；根据变形前后的图像灰度值进行关联计算，判断是否有裂纹。目前，DIC已在工程与生物力学等领域得到广泛应用［24］。在口腔医学领域，如种植体的形变及光固化树脂复合材料的力学性能等方面也开始崭露头角［25-26］。

Zhang等［27］通过热胀冷缩原理建立了裂纹牙模型，然后将其放置于万能实验机，施加压力（在正常咀嚼力范围内），期间进行图像采集（图像采集装置主要由三轴运动平台、带有白光照明系统的CCD摄像机、运动控制与图像处理系统三部分组成）；通过DIC将变形前后的图像进行对比计算，得出所产生裂纹的位移量，且可将其可视化，以此来评估裂纹大小，并通过DIC计算牙齿裂纹的应变场。DIC还可与牙科显微镜结合使用，然后利用局部放大图像进行应变场计算和裂纹提取。通过进一步发展，基于DIC有望研发出一种便携式无损检查牙隐裂的新型临床设备。
5    基于人工智能技术的牙隐裂自动检测
随着计算机技术的快速发展，人工智能在口腔医学领域进步显著，卷积神经网络（convolutional neural networks，CNN）在影像学及病理学领域广泛应用［28-29］。以CNN为代表的人工智能技术已应用于各种物体表面裂纹检测，如桥梁裂纹的检测等；根据对裂纹检测的方式不同，可分为三大类：基于图像分类的方法、基于目标检测的方法和基于语义分割的方法［30］。

Guo等［31］基于图像的牙隐裂检测是在ResNet50模型的基础上设计了CNN模型，将CNN分类器与滑动窗口算法相结合进行人工智能检测；CNN检测流程包括：建立隐裂牙数据库，训练CNN模型和利用热胀冷缩原理建立大量的隐裂牙模型，并用相机记录隐裂牙模型图片，然后对训练好的CNN模型进行测试训练和验证；结果显示其牙隐裂检测准确率达90.39%；但此CNN模型是基于人造隐裂牙模型训练的，真实的口腔环境比较复杂，这种诊断方法是否适用于临床仍需要进一步研究。在光学显微镜的性能基础上结合CNN对牙隐裂进行检测［32］，可提高牙隐裂检测的准确性，光学成像成本低，且成像没有伪影，避免了U-Net深度学习框架在CBCT牙齿裂纹分割中的局限性，为医生提供更可靠的辅助诊断结果。

人工智能在疾病诊断方面拥有广阔的前景［33-34］，也在牙体牙髓病学领域得到较好的发展，如牙齿根管解剖系统的研究、预测牙髓细胞活力、机器人辅助牙髓治疗等方面［7］。实验室技术中牙齿微裂纹的研究已经由二维向三维转化，并通过人工智能模型进行数据处理和图像采集，机器学习结合CT对牙隐裂进行三维表征［35-36］。目前，对于牙隐裂的检测，人工智能采集信息的方式单一，只适用于牙冠浅表裂纹等；因此，将基于人工智能的检测方法与其他成像方式相结合，更有利于科学研究或检测其他类型的牙隐裂［36-38］。优化硬件、软件可能会提供更加智能化、自动化和专业化的人工智能诊断方法，但在应用于日常临床实践之前，还需要进一步验证其可靠性、适用性和成本效益。
6    定量光诱导荧光技术检测牙隐裂
定量光诱导荧光（quantitative light-induced fluorescence，QLF）是一种诊断工具，在可见光（波长405 nm）照射下会引起牙齿自身荧光反应。因牙釉质散射程度较低，病变处散射程度较高，导致裂隙中断透光，呈现明显较暗的线条，使龋齿、牙釉质缺陷和牙齿裂纹等可视化；由于细菌代谢产物（如卟啉）自身可产生红色荧光，当红色荧光穿透了裂缝线则证明此裂纹已有细菌侵入，且细菌已存在了较长时间［39］。

Jun等［40］通过收集人离体牙进行QLF检测，结果表明，QLF技术不仅可检测牙釉质裂纹，还可根据专用的分析软件计算最大荧光损失量，从而量化裂纹深度［41］。目前，QLF技术已应用于临床，并成功检查出肉眼看不到的裂纹［41-43］，为明确诊断及治疗计划的制定提供参考依据。

综上，QLF技术是诊断牙釉质裂纹的有效工具，具有无辐射、操作简单、可用于椅旁操作等优点。现有临床研究表明，QLF作为辅助诊断技术，可提高牙隐裂的早期诊断率，对于隐裂牙的存留具有重要意义［41-43］。
7    其他
除上述技术外，还有许多其他检测牙隐裂的数字化技术［44］，如扫频光学相干断层成像、激光超声检测、磁共振成像检测等技术。扫频光学相干断层成像是一种新型的基于傅里叶变换的医学成像技术，其超快的扫描速度使得在较短时间内即可得到大量数据；3D图像的生成可精准定位裂纹的位置、深度和方向，但只限于NIR能穿透的牙冠部分［45］。激光超声检测技术可显示出X线观察不到的隐裂纹，然而口内金属修复体和充填物的存在易影响成像结果；此外，检测时换能器的界面需与裂纹垂直［46］。磁共振成像具有无辐射、无创等优点，但由于价格昂贵、噪音大、信号来源于骨髓等因素仍未在口腔临床中普及使用［47］。

8    小结
数字化技术的飞速发展和广泛应用，极大提高了口腔临床诊疗技术及科学研究水平。在牙隐裂检测方面也出现了一定的尝试，且有些技术已应用于临床牙隐裂的检测中，如QLF技术。ICG辅助NIR和造影剂加强CBCT成像技术目前仅应用于牙隐裂检测的体外研究，但ICG辅助NIR和造影剂加强放射成像技术已广泛应用于淋巴、血管造影等临床专业领域，且单纯NIR的牙隐裂检测已于临床中展开应用。XDT、DIC和以人工智能为基础的CNN也已在除口腔领域外的其他医学专业领域广泛使用，其在牙隐裂检测中具有良好的应用前景。除了上述技术以外，还有一些如扫频光学相干断层成像、磁共振成像等技术，由于口腔可操作空间小、牙齿形状结构的特殊性，以及技术方面存在的一些不足导致其暂时无法在牙隐裂临床检测中开展应用。新技术虽然在某些程度上可弥补传统技术的不足，但新技术成熟度不高，期待在未来能够解决技术屏障，将更加快捷、高效、精确的技术尽早在牙隐裂临床检测中开展应用。