机器学习模型的验证用于预测面生长

科学领域:

• 矯正牙科 矯正牙科是一種矯正牙科.
• 面生物学 面生物学
• 生物医学工程 生物医学工程

背景情况:

• 预测纵向面生长对于有效的正牙治疗计划至关重要.
• 准确的生长预测有助于个性化治疗策略和改善结果.
• 以前的模型在预测个体增长轨迹方面存在局限性.

研究的目的:

• 确定最准确的预测模型,对日本儿科人口的纵向面生长.
• 在增长预测中比较各种统计和机器学习模型的性能.
• 评估最佳性能模型对于未来的正牙应用的实用性.

主要方法:

• 分析了来自59名日本儿童 (年龄在6-12岁) 的纵向横向脑 X射线图.
• 模型包括多重回归,最小绝对收缩和选择运算符 (LASSO),辐射基函数网络,多层感知子和梯度增强决策树.
• 独立变量包括骨标志,线性和角度参数;依赖变量是13岁时的未来脑力测值.
• 用平方根平均误差来评估预测的准确性.

主要成果:

• 拉索模型在骨架地标,线性和角度参数中显示了最小的平均误差.
• 在13岁时获得的最高预测准确率为97.87%的骨线性参数和94.45%的骨角度参数.
• 拉索模型有效地集成了多个独立变量,以实现可靠的预测.

结论:

• 在研究的日本人口中,LASSO模型是最准确的预测纵向面生长的模型.
• 这种预测能力对于个性化的正牙治疗计划非常有价值.
• 该模型的准确性支持其用于预测个人生长模式的临床应用.