锥束束CT中腭中缝成熟阶段的数据集

这对日常牙科护理为何重要

当儿童和青少年需要戴牙套时，一个常见的问题是上颌过窄。牙医可以使用特殊装置轻度扩宽上颌，但最安全、创伤最小的方法仅在口腔顶部的一条骨缝——腭中缝仍然开放时有效。一旦该缝闭合，可能需要更强的器械甚至外科手术。本研究提供了一个精心构建的影像数据集和一个人工智能（AI）模型，帮助牙医判断该缝的融合程度，旨在更准确、一致地指导治疗决策。

口腔顶部的隐形缝隙

腭中缝是一条沿腭中心延伸的天然连接，使上颌在儿童和青少年期能够向外生长。当上颌过窄时，医生经常使用快速上颌扩张术，通过装置将上颌左右两半逐渐推开。如果腭中缝仍然开放，通常牙齿固定的扩张器就足够。但如果腭中缝已融合为实质骨，医生则需使用骨固定扩张器或进行手术，这些方法更复杂、侵入性更强。因此，判断缝是否开放会直接影响患者的舒适度、风险与费用。

解读三维牙科影像的挑战

目前，专家通常通过目测评估锥束CT（CBCT）扫描中的腭中缝成熟度，并将每位患者分为A（明显开放）到E（完全融合）五个阶段之一。这个由Angelieri及其同事提出的常用系统有助于指导治疗选择，但也存在缺点。在影像模糊不清时，不同临床医生可能存在分歧，而且二维切片可能错过重要的三维细节。作者指出，视觉检查既耗时又主观，在边界病例中特别棘手。同时，以往的AI尝试常只使用薄的横断面而非完整三维体积，可能丢失关键信息。

构建丰富且经过严审的数据集

为解决这些问题，团队收集了600例年龄在4至25岁的CBCT扫描，并仔细去除所有个人识别信息。一位经验丰富的正畸医师首先通过描绘口腔顶部的真实曲线而非使用平面切片，为每位患者创建了个性化的腭部图像，确保整个腭中缝均可见。随后，一位正畸医师和一位颌面影像专家分别独立将每例分到五个标准阶段之一，并在一个月后重复判读。统计检验显示，两位专家之间以及每位专家随时间的一致性都很高，表明这些阶段标签是可靠的。除影像外，研究者还记录了年龄、性别、牙齿成熟度、颈椎骨成熟度、腭形态以及缝周围骨密度等临床信息。

AI如何识别出人眼可能忽略的模式

利用该数据集，作者构建了一个结合两类信息的AI模型：三维CBCT影像和伴随的表格化测量值。一个三维卷积神经网络从完整扫描体积中学习模式，而一个较简单的网络处理诸如年龄和骨密度等临床数值。这两条信息流随后融合为单一表征，用于预测腭中缝阶段。为确保公平性与稳健性，团队对多次随机划分的数据重复训练。融合模型始终优于仅使用影像或仅使用临床数据的版本，表明解剖信息与患者背景都很重要。总体而言，该模型达到了较高的准确度，其区分各阶段的能力在所有类别上均反映为超过0.95的曲线下面积值。

窥探模型的推理过程

为了理解AI关注的区域，研究者使用一种称为Grad‑CAM的方法生成了热图。这些可视化覆盖层突出显示了对模型决策贡献最大的上颌和腭部区域，集中在腭中缝及其邻近骨组织处。这让临床医生更放心，因为AI是基于有解剖学意义的特征而非无关的图像伪影作出判断。与此同时，作者也注意到过拟合的迹象——模型可能对训练数据学习得过好，从而在新诊所或不同扫描设备上无法完美泛化——强调需要更大规模、多中心的数据集和进一步改进。

这对未来正畸治疗意味着什么

对患者及其家庭而言，这项工作的实际前景是能更一致地判断何时简单的扩张器足够、何时真正需要更强的器械或手术。作者将三维影像、临床表格和代码公开，邀请其他团队在此基础上构建和测试他们的系统。如果在不同人群和设备上得到验证，基于AI的腭中缝分期可将一项依赖经验、困难的判断转变为标准化工具，减少试探性决策并帮助根据每个人骨骼发育的真实阶段定制扩颌治疗。

引用: Zuo, Z., Jia, B., Xiao, Y. et al. A dataset of midpalatal suture maturation stage in cone-beam computed tomography. Sci Data 13, 531 (2026). https://doi.org/10.1038/s41597-026-06778-3

关键词: 腭中缝, 正畸扩弓, 锥束CT, 医学影像人工智能, 骨骼生长阶段