简介：摘要目的通过深度学习的方法，开发具备判断儿童牙齿是否龋坏尤其是判断未成洞龋能力的人工智能识别系统雏形。方法收集北京大学口腔医学院·口腔医院儿童口腔科2013年10月至2020年6月拍摄的符合纳入标准的全身麻醉治疗前患儿单颌口内数码照片712张，以记录完备的治疗后病历诊断结合口内像确定牙齿是否龋坏以及龋的类型，具体包括：已成洞的龋（成洞龋）、未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋（未成洞邻面龋）。由儿童口腔科医师使用VoTT软件（Windows 2.1.0，Microsoft，美国）对不同牙齿及龋坏类型进行标注。分5个标签组：未成洞窝沟龋、未成洞邻面龋、完好无龋坏的牙齿邻面、成洞龋及无龋牙（含已完好充填的牙齿）；每个标签组数据按6.4∶ 1.6∶ 2.0的比例采用随机数表的方法随机分为训练集、验证集和测试集数据。采用标注后的训练数据集进行深度学习训练，并建立龋齿人工智能识别系统，以龋坏概率大于50.0%作为患龋的判断标准输出判断结果，并对测试集数据进行识别。应用灵敏度、特异度等作为识别各类龋坏准确性的指标评价人工智能系统的判断能力。结果712张单颌口内照片经分割标注得到未成洞窝沟龋953张，未成洞邻面龋1 002张，成洞龋3 008张，无龋牙3 189张，无龋邻面862张，共计9 014张图像数据。测试集的识别结果：对成洞龋识别灵敏度和特异度分别为96.0%和97.0%；对未成洞窝沟龋灵敏度为95.8%，特异度99.0%；对未成洞邻面龋灵敏度为88.1%，特异度97.1%。结论本研究构建的儿童龋人工智能识别系统雏形，具备判断龋坏的能力，对同组样本该系统不仅能准确判断成洞龋，对未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋也能准确判断。