| 作品介紹 |
本研究針對牙周病引發的骨質流失提出了基於AI的自動化影像分析技術，以提高診斷效率和準確性。牙周病是一種會影響牙齒穩定性與健康的慢性炎症，未及時發現可能造成齒槽骨損失、牙周袋增大、牙齦退縮，最終導致牙齒鬆動或脫落。傳統上，牙醫師需在根尖片（PA）上手動標記ALC和CEJ以評估骨質流失，耗時且易出現誤差。本研究透過分析根尖X光片，準確定位牙槽嵴（ALC）和牙釉質交界（CEJ），作為評估骨頭流失的參考點。
研究方法包含四個步驟：首先，利用YOLO v8模型進行目標檢測，標記牙齒區域，並分為「正常」與「異常」兩類。接著，應用Mask R-CNN進行牙齒實例分割，生成牙齒、骨頭及牙冠三種遮罩。系統在牙齒遮罩階段保留每顆牙的最大面積，並擴展牙冠遮罩以覆蓋牙冠。疊加牙齒與擴展後的牙冠遮罩，定位CEJ；進一步疊加骨頭遮罩後，標示出ALC，為骨質流失評估提供依據。
本研究以Apex為基準，提出兩種牙周流失計算方法：1. 垂直計算法：定位Apex，以CEJ為基準計算Tooth Mask的上下距離，最遠水平線為Apex level。CEJ至Apex level的距離為RL（根長），ALC到Apex的距離為ABH（齒槽骨剩餘量），進行骨質流失量化分析。2. Apex level中點法：取Apex level與Tooth Mask交界中點為根部點，計算CEJ、ALC與根部點的距離，得出RL和ABH，代入公式(3)進行量化評估。
此外，本研究設計的骨質流失評估技術，將骨質流失分成5個等級，並定義8%、15%、40%、60%四個區間，協助醫師進行具體的臨床評估，便於快速了解病情並制定治療方案。 |