最新第三章(一)牙体硬组织疾病_PPT课件课件PPT.ppt 75页

'第三章(一)牙体硬组织疾病_PPT课件 龋病 按损害的解剖部位分类 按病变程度分类牙釉质牙本质牙腔牙髓 临床表现及诊断要点分类临床表现浅龋位于釉质内，龋损部位色泽变黑，用探针检查时有粗糙感，一般无自觉症状。中龋易形成龋洞，对酸甜饮食敏感，过冷、过热的饮食也能产生酸痛感觉，其中冷刺激较为显著。深龋可见到很深的龋洞，遇不良刺激时，产生的疼痛更为剧烈，去除刺激后症状很快消失。龋坏在X线片上呈黑色透射区，对难以确诊者（如邻面龋），可借助X线片协助诊断 治疗（一）保守治疗是采用药物或再矿化等保守方法使龋病病变终止或消除的方法。适应证：恒牙早期釉质龋尚未形成龋洞者；乳牙邻面浅龋及乳磨牙颌面广泛浅龋，1年内将被恒牙替换者。适应证：光滑面早期釉质龋；龋易感者可作预防用。药物：再矿化液应用方法：①.配置成漱口液，每日含漱。②.局部应用时，清洁干燥牙面，将浸有药液的小棉球置于患处，每次几分钟，反复3-4次。药物：10%硝酸银和氨硝酸银、75%氟化钠甘油糊剂等。应用方法：磨除牙表面浅龋，暴露病变部位→清洁牙面，去除牙石和菌斑→隔湿，吹干牙面→涂布药物 保守治疗涂布药物 吹干涂布还原剂 治疗效果 （二）、修复性治疗对已形成实质性缺损的牙齿，充填术是目前应用最广泛且成效较好的方法。窝洞预备术区隔离窝洞消毒窝洞的衬洞和垫底充填 窝洞制备基本原则、去净龋坏组织，防止继发龋。、保护牙髓、制备抗力形和固位形123 窝洞分类Ⅰ类洞：发生在所有牙面的点、隙、裂沟的龋损所备成的窝洞。Ⅱ类洞：发生在后牙邻面龋损所备成的窝洞。Ⅲ类洞：为前牙邻面但未累及切角的龋损所备成的窝洞。Ⅳ类洞：为前牙邻面累及切角的龋损所备成的窝洞。Ⅴ类洞：所有牙的唇（颊）舌面颈1/3处的龋损所备成的窝洞。依次为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ类洞 术区隔离棉卷隔离橡皮障隔离 常用充填材料：包括银汞合金和复合树脂、玻璃离子粘固剂等。银汞合金修复适用于Ⅰ类洞、Ⅱ类洞、和后牙Ⅴ类洞的修复。复合树脂修复适用于Ⅰ、Ⅲ、Ⅳ、Ⅴ类洞的充填。 材料比较优点缺点银汞合金抗压强度、硬度和耐磨性最大；性能稳定，对牙髓无刺激；可塑性大。有毒；色泽与牙齿不协调，易变色；不能隔绝温度对牙齿的刺激。可见光固化复合树脂色泽与牙齿协调，耐磨性、抗压强度和硬度均较好，固化快。对牙髓、牙龈有轻度刺激。玻璃离子粘固剂对牙髓刺激小，粘结性强，可释放氟。抗压强度较低 视频窝洞预备→垫底→调制银汞合金→充填→调颌、磨光银汞合金修复 牙体预备→色泽选择→清洗窝洞、隔湿消毒→酸蚀1分钟→涂布釉质粘结剂→光固化，分层照射→调颌、修整外形，打磨抛光。复合树脂修复 银汞合金修复术中、术后护理注意防护；充填后6-8h可达最高强度的70%-90%，24h后性能基本恒定，故24h后可正常咀嚼。6日后可以达到完全恒定。 树脂修复术中、术后护理深洞要分层充填、固化，每层厚度为2~3mm。光固化时间为20~40s。治疗完毕即可进食，但患牙应避免咬坚硬食物。 （3）玻璃离子修复术自学 （三）、深龋治疗1.垫底填充2.安抚治疗3.