1、指导老师临床上主要从事口腔颅颌面创伤与畸形整复的诊疗工作，具有丰富的临床经验。科研上致力于口腔颅颌面外科导航及手术机器人技术的基础及应用研究，长期与工科团队合作，具有丰富“医-工”交叉研究经验。针对本项目已开展了数据集构建、图像分割模型、深度学习和自然语言处理等人工智能相关研究，能够保证项目的顺利完成。

2、所在单位，为上海交通大学医学院附属第九人民医院口腔颅颌面科，系国家口腔医学中心、国家口腔疾病临床医学研究中心、国家重点学科、国家临床重点专科、上海市口腔医学重点实验室的骨干科室；教学部全国高校学科评估，口腔医学评分稳定在“A+”或“A”（排名前三）；2020 年度复旦大学医院管理研究所中国最佳医院声誉排行榜中，口腔医学排名全国第三；在国内外均具有很高的专业和学术声誉。临床上，每年通过数字化技术完成口腔颌面创伤患者的手术治疗近1000例，具有庞大的患者群体，能够满足本项目对临床影像数据采集的需求，为本项目的顺利完成提供了丰厚的临床基础。

3、工科团队，已有10年合作经验，是上海市医学图像处理与计算机辅助手术重点实验室，在医学图像处理、导航配准、计算机视觉、人工智能等方面具备雄厚的科研实力，能为本项目的医学图像识别、自动分割、神经网络模型构建等提供理论和技术保障。

项目简介或设想：

颧上颌骨复合体位于颌面部的中部，作为主要生物力学支柱支撑传导咬合应力，同时为咀嚼肌提供走行空间和附着，是维持颌面部形态和功能的重要骨结构。颧上颌骨复合体骨折在口腔颌面部骨折中较为常见，约占20%-40%。颧上颌骨复合体骨折可能导致面部畸形和功能障碍，引起面部不对称、眶下区感觉麻木、张口受限、眼球移位及复视等，严重影响患者正常生活，如图1。因此，对于颧上颌骨复合体的诊断和治疗，是口腔颌面外科医生所必须掌握的重要技能之一。

        图1. 颧上颌骨复合体骨折

然而，由于颧上颌骨复合体骨折时，常造成颧额缝、颧蝶缝、颧弓、眶下缘及颧上颌缝的多处断裂，往往使医学生或年轻医生难以对其进行准确的诊断分类，进一步影响其制定正确的手术方案，包括手术切口和内固定部位的选择。此外，为了提高颧上颌骨复合体骨折的手术精度，数字化技术已在临床上得到广泛应用，包括计算机辅助导航技术、增强现实动态导航技术、3D打印导板技术等，而这些技术的应用均需要年轻医生或工程师先制定术前手术规划，再由经验丰富的医生确定方案，流程复杂，具有较高的学习曲线，消耗体力和精力。

所以，本项目拟采集颧上颌骨复合体骨折患者的CT临床数据，建立颧上颌骨复合体骨折数据集；通过图像分割模型，对骨折块实现自主分割与建模，并对骨折类型进行分类；通过生成网络，参照健侧的镜像对骨折块进行复位，制定术前手术规划；构建颧上颌骨复合体骨折智能诊疗系统，并通过实验测试其可行性和有效性。

项目现有基础：

1、对于口腔颅颌面部骨骼缺损，利用人工智能神经网络，设计和构建了卷积神经网络模型CMFNet，测试了其对口腔颅颌面CT图像的自动快速定位与分割算法的有效性，并搭建了用于口腔颅颌面缺损智能修复研究的数据集（CMF defects database: A craniomaxillofacial defects dataset and a data-driven repair method. Biomedical Signal Processing and Control. 2024;91: 105939.），如图2。此外，还搭建了下颌骨缺损数据集，如图3，用于智能重建，均为本项目研究积累了方法学基础。

        图2.颅颌面缺损数据集的建立

        图3.下颌骨缺损数据集的建立

2、在口腔颅颌面骨再生基础研究方面，尝试整合了深度学习（DL）和自然语言处理（NLP）的方法，提出了一种将Word2vec与TF-IDF变体（TF-IIDF）相结合的模式算法，以便从262种相关蛋白质的内在无序区（IDR）中巧妙地分辨出潜在的促血管生成肽。在对候选的低聚肽进行评估后，发现了一种三肽（PSP），它在刺激内皮细胞（ECs）血管化、增强血管-骨沟通、进而促进骨髓干细胞（BMSCs）成骨分化方面的能力尤为突出，这在小鼠临界大小颅模型中得到了证实，为开发适用于更广泛疾病的各种基于肽的治疗策略开辟了一条途径（Throw out an oligopeptide to catch a protein: deep learning and natural language processing-screened tripeptide PSP promotes osteolectin-mediated vascularized bone regeneration. Bioactive Materials. 2024,46:37-54），如图4，为本项目积累了人工智能技术应用经验。 

        图4. 利用深度学习和自然语言处理对相关蛋白质进行筛选

预期需要开展的工作：

1、收集颧上颌骨复合体骨折患者的CT临床数据，对骨折块进行图像分割与重建，并参照健侧的镜像对骨折块进行复位，结合临床诊断，建立颧上颌骨复合体骨折数据集。

2、配合工科团队，完成图像分割与生成网络的算法研究与测试，并构建颧上颌骨复合体骨折智能诊疗系统。

3、实验测试，通过输入新的颧上颌骨复合体骨折数据，得出诊断与手术方案，测试智能诊疗系统的可行性和有效性。

拟招募临床医学（八年制口腔医学方向）或口腔医学（“5+3”一体化培养）2-4人，校本部本科生（人工智能、生物医学工程、计算机科学与技术、软件工程等专业）1-2人。