机器学习来预测皮损伤:一个横截面和模型开发研究
Sascha Rudolf Herbst1, Vinay Pitchika1, Joachim Krois1
1Department of Oral Diagnostics, Digital Health and Health Services Research, Charité-Universitätsmedizin Berlin, Aßmannshauser Street 4-6, 14197 Berlin, Germany.
Journal of clinical medicine
|September 9, 2023
概括
上病变 (AL) 在根管治疗的牙,牙和那些有皇冠的牙中更为常见. 更简单的机器学习模型准确地预测了AL的存在.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是指放射学
- 机器学习 机器学习
背景情况:
- 牙顶部病变 (AL) 是牙科内科和修复牙科的一个重要问题.
- 识别与AL相关的因素对于诊断和治疗计划至关重要.
研究的目的:
- 在全景放射图上识别与顶病变 (AL) 相关的患者和牙水平因素.
- 用机器学习算法评估这些因素的预测值.
主要方法:
- 分析了来自1071名患者全景放射图的27,532颗牙.
- 由五位经验丰富的牙医对AL进行独立评估.
- 应用各种机器学习算法 (逻辑回归,决策树,随机森林等). 用于因素识别和预测.
主要成果:
- 在4.1%的牙和48.7%的患者中检测到上病变 (AL).
- 根管治疗 (OR 16.89),牙 (OR 2.54) 和牙冠 (OR 2.1) 是AL的重要危险因素.
- 不那么复杂的模型,如决策树,在预测AL方面取得了高准确性 (F1分数:0.9).
结论:
- 经过根管治疗的牙,牙和牙有冠状表现出更高的顶部病变 (AL) 患病率.
- 机器学习模型,特别是更简单的机器学习模型,可以有效地识别风险因素并预测AL存在.
