牙结石是导致牙周病的重要致病因素之一，其精准识别对牙周病的防治至关重要。传统牙结石识别方法存在主观性强、准确性低的问题，尤其难以检测龈下隐蔽部位的结石，难以满足现代临床需求。近年来，光学检测技术因其非侵入性和高灵敏度等特点受到广泛关注。多种光学技术为牙结石识别提供了新的思路，如偏振光检测、光学相干断层扫描（optical coherence tomography，OCT）、差示反射法（differential reflectometry）、高光谱成像（hyperspectral imaging，HSI）和荧光光谱系统等。同时，人工智能（artificial intelligence，AI）技术，特别是机器学习和深度学习与光学技术的结合，显著提高了牙结石识别的自动化和智能化程度。本文综述了目前主流的牙结石识别方法，对比分析了各种技术的优缺点，并对未来发展方向进行了展望，旨在为牙结石识别的研究和临床应用提供参考。

头影测量是正颌正畸治疗的重要分析手段，随着三维成像技术的发展，越来越多的医生应用三维成像评估牙颌面畸形程度及制定治疗计划。基于多模态数据的三维测量比二维包含更多的解剖信息，可对牙颌面畸形患者进行更全面的测量分析，该技术目前已成为研究热点。但其在临床应用中存在人工操作费时、费力的问题，近年来人工智能的出现可助力三维头影测量中标志点定位、数据采集分析的自动化。本文将从三维头影测量的研究现状及人工智能在其中的辅助应用等方面进行综述。

随着数字医学的发展，深度学习（deep learning，DL)在口腔医学领域中的应用日益广泛，诸多研究者已逐步将其应用在下颌阻生智齿（impacted mandibular third molar，IMTM)的拔除术中，并将术前影像学检查如X线片、锥形束CT（cone beam CT，CBCT)等与DL结合来辅助医生进行诊断和决策。下牙槽神经（inferior alveolar nerve，IAN)损伤是IMTM拔除术后最严重的并发症之一，DL有望协同影像学检查为医生提供更为客观、准确的神经损伤风险评估意见，提高治疗效果。本文将对现阶段DL在IMTM拔除术的术前影像识别、术前辅助诊断与评估及神经损伤预后预测中的应用进行综述，并对未来DL在IMTM拔除术中的作用进行展望。

目的： 建立基于人工智能（artificial intelligence，AI）的正颌外科手术𬌗板设计方法，并比较其与普通数字化𬌗板的精度差异。方法： 通过相关软件程序建立正颌外科手术𬌗板的设计算法，得到可用的𬌗板自动设计程序，比较同一病例进行手术𬌗板设计所需时间。将40例骨性Ⅱ类错颌畸形患者（20例单颌，20例双颌）咬合模型纳入比较，分别由AI软件和人工数字化软件设计并打印手术𬌗板。将同一组模型分别戴入AI𬌗板与普通𬌗板后扫描获取数字化数据，比较整体偏差与部分牙尖位置偏差。结果： 牙列模型整体偏差分析结果显示，整体偏差均小于0.1 mm，表示AI𬌗板与普通𬌗板在引导模型就位上未见明显区别；牙尖位置偏差比较显示，AI𬌗板与普通𬌗板偏差距离均值约为0.10~0.14 mm；使用AI软件在单颌手术[（10.7±2.4）s]和双颌手术[（21.5±3.9）s]𬌗板设计中均可极大减少设计所需时间。结论： AI𬌗板精度与普通𬌗板相比，未见明显差异，同时其能够提升正颌手术𬌗板的设计效率。

随着数字医学和精准治疗的大量临床实践，人工智能（artificial intelligence, AI）在口腔临床医学领域的研究与应用日益广泛。X线及计算机断层扫描（computed tomography, CT）是口腔疾病的常规检查手段，将其图像与AI相结合，通过分析大量数据，最终可借助基于机器学习的数据驱动分析算法来支持临床诊断和决策，可辅助建立合适的治疗计划。诸多研究表明，基于AI的程序系统性能非常出色，其准确性接近甚至超过经过系统培训的专业人员。本文概述了AI在口腔颌面部X线及CT影像图像处理方面的现有应用及研究进展，以期为口腔疾病的预测、诊断、治疗及预后评估提供新思路。