机器学习模型可以从人类学测量中预测腹中央切口的宽度
Remya Ampadi Ramachandran1, Merve Koseoglu2, Hatice Özdemir3
11DATA Consortium, Computational Comparative Medicine, Department of Mathematics, K-State Olathe, Olathe, USA.
Journal of prosthodontic research
|October 19, 2023
概括
机器学习使用面部测量准确地预测中央切口的宽度. 这种自动化方法有助于数字牙科,并通过确保牙大小兼容性来改善微笑美学.
科学领域:
- 牙科的美学 牙科的美学
- 生物识别信息 生物识别信息
- 机器学习应用 机器学习应用
背景情况:
- 精确选择上前牙的大小对于微笑美学至关重要.
- 面部人类学测量为确定牙尺寸提供了基础.
- 目前用于选择牙大小的方法可能是主观的,耗时的.
研究的目的:
- 开发一种自动机器学习 (ML) 方法来预测中央切口宽度 (CW).
- 利用人类学面部测量来预测年轻的土耳其人群中的CW.
- 增强数字牙科工作流程和审美牙科的临床决策.
主要方法:
- 一项涉及各种ML回归模型的横截面研究:多重线性回归 (MLR),多层感知子 (MLP),决策树 (DT) 和随机森林 (RF).
- 模型使用男性,女性和综合人类学测量的数据集进行训练和验证.
- 性能评估的重点是预测中央切口宽度的准确性.
主要成果:
- 随机森林 (RF) 算法在所有测试场景中表现出卓越的性能.
- 射频模型在预测中央切口宽度方面实现了96%的准确性.
- 该模型的预测能力是一致的,无论个体的性别.
结论:
- 机器学习模型可以从人类计量测量中可靠地预测中央切口的宽度.
- 开发的自动化方法显示了改善美容牙科的临床决策的巨大潜力.
- 这项技术可以为更精确,更有效的数字牙科实践做出贡献.