间接盖髓术：氢氧化钙制剂 牙髓活力测试临床意义1、无反应，提示牙髓已经坏死2、出现短暂的轻度或和中度不适或疼痛表示牙髓正常；3、产生疼痛，但刺激源去除后即可消失，提示可复性牙髓炎的存在；4、疼痛反应在去除刺激源后仍持续一定时间，提示牙髓存在不可复炎症；5、一般急性牙髓炎表现为快速而剧烈的疼痛；慢性牙髓炎表现为迟缓且不严重的疼痛；有时冷刺激可缓解急性化脓性牙髓炎的疼痛反应。牙髓活力测试根据牙髓对温度或电流的不同反应来协助诊断牙髓是否有病，病变的发展阶段，以及牙髓的活力是否存在。 术后健康指导暂封术后，勿用患牙进食。按时复诊，定期进行口腔检查，合理调整饮食，控制龋病发展。 二、非龋性疾病的护理 牙结构异常釉质发育不全氟牙症四环素牙遗传性牙本质发育不全先天性梅毒牙牙形态异常小牙症、巨牙症融合牙、双生牙、结合牙畸形中央牙牙数目异常牙萌出异常 牙损伤 牙震荡常识〔治疗〕1、伤后1－2周内应使患牙休息。2、必要时降低咬合。3、松动牙应固定。4、伤后定期复查。 牙脱位常识1、牙脱位后应立刻将牙放入原位；2、如牙已落地污染，应就地用生理盐水或无菌水冲洗，然后放入原位；3、如果不能即刻复位，可将患牙置于患者的舌下或口腔前庭内，也可放在盛有牛奶、生理盐水或自来水的杯子内，切忌干藏，并尽快到医院就诊。 牙本质过敏症牙在受到外界刺激时引起的酸痛症状。高发年龄：40岁左右临床表现1、疼痛的性质:刺激痛—对机械刺激尤为敏感。2、疼痛的特点：发作迅速、疼痛尖锐、时间短暂、多能指出患牙。 修复治疗脱敏治疗治疗方法 脱敏治疗1、氟化钠甘油脱敏：准备数个蘸有75%氟化钠甘油的小棉球，待医生将患牙隔湿、吹干后，传递给医生，反复涂擦过敏区1-2分钟。2、38%氟化氨银脱敏3、碘化银脱敏：3%的碘酊棉球+10%硝酸银棉球，各30s，交替2-3次。注意严防药物烧伤口腔软组织。 外伤患牙，4周内避免用患牙咀嚼，勿进食过冷过热的食物。楔状缺损患者应改变错误的刷牙方法。牙本质过敏患者应使用防酸牙膏。按时复诊术后健康指导 1、牙体硬组织疾病分哪两类？2、龋病最常用的分类方法是？怎么分？3、龋病对冷热酸甜哪种刺激最敏感？4、牙体修复性治疗的基本步骤？5、非龋性疾病包括哪些？思考题 谢谢！ 神经网络的一般性介绍及局部搜索训练算法报告人谭松波时间2004-3-18 主要内容人工神经网络的发展过程人工神经网络的基本原理前馈式神经网络模型及经典算法局部搜索训练算法 人工神经网络是目前国际上信息领域中迅速发展的前沿研究方向之一，具有广泛的应用前景。对它的研究已取得了很多丰硕的成果。神经网络系统是由大量简单的处理单元（即神经元）广泛连接而成的复杂网络系统。它反映了人脑功能的许多基本特性，但它并不完全是人脑神经网络系统的真实写照，而只是对其作某种简化、抽象和模拟。 神经网络的发展历史神经网络的研究已有50多年的历史，它的发展道路是曲折的，几经兴衰，目前已在许多领域得到了成功的应用。 人工神经网络的研究始于本世纪40年代。1943年，心理学家McCulloch和数学家Pitts合作，融合了生物物理学和数学，提出了第一个神经元计算模型—MP模型。这种单个神经元模型功能较弱，但连接而成的网络记忆能力巨大。这种巨大的记忆能力存储在网络中足够多的神经元之间丰富的连接强度上。MP模型虽然简单，但它开创了神经网络模型的理论研究，为各种神经元模型及网络模型的研究打下了基础。 1949年心理学家Hebb提出神经元之间突触联系强度可变的假设。他认为学习过程是在突触上发生的，突触的联系强度随其前后神经元的活动而变化。