基于机器学习和指数降解模型的互换性内牙仪器的健康预测
Vinod Singh Thakur1, Pavan Kumar Kankar1, Anand Parey2
1System Dynamics Lab, Department of Mechanical Engineering, Indian Institute of Technology Indore, Indore, Madhya Pradesh, India.
概括
这项研究引入了一种机器学习方法,用于预测根管治疗期间的内牙文件健康状况,从而实现主动维护和改善仪器寿命.
科学领域:
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
- 牙科研究 牙科研究
背景情况:
- 根管治疗依赖于内牙仪器进行肉消毒.
- 在治疗期间仪器故障可能会损害程序的有效性和患者的安全.
- 预测性维护内牙科档案对于可靠的临床结果至关重要.
研究的目的:
- 开发一种智能系统,用于预测内牙科档案的健康状况和预测故障.
- 通过仪器健康监测,提高根管程序的效率和可靠性.
- 为临床医生提供评估内牙仪器状况和预防故障的工具.
主要方法:
- 在根管道准备过程中使用动力计获取力信号.
- 从信号中提取和窗口选择统计时间域特征.
- 信号平滑和后处理,以定义内牙仪器的健康指数.
- 应用机器学习算法和指数降解模型用于健康预测.
主要成果:
- 根据光滑和后处理的信号特征定义了一个健康指数.
- 机器学习和指数模型被用来预测内牙文件的健康状况.
- 该方法允许分析仪器故障和微裂纹启动.
- 预测内牙文件退化的预后使得在失败之前及时进行干预.
结论:
- 拟议的智能系统准确预测牙周内脏病状况和预后.
- 临床医生可以利用这些机器学习和指数模型来评估仪器状况.
- 这种方法可以显著提高根管治疗的效率和内牙仪器的能力.


