基于圆束CT图像的牙科年龄分类的机器学习评估:一种不同的方法
Ozlem B Dogan1, Hatice Boyacioglu1, Dincer Goksuluk2
1Department of Dentomaxillofacial Radiology, Faculty of Dentistry, Hacettepe University, Sihhiye, Ankara 06230, Turkey.
Dento maxillo facial radiology
|January 12, 2024
概括
机器学习模型使用形光束CT图像的肉皮/牙面积比,显示成人牙科年龄分类的准确性较低. 随机森林算法表现最好,建议进一步研究法医年龄估计的不同参数.
科学领域:
- 法医牙科 法医牙科
- 人工智能的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 机器学习 (ML) 算法为准确的牙年龄估计提供了潜力.
- 从圆光束CT (CBCT) 获得的肉质/牙面积比率 (PTR) 是年龄评估的潜在指标.
研究的目的:
- 为了评估ML算法的有效性,使用CBCT图像中的PTR进行成人牙科年龄分类.
- 为了比较支向量机器,分类和回归树和随机森林模型的性能.
主要方法:
- 利用了236名土耳其成年人 (18-70岁) 的CBCT图像.
- 计算每个人六颗牙的PTR,共计1416个PTR.
- 采用了ML算法 (SVM,CART,RF) 以70%的培训和30%的测试数据分割.
主要成果:
- ML模型在牙科年龄分类中显示出整体性能较低.
- 随机森林 (RF) 算法在测试模型中实现了最高的准确性.
结论:
- 目前使用CBCT的PTR的ML模型对于成人牙科年龄分类的准确性有限.
- 建议对CBCT数据的各种参数和测量技术进行进一步的调查,以改善法医年龄估计.
