使用自拍口内摄影的牙周健康人工智能评估

本研究的第一部分将收集 300 名访问菲利普牙科医院 (PPDH) 的患者的口腔内照片和临床牙龈指数的口腔视图。 这些口内照片将由患者使用安装有设备（Scanbox）的智能手机（iphone）以标准化方式拍摄，并由临床人员监督质量。 临床牙龈指数将由经过培训和校准的临床人员获取。 或者，临床照片可由有经验的临床医生评估以定位发炎/健康牙龈。 将该合成数据集导入神经网络以学习发炎和健康牙龈的图像特征并训练计算机。

本研究的第二部分将招募 150 名牙龈炎患者，并使用标准化的口内照片和临床牙龈指数纵向跟踪他们在 PPDH 牙龈治疗前后的牙龈状况。 临床牙龈指数是反映牙龈状况变化的金标准。

收集的所有照片将通过计算机（软件：MatLab）进行分析，以确定有助于筛查和监测牙龈状况的关键特征。 然后将收集数据以构建一个程序，该程序可以量化已识别的特征，其中可能包括以下内容：

1. 边缘牙龈组织的颜色
2. 边缘牙龈组织的质地
3. 参考临床牙龈指数的边缘牙龈组织体积。

数据和样本量分析：将使用本研究第一部分中获得的照片和临床指标/评估对计算机进行训练。 然后，受过训练的计算机将仅根据照片来监测本研究第二部分患者牙周状况的变化。 将计算灵敏度（检测真实疾病）、特异性（检测真实健康）和这些曲线下的面积（参考金标准临床牙龈指数），它们是本研究的主要结果。 计算机的训练是一个连续的过程，当灵敏度、特异性和这些曲线下的面积（AUC）达到平台（饱和）时，终点就来了。 因此，本研究第一部分将计算机训练分三个阶段进行，分别有100、200、300个案例，观察其灵敏度、特异度和AUC的变化。

患者报告的使用智能手机自拍的结果将作为次要结果记录在视觉模拟量表 (VAS) 中。

样本量确定：每颗牙齿代表一个单元，假设每个受试者有 20 颗牙齿，将有超过 300 名受试者 X 20 颗牙齿 =6000 个单元进行训练。 对于第 2 部分研究，将招募 150 名受试者和 130X20=2600 个单元用于计算机测试。

所有在菲利普牙科医院就诊的新患者都将通过临床检查筛查牙龈炎症和牙周病。

全部进行基础牙周检查（BPE，包括肉眼检查和牙龈机械探诊），并根据严重程度分配给本科生进行患者护理。

计算机记录可以检索患有牙龈炎症的患者（BPE 评分 2）。 数据处理 所有数据将由非混合成员 (YHL) 进行审查以检查质量。 只会披露与研究结果相关的数据。 所有数据将在研究结束后再保存两年。 之后，数据将被彻底销毁。 主要研究者将在研究期间和之后访问个人数据。