通过使用机器学习来预测患有II类缺口的男性的青春期下生长情况
Grant Zakhar1, Samir Hazime2, George Eckert3
1Department of Orthodontics and Oral Facial Genetics, Indiana University School of Dentistry, Indianapolis, IN 46202, USA.
Diagnostics (Basel, Switzerland)
|August 26, 2023
概括
这项研究开发了机器学习 (ML) 模型,以预测II类恶性闭塞的男性下的生长. 这些模型显示出有希望的准确性,确定了关键的增长预测因素.
科学领域:
- 矯正牙科 矯正牙科是一種矯正牙科.
- 生物识别信息 生物识别信息
- 医疗保健中的机器学习
背景情况:
- 二级缺陷在预测青春期下部生长方面存在挑战.
- 准确的生长预测对于有效的正牙治疗计划至关重要.
研究的目的:
- 开发和评估新的机器学习 (ML) 模型,用于预测患有II类缺陷的男性青春期下部生长 (长度和y轴).
- 为了确定下生长的关键头测量预测因子.
主要方法:
- 分析了123名男性 (年龄12-16岁) 的横向头脑电图.
- 训练了7个ML模型,使用92个受试者的38个头度变量.
- 模型的准确性是使用2年和4年增长预测的平均绝对误差 (MAE) 来评估的.
主要成果:
- ML模型证明了下长度和y轴的预测能力,两年预测的MAE分别在2.11-6.07mm和0.85-2.74°之间.
- 在四年预测中,下长度的MAEs为2.32 - 5.28毫米,y轴为1.25 - 1.72°.
- 关键预测因素包括初始下长度,年龄,面部高度,切口位置和特定的脑角 (SN-MP,SN-Pog,SNB,SNA).
结论:
- 机器学习具有显著的潜力,可以准确预测二级缺陷病例中的下生长.
- 进一步提高预测精度需要更大的样本大小来进行ML模型训练.


