口腔医学研究

作者：尹清, 唐倩, 包幸福

单位：吉林大学口腔医院正畸科 吉林 长春 130021

关键词：菌斑识别,正畸,口腔健康,口腔健康保健,深度学习,

基金：吉林省口腔正畸临床医学研究中心(编号:YDZJ202402073CXJD)

目的:接受固定矫治器的正畸患者常因口腔内托槽、弓丝等装置的存在而难以观察牙菌斑,易导致清洁不足,进而引发釉质脱矿、龋齿及牙周疾病等问题。本研究旨在系统评估YOLOv7模型通过固定矫治患者使用智能手机拍摄的口腔照片识别牙菌斑的性能与可行性。方法:本研究于2024年3月~2025年6月期间,从吉林大学口腔医院正畸科收集23例固定矫治患者的口腔内牙菌斑染色图像,将其划分为训练集、验证集和测试集3组。采用配备图形处理器(graphics processing unit,GPU)的计算机,安装Python、PyTorch、Torchvision等必要软件包构建YOLOv7运行环境。通过训练集训练模型、验证集验证模型、测试集测试模型,确定最佳学习权重,使算法能够识别正畸患者口腔照片中的牙菌斑。结果:实验结果表明,该模型在接受固定正畸治疗的患者中牙菌斑识别精确率(precision,P)为82.91%,回归率(recall,R)为78.00%,平均精度均值(mean average precision,mAP50)为79.60%。该模型检测成功率优于患者和正畸医师对牙菌斑图像的视觉识别。结论:上述结果表明基于YOLOv7的深度学习算法已达到临床应用水平。本研究使固定矫治患者仅需使用智能手机拍摄口腔照片即可获得实时牙菌斑检测结果。未来将该模型集成至软件系统,将显著提升固定矫治患者日常口腔卫生管理的可行性和有效性。

来源：2026年第3期

《口腔医学研究》期刊编辑部

查看口腔医学研究杂志2026年第3期