近年来，龋齿和牙结石在全球范围内普遍存在，对口腔和全身健康构成重大威胁。由于相似的临床表现，这两种疾病在早期阶段经常被误诊，但它们的病理机制和治疗方法却大相径庭。准确、及时地区分龋齿和牙结石对于有效干预和靶向治疗至关重要。目前的临床诊断高度依赖于目视与探针检查，这种视觉诊断和一些传统光学成像方法难以兼顾诊断的准确性与自动化程度。高光谱成像技术（HSI）为此提供了新的技术途径，通过整合成像和光谱学，HSI能够精确识别健康牙釉质和各种病变组织之间的特征光谱差异，为准确区分龋齿和牙结石提供了关键的诊断证据。将HSI与人工智能算法相结合，有望显著提高诊断性能并实现自动化诊断决策，但目前仍需明确其能力边界。因此，更准确、更方便的龋齿和牙结石自动分类需要进一步深入研究。
鉴于此，同济大学物理科学与工程学院王占山教授和程鑫彬教授团队提出一种基于宽带高光谱成像和轻量级人工智能算法的新型快速诊断方法。该方法通过采集牙齿表面的高光谱数据立方体，利用逐像素识别/预测网络实现了对牙釉质、牙结石和龋齿病变的高效光谱分类。结果显示，与传统的高光谱图像分割网络相比，该方法在显著降低训练和诊断时间的同时，达到了99.77±0.15%的高准确率，并克服了对人工标注的依赖。值得注意的是，该方法能检测出纹理混淆、难以人工界定的牙结石-龋损共生界面。此外，研究还生成了伪彩色掩模直观地表示牙齿病变，验证了实际应用的有效性。该研究成果以“Discrimination of dental caries and calculus using hyperspectral imaging and lightweight edge artificial intelligence”为题发表在工程技术二区期刊《Optics & Lasers in Engineering》上。
图1 （a）牙齿高光谱图像的三维数据立方体；（b）标本中牙釉质、牙结石和龋齿区域的光谱曲线。
临床诊断中，早期龋齿和牙结石在颜色上具有较高的相似性，并表现出重叠的纹理特征和相近的病变区域。本研究通过光谱分类网络和逐像素预测生成可视化掩模实现了对健康牙釉质、牙结石和龋齿病变的高效光谱分类。由于原始标本中牙结石和龋齿在牙齿表面占比较小，类别不平衡问题严重，我们实施了感兴趣区域（ROI）标记策略，克服了对人工标注的依赖，提取出健康牙釉质、牙结石和龋齿位置对应的光谱曲线作为模型的数据集（图1）。将3类光谱特征曲线输入1D-CNN-12分类网络中，输出训练完备的分类模型。为了进一步验证实际临床应用的可行性，我们使用训练输出的分类模型，对牙齿表面每个像素的光谱数据进行了独立分类，生成了牙齿表面的伪彩色掩模，以直观地表示牙齿病变。
图2光谱曲线数据集示意图和混淆矩阵。(a)正常牙釉质；(b)牙结石；(c)龋齿；(d)三分类模型的混淆矩阵。
图3可视化伪彩色掩膜诊断结果比较（红色代表牙结石；绿色代表龋齿）。
结果表明，我们使用的鉴别模型在全光谱数据集上对三分类任务（正常牙釉质、牙结石和龋齿）的识别准确率达到了99.77±0.15%。从图3的可视化结果可以看出，我们的方法识别的病变区域与临床医生标记的核心区域之间存在很强的一致性，明显优于传统高光谱图像分割方法的结果。此外，算法捕获的复杂边界可以更忠实地表示生物组织固有的真实生长模式，并成功地检测了牙结石-龋齿共生界面，这是人工标注无法实现的。在诊断速度方面，对于单齿面预测任务，我们提出的轻量化分类网络和逐像素判别的方法仅需477.6 ms，比经典的基于U-Net的图像分割方法（1176.0 ms）提升约50%，训练过程明显简化。该方法为牙结石和龋齿自动检测提供了一种高精度、高效率的新型临床工具，为未来的原位检测、社区筛查和居家自检提供了研究基础。
同济大学王绪泉助理教授和周敏副教授为论文通讯作者，同济大学博士研究生郭诗瑶和硕士研究生孜里亚为论文共同第一作者。对论文做出重要贡献的合作者还包括同济大学顿雄副教授、博士研究生马志远。
论文链接：https://doi.org/10.1016/j.optlaseng.2025.109242
