螺旋CT与牙槽骨骨萎缩分类的数学模型建立---口腔种植即刻种植种植义齿种植病例种植牙植牙术

x1代表患者牙颈部层面牙槽骨CT值模拟骨量；
x2代表患者牙根中部层面牙槽骨CT值模拟骨量；x3代表患者牙根根尖部层面牙槽骨CT值模拟骨量；
x4代表患者缺失的牙齿是否为磨牙，1非磨牙、2磨牙；
x5代表患者的性别，1男性，2女性；
x6患者的年龄数（如表1～3）。

　　Wilks'Lambda=0.36146052　F(1,35)=61.829　prob>F=0.0001
　　Pillai's Trace=0.638539　F(1,35)=61.829　prob>F=0.0001
　　Average Squared Canonical Correlation=0.63853948f

　　表1～3是逐步回归分析的输出结果，表3是选择变量的总表，说明变量x2经Wilks'Lamda检验：P<0.01，变量因素x2判别效果显著。即牙根中部层面牙槽骨CT值模拟骨量的测定，在建立螺旋CT扫描判断某一患者牙槽骨形态临床分类类型的数学模型中起着至关重要的作用。
　　得到的回归判别的方程是：

Variable	R＊＊2	F	prob>F	Tolerance
x1	0.0041	0.140	0.7104	0.3483
x3	0.0356	1.257	0.2701	0.2431
x4	0.0062	0.211	0.6493	0.9986
x5	0.0373	1.316	0.2593	0.9691
x6	0.0452	1.609	0.2133	0.9630

Variable Removed	Number n	Partial R＊＊2	F Statistic	prob>F	Wilks'Prob<Lambda Lambda
x2	1	0.6385	61.829	0.0001	0.36146052	0.0001
Variable	Number	Average Sqared Canonical Correlation				prob>ASCC
Removed	In
x2	1	0.63853943				0.0001

g2=－67.2130＋0.0152x1＋0.0384x2＋0.03796x3＋5.1737x4＋14.5793x5＋0.4818x6
　　g3=－41.3895＋0.0147x1＋0.0208x2＋0.0308x3＋5.5075x4＋12.6683x5＋0.4000x6
　　注：此处g2、g3分别代表目前分类标准的D2、D3类牙槽突形态及骨质分类。

　　得到的“最优化”回归判别方程是：
　　g2=－31.2267＋0.0644x2
　　g3=－14.1321＋0.0433x2

　　在口腔颌面部疾病的诊断过程中，由于颌面部骨形态不规则，结构重叠，传统的X线片不能完全显示清楚，虽然体层摄影和普通CT成像在不同程度上避免了组织结构重叠，但不能立体地显示病变，只能间接通过二维图像来推测三维关系，即所谓的“思维三维”[3,4]。随着电子计算机的不断发展，三维CT成像技术应运而生，后者能够达到病变模型再现，直观病变情况，使临床医师掌握病情、明确诊断、科学制定治疗计划。本研究率先对牙槽骨CT值模拟骨量等进行计算机辅助测量，取得了令人满意的结果。
　　虽然X线曲面体层片能显示种植区域周围骨关系的一定信息，但由于人类的视觉对X线图像灰度的分辨率低，不能区分密度差别较小的组织结构。利用SCT扫描图像，经计算机后处理将差别较小的灰度差调节到适合于视觉分析的范围，将使结构层次较X线平片更清晰，螺旋CT正是利用灰度值检测法测量骨CT值，由它所显示的牙槽骨CT值模拟骨的含量对临床医师正确估计患者牙槽骨萎缩有重要的辅助作用，可避免其在手术时才发现患者牙槽骨骨异常而中止手术，减少手术创伤。
　　另外计算机图像分析软件应用于边缘骨水平的测量也增加了读片的可靠性。Meijer比较了计算机辅助测量、游标卡尺和放大镜等三种方法测量边缘骨水平的误差，结果显示计算机的总误差最小[5]。其它一些应用计算机辅助测量技术的研究报告中，观察者之间的误差为0.01mm～0.47mm，误差大小受X线影像对比度的高低、参考点是否明确等因素的影响[6～9]。