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，人工智能技术，特别是机器学习和深度学习与光学技术相结合，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。

腮腺是唾液腺肿瘤最高发的解剖部位，其复杂的解剖结构对手术精度要求极高。本文报道1例应用手术导航（surgery navigation，SN）系统精准切除腮腺深叶肿瘤的病例。通过SN系统，术中实现了肿瘤周围重要的神经血管的完整保留，术后患者恢复良好。本病例证实，SN系统在腮腺深叶肿瘤切除术中具有良好的临床应用价值。

细胞膜包被纳米颗粒（cell membrane-coated nanoparticles，CMCNPs）是一类利用天然细胞膜包裹的纳米级载体，能够高效保留细胞膜表面丰富的功能蛋白及受体，从而整合天然细胞膜的生物学特性，在生物医学领域彰显出卓越的生物相容性和精准的靶向能力。在口腔癌、牙周炎等多种口腔疾病的治疗中，CMCNPs显示出巨大的应用潜能，为攻克口腔医学难题提供了新的研究方向，已成为当下生物医学研究的前沿热点之一。本文聚焦于CMCNPs，深入探讨相关机制、应用成果及现存挑战，旨在为口腔癌、牙周炎、口腔黏膜病等口腔疾病的学术研究及临床转化提供科学、精准的参考依据。

目的：基于美国国家癌症研究所监测，流行病学和最终结果 (Surveillance，Epidemiology，and End Results，SEER) 数据库牙龈癌患者资料构建生存预后预测模型，并评价其效果。方法：从SEER数据库下载2004—2018年间诊断为牙龈癌患者的相关基本信息、临床信息及随访资料，将患者随机分为建模组（70%）和验证组（30%）。通过单因素和多因素Cox回归分析筛选变量，确定牙龈癌患者预后独立危险因素并构建列线图。从区分度、校准度及临床适用性等3个角度评估预测模型，采用X-Tile软件对牙龈癌患者进行危险分层。结果：本研究共纳入3 334例牙龈癌症患者，患者3年、5年、10年生存率分别为59.03%、48.89%、30.69%。建模组和验证组一致性指数（concordance index, C-index）分别为0.715和0.716；受试者工作特征（receiver operating characteristic, ROC）曲线结果显示，建模组预测牙龈癌患者的3年、5年、10年总生存率的曲线下面积（area under the curve，AUC）为0.757、0.759、0.771，在验证组中分别为0.747、0.765、0.784，列线图C指数和AUC均大于传统的TNM分期系统（P<0.001）。校准曲线结果表明列线图模型具有良好的预测准确性。临床决策曲线（decision curve analysis, DCA）结果显示列线图具有良好的临床应用价值，并优于传统TNM分期系统。通过列线图总分值截断值将患者分为低风险组（<116.47）、中风险组（116.47-213.24）和高风险组（≥213.24），3组生存率差异有统计学意义（P<0.001）。结论：年龄、婚姻状况、组织学分级、T分期、N分期、手术情况、放疗情况是牙龈癌患者生存影响因素，本研究构建的列线图预测模型可以为预测牙龈癌患者预后提供参考。