基于全景X光片的深度学习预测下颌第三磨牙与下牙槽管邻近关系
ResNet18模型以最高AUROC(0.829±0.022)、准确率(0.800±0.027)、敏感度(0.817±0.029)成功预测下颌第三磨牙与下牙槽管邻近关系(CBCT定义根-管距离≤1 mm)。
ResNet18模型以最高AUROC(0.829±0.022)、准确率(0.800±0.027)、敏感度(0.817±0.029)成功预测下颌第三磨牙与下牙槽管邻近关系(CBCT定义根-管距离≤1 mm)。
研究开发并评估了基于鼻内镜影像的深度学习辅助决策模型,用于识别由可见中隔-下鼻甲接触点定义的严重鼻腔结构性异常(S-NCSA)。使用双侧鼻腔ResNet34模型,平均诊断策略的准确率为85.5%(95% CI:82.6–88.1),敏感性为66.2%(57.8–73.9),特异性为90.6%(87.8–93.2)。
在这项探索性分析中,25 名中重度阻塞性睡眠呼吸暂停患者接受了多级睡眠手术,术前和术后使用深度学习管道进行 CT 扫描分割。手术后,8 个形态参数显著变化,但无术前参数能预测手术反应。该研究提示,自动 CT 分析能可靠量化上呼吸道重塑,但需进一步独立验证。
科利耳旗下Nucleus Nexa智能人工耳蜗系统入选《时代》周刊2026年度最佳发明榜单,该榜单由编辑团队提名并接受企业申报。系统搭载全球唯一具备可升级固件功能的CI1000系列植入体,可通过无线升级解锁新功能,免去二次手术,并配备SmartSound iQ 2技术自动适应复杂聆听环境,官方宣称上市两年内累积完好率达100%。
研究团队开发了 PlaqueSAM 系统,利用智能手机拍摄口内照片自动检测学龄前儿童牙菌斑。该系统基于 567 名儿童的数据开发,在 81 名儿童测试中,敏感性、特异性和准确率分别为 76.58%、82.47% 和 79.60%。研究认为 PlaqueSAM 有望支持无需专业器械的牙菌斑筛查,但仍需真实世界验证。
研究团队开发并验证了深度学习模型 OCRiskNet,用于口腔潜在恶性疾患的个体化、时变恶性转化风险预测。该回顾性多中心研究基于2003—2024年香港队列开发与内部测试,口腔白斑和口腔苔藓样病变的 C 指数分别为0.9209和0.9207,并在英国和中国大陆独立队列中完成外部验证。模型还显示良好校准和临床效用