AI深度解读牙科全景片：多类别口腔疾病智能诊断新方案

牙科全景片表面看是二维图像，实际上蕴含的信息相当繁复。影像科医师在判读全景片时，往往需要在"全局视野"与"局部特征"之间反复切换：先审视牙列排列、颌骨形态及整体解剖布局，随后再针对可疑牙位、病损范围以及修复体状态进行细致观察。然而，这一过程对人工智能系统而言并不简单。

龋坏、牙石、根尖区域病变等目标在影像中仅占据极小比例；部分病损边界模糊，与正常牙体组织、修复材料或骨组织容易混淆；加之临床实际数据中各类疾病的发生频率存在显著差异，模型容易遗漏罕见类型或误判复杂区域。

牙齿并非普通物体。全景影像中的牙冠、牙根、根管及牙周组织具有显著的解剖方向性，尤其是牙根与根管区域，常表现为纵向延伸特征。倘若模型完全采用通用图像识别方式处理牙科影像，便可能遗漏这些对临床诊断至关重要的结构信息。

这一特性对于龋齿、根尖周炎、根管填充、残根残冠等目标的识别尤为关键，因为这些病变或治疗痕迹与牙体形态、牙根走向及局部解剖结构存在密切关联。

牙科疾病诊断存在一个固有矛盾：微小病灶需要足够精细的观察，而整体结构同样不能忽视。早期龋齿和牙结石要求模型聚焦牙冠边缘、邻面区域及细微密度差异；而种植体、固定桥、冠修复等目标，则需结合更宏观的结构范围进行综合判断。