根据这一假说提出了改变神经元连接强度的Hebb规则。它对以后人工神经网络的结构及算法都有很大影响。直到现在，Hebb的学习算法仍在不少人工神经网络中应用。 50年代末，Rosenblatt提出感知器模型，第一次把神经网络的研究付诸工程实践。这是一种学习和自组织的心理学模型，它基本上符合神经生理学的知识，模型的学习环境是有噪声的，网络构造中存在随机连接，这符合动物学习的自然环境。这是第一个真正的人工神经网络，他给出了两层感知器的收敛定理。后来的一大类神经网络模型都是感知器模型的变形。 60年代末，美国著名人工智能学者Minsky和Papart对Rosenblatt的工作进行了深入的研究，写了很有影响的《感知器》一书，指出感知器的处理能力有限，单层感知器只能作线性划分，对于非线性或其他分类会遇到很大的困难。这时应采用含有隐单元的多层神经网络，但引入隐单元后找到一个有效的学习算法非常困难，Minsky断言这种感知器无科学研究价值可言，包括多层的也没有什么意义。这个结论对当时的神经网络研究无疑是一个沉重的打击，客观上对神经网络的研究起了一定的消极作用。同时当时的微电子技术也无法为神经网络的研究提供有效的技术保障。故在其后的十几年内，从事神经网络研究的人数及经费支持大大下降，神经网络研究处于低潮。 然而在此期间，仍有为数不多的学者致力于神经网络的研究，1969年Grossberg等提出了自适应共振理论模型。1972年Kohenen提出自组织映射的理论模型，并称神经网络为联想存贮器。所有这些理论为神经网络的进一步发展奠定了理论基础。 1982年，美国加州工程学院物理学家Hopfield提出了一个用于联想记忆及优化计算的新途径—Hopfield模型，并于1984年进行修改，提出了利用模拟电路的基础元件构成了人工神经网络的硬件原理模型，为实现硬件奠定了基础。1985年Hopfield和Tank提出用神经网络解决优化问题。 这一时期还有一个以Rumelhart和McClelland为首的并行分布处理（PDP）的研究小组，他们提出了多层网络学习的误差反向传播学习算法（BP算法），解决了多层网络的学习问题，从实践上证实了人工神经网络具有很强的学习能力，并不象Minsky等人预料的那样弱，相反它可以完成许多学习任务，解决许多实际问题，也因此推动了前馈式神经网络的研究。BP算法目前已成为迄今为止应用最普遍的神经网络学习算法。 人工神经元的模型 输入函数输入区的功能是将输入信号b的各分量以一定的规则综合成一个总输入值p，不同的网络和不同性质的神经元采用不同的综合规则，综合规则可以形式化为用某个输入函数表示，最常用的输入函数是“加权和”形式，如下所示： 活化函数活化函数分为线性与非线性，最简单的线性活化函数就可以采用恒同函数；而非线性活化函数中的常用函数即是Sigmoid函数，具有这种活化功能的神经元组成的神经网络具有强大的表达能力。a=g(p)=1/(1+exp(-cp)) 前馈式神经网络各种神经元以层状方式组成前馈式神经网络。每一层由多个节点（神经元）组成，每层中的节点与相邻层中的节点通过权值连接；但与同层中的其他节点和非相邻层中的节点没有连接。第一层为输入层，最后一层为输出层，中间为隐层。神经元的输入函数为“加权和“的形式，输出函数为恒同函数，活化函数为S型函数。 前馈式神经网络的逼近能力前馈式神经网络的输入输出关系，可以看成是一种映射关系，即每一组输入对应着一组输出。