基于深度学习的下齿槽神经磁共振神经影像分割可行性研究

为何这条微小的齿科神经很重要

穿行于下颌骨内的这条神经让你感觉到牙齿、唇部和下巴的触觉。牙医在操作时会尽力避免损伤它，但在常规影像上往往难以清晰可见。本研究探讨能否通过一种特殊的MRI结合人工智能更直接地勾画该神经，未来或可使常见的齿科手术更安全、术前规划更精确。

现有颌部影像的局限

目前，牙医通常依赖全景X光和锥束CT扫描来估计该神经的位置。这些影像显示的是包绕神经的骨性管道，而非神经本身，而且仅在大约六成人群中能清晰看到管道边界。当患者在植入物后出现麻木或疼痛时，CT常常无法判断仅是骨壁受损还是管内神经被挫伤或断裂。这种不确定性使得评估损伤严重程度和预期恢复变得困难。

能直接显示神经的扫描

磁共振神经影像是一种改良的MRI，旨在通过抑制血管信号和减少运动伪影来突出神经。在面部和颌部，它能够揭示沿神经纤维的肿胀或损伤等变化，提供基于骨骼的扫描无法获得的信息。尽管具有这些优势，但它很少与可快速且一致地追踪小神经的自动化工具结合使用。作者们旨在探究深度学习系统是否能在这些以神经为中心的MRI影像上直接学习并分割下齿槽神经。

教计算机描绘神经

研究团队收集了来自29名因神经问题接受磁共振神经影像检查的患者中51条健康下颌神经的6000多张影像。专家放射科医师在每张切片上仔细标注神经，建立可信的参考标准。研究人员随后将影像预处理为统一的方形，并训练了一种专门的神经网络，该网络既能捕捉细微结构又能把握更广泛的上下文，从而在外观相似的软组织中识别出细小且微弱的神经。他们将该模型与六种用于小型医学结构分割的主流网络进行了比较。

模型的表现如何

该新系统在四项常用的分割质量指标上均优于六种竞争方法。其预测的神经轮廓与专家标注的重叠程度平均与文献中两位人工读者分割其他周围神经时的互相重现性相当。研究者还超越了原始数值，分析了不同类型的失败：完全漏检神经、所画路径偏离真实走向或边界过松过紧等情形。他们的模型在每类失败上的发生率都最低。即便在许多受牙科金属引起的亮条纹伪影影响的扫描中，系统仍能较好地跟随神经，尽管在一个特别严重畸变的病例中所有模型均未能成功。

这对牙科护理意味着什么

这项工作尚未提供可在常规门诊中一键使用的工具，并且仅在单中心、数量有限且为正常神经的患者上进行了测试。不过，它表明以神经为中心的MRI结合定制的深度学习模型能够以有前景的可靠性分割下齿槽神经。未来，此类工具可减轻手动描绘的负担，为植入或颌面手术前为外科医生提供更清晰的神经地图，并有助于随时间追踪受伤神经的细微变化。

引用: Choi, Y.J., Han, S., Lee, C. et al. A feasibility study of deep learning-based segmentation of the inferior alveolar nerve on magnetic resonance neurography. Sci Rep 16, 15433 (2026). https://doi.org/10.1038/s41598-026-45392-6

关键词: 下齿槽神经, 牙科影像, 磁共振神经影像, 深度学习分割, 口腔外科术前规划