Page 35 - 南京医科大学自然版

第45卷第12期 赵 鹃，刘雯丽，祝非凡，等. 人工智能在口腔种植修复中的研究进展、应用与挑战［J］.
2025年12月 南京医科大学学报（自然科学版），2025，45（12）：1709-1718 ·1717 ·

tion of a novel AI ⁃ based automated multimodal image neural network on dental periapical radiographs［J］. J
registration of CBCT and intraoral scan aiding presurgical Clin Med，2021，10（5）：1009
implant planning［J］. Clin Oral Implants Res，2024，35 ［54］OH S，KIM Y J，KIM J，et al. Deep learning⁃based predic⁃
（11）：1506-1517 tion of osseointegration for dental implant using plain
［43］MANGANO F G，ADMAKIN O，LERNER H，et al. Artifi⁃ radiography［J］. BMC Oral Health，2023，23（1）：208
cial intelligence and augmented reality for guided implant ［55］ HA S R，PARK H S，KIM E H，et al. A pilot study using
surgery planning：aproof of concept［J］. J Dent，2023， machine learning methods about factors influencing
133：104485 prognosis of dental implants［J］. J Adv Prosthodont，
［44］ BRANDENBURG L S，GEORGII J，SCHMELZEISEN R， 2018，10（6）：395-400
et al. Reconstruction of dental roots for implant planning ［56］ZHANG C N，FAN L F，ZHANG S S，et al. Deep learning
purposes：a retrospective computational and radiographic based dental implant failure prediction from periapical
assessment of single ⁃ implant cases［J］. Int J Comput and panoramic films［J］. Quant Imaging Med Surg，2023，
Assist Radiol Surg，2024，19（3）：591-599 13（2）：935-945
［45］BRANDENBURG L S，BERGER L，SCHWARZ S J，et al. ［57］ ZHANG H G，SHAN J，ZHANG P，et al. Trabeculae
Reconstruction of dental roots for implant planning microstructure parameters serve as effective predictors for
purposes：a feasibility study［J］. Int J Comput Assist Radiol marginal bone loss of dental implant in the mandible［J］.
Surg，2022，17（10）：1957-1968 Sci Rep，2020，10（1）：18437
［46］ TÜRKER H，AKSOY B，ÖZSOY K. Fabrication of ［58］ LEE D W，KIM S Y，JEONG S N，et al. Artificial intelligence
Customized dental guide by stereolithography method in fractured dental implant detection and classification：
and evaluation of dimensional accuracy with artificial evaluation using dataset from two dental hospitals［J］.
neural networks［J］. J Mech Behav Biomed Mater，2022， Diagnostics（Basel），2021，11（2）：233
126：105071 ［59］ TIRYAKI B，OZDOGAN A，GULLER M T，et al. Dental
［47］ ELGARBA B M，FONTENELE R C，TARCE M，et al. implant brand and angle identification using deep neural
Artificial intelligence serving pre⁃surgical digital implant networks［J］. J Prosthet Dent，2025，133（6）：1528-1534
planning：a scoping review［J］. J Dent，2024，143：104862 ［60］ LEE J H，KIM Y T，LEE J B，et al. A performance
［48］戴雨霖，张新春. 人工智能在口腔修复诊疗中的应用与 comparison between automated deep learning and dental
进展［J］. 中华口腔医学研究杂志（电子版），2024，18 professionals in classification of dental implant systems
（1）：65-69 from dental imaging：a multi⁃center study［J］. Diagnostics
DAI Y L，ZHANG X C. Artificial intplligence for prosth⁃ （Basel），2020，10（11）：910
odontic treatments. applications and development［J］. ［61］KONG H J，YOO J Y，LEE J H，et al. Performance evalua⁃
Chinese Journal of Stomatological Research（Electronic tion of deep learning models for the classification and
Edition），2024，18（1）：65-69 identification of dental implants［J］. J Prosthet Dent，
［49］ CAO Z G，QIN C X，FAN S C，et al. Pilot study of a 2025，133（6）：1521-1527
surgical robot system for zygomatic implant placement［J］. ［62］PARK W，SCHWENDICKE F，KROIS J，et al. Identifi⁃
Med Eng Phys，2020，75：72-78 cation of dental implant systems using a large⁃scale
［50］XIAO Y J，LIANG Q H，ZHOU L，et al. Construction of a multicenter data set［J］. J Dent Res，2023，102（7）：727-
new automatic grading system for jaw bone mineral density 733
level based on deep learning using cone beam computed ［63］TIAN S K，WANG M H，DAI N，et al. DCPR⁃GAN：dental
tomography［J］. Sci Rep，2022，12（1）：12841 crown prosthesis restoration using two ⁃ stage generative
［51］ SAKAI T，LI H F，SHIMADA T，et al. Development of adversarial networks［J］. IEEE J Biomed Health Inform，
artificial intelligence model for supporting implant 2022，26（1）：151-160
drilling protocol decision making［J］. J Prosthodont Res， ［64］CHO J H，ÇAKMAK G，CHOI J，et al. Deep learning⁃
2023，67（3）：360-365 designed implant ⁃ supported posterior crowns：Assessing
［52］ LIU M，WANG S M，CHEN H，et al. A pilot study of a time efficiency，tooth morphology，emergence profile，
deep learning approach to detect marginal bone loss occlusion，and proximal contacts［J］. J Dent，2024，147：
around implants［J］. BMC Oral Health，2022，22（1）：11 105142
［53］ CHA J Y，YOON H I，YEO I S，et al. Peri⁃implant bone ［65］CHO J H，ÇAKMAK G，YI Y，et al. Tooth morphology，
loss measurement using a region ⁃ based convolutional internal fit，occlusion and proximal contacts of dental