由于网络中神经元的活化函数的非线性，使网络实现的是复杂的非线性映射。Hornik的等人的研究还表明三层前馈式神经网络不仅能以任意精度逼近任意函数，还能以任意精度逼近其各阶导数。 BP算法Rumelhart和McClelland领导的PDP小组提出了前馈式神经网络的学习算法，即BP算法，解决了多层网络的学习问题，从实践上证实了人工神经网络具有很强的运算能力，使BP算法成为前馈式神经网络的经典算法。 BP算法BP算法采用的是最速下降法，它使期望输出与实际输出之间的误差平方和最小，即 权值修正公式 BP算法的不足1收敛速度非常缓慢2初始值比较敏感3权值调节路径常常呈现锯齿型 局部搜索训练算法本文提出一种基于局部搜索的快速训练算法。本算法的结构非常简单，收敛速度很快，而且不依赖于初始点。实验结果表明本算法不仅能有效地训练小样本问题，而且对大样本的训练问题也取得了很好的效果。 局部搜索算法局部搜索算法是一类近似算法的通称，它从一个初始解开始，每一步在当前邻域内找到一个更好的解，使目标函数逐步优化，直到不能进一步改进为止。局部搜索算法通常得到的是局部最优解。为了得到全局最优解，需要从多个初始解进行搜索。实验表明，局部搜索算法对很多著名的NP难度问题，取得了很大的成功 局部搜索算法简单然而高效，究其原因在于它的多次重复搜索操作，虽然从某个初始点出发的成功的可能性较小，然而多次重复之后，却能以很大的概率求得问题的解，对此顾钧[21]从n重贝努利实验的角度做了非常精彩的分析。因此，我们需要为算法设计一个随机扰动策略，以得到较好的初始点。首先，需要判断是否已陷入局部极小，为此我们采用了两个标准来判断：(1)连续常数(比如10)个训练步内没有搜索到更好的解；(2)连续常数(比如100)个收敛步内收敛的程度太小。 基本算法在每一个训练步内只有一个变量的值在改变，对三层感知器来说，也就只有一个隐含层节点的隐含权或者输出层节点的输出权发生改变。若是前者，就会导致一个隐含层节点的输出发生改变，其它隐含层节点的输出不变，但所有输出层节点的输出都会改变；若是后者，则所有隐含层节点的输出不变，只有一个输出层节点的输出发生改变，其它输出层节点的输出不变。因此，每一次搜索，我们没有必要对所有的节点都计算一次输出，而只需要计算发生改变的节点的输出。显然，计算量会大大降低。 实验数据均取自经典的神经网络训练样本数据。我们采用三层感知器网络。用来对比的算法有：BP算法和采用动量项的BP算法。对每一个实例的训练，我们选取相同的网络结构和激化函数。R表示学习速率，M表示动量项。我们选取四个实例，即数字识别问题[27]、sin(x)函数拟和问题、TwoNorm问题和Building问题。在这些实验中，BP算法依赖于初始点，不同的初始点差距较大，我们就选取较好的结果进行比较。而局部搜索多次运算都能得到非常类似的结果，我们就任意选取一个结果进行比较。实验结果 数字识别问题 sin(x)函数拟和问题 Building问题 TwoNorm问题 TwoNorm问题 MUSHROOMPROBLEM MUSHROOMPROBLEM 结论本算法采用局部搜索来处理多层感知器的训练问题。实验结果表明本算法无论是小样本问题还是大样本问题，都取得了很好的效果。因此，我们认为局部搜索训练算法是一个简单而有效的多层感知器的训练算法。'