在根管治疗和皇冠安装后使用深度学习预测根骨折
Wan-Ting Chang1, Hsun-Yu Huang1, Tzer-Min Lee2
1Department of Stomatology, Ditmanson Medical Foundation Chia-Yi Christian Hospital, Chiayi, Taiwan.
Journal of dental sciences
|February 2, 2024
概括
深度学习模型可以预测牙科手术后的垂直根骨折. 一个深度神经网络模型实现了80.7%的准确性,超过了SVM,以帮助临床医生评估骨折风险.
科学领域:
- 牙科 牙科是指牙科的专业.
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
背景情况:
- 垂直根骨折 (VRF) 是根管治疗和皇冠放置后牙损失的常见原因.
- 预测VRF是复杂的,因为它的多因素性质.
- 准确预测VRF对于保存牙和改善治疗结果至关重要.
研究的目的:
- 开发和评估一种深度学习 (DL) 模型,用于预测垂直根断裂 (VRF) 的可能性.
- 在VRF预测中,将深度神经网络 (DNN) 模型与支持矢量机器 (SVM) 模型的性能进行比较.
- 确定影响VRF的关键参数,以提高预测准确度.
主要方法:
- 分析了5年的145个临床病例 (97个骨折,48个没有骨折的牙) 的数据集.
- 使用深度学习技术,特别是DNN模型,分析了17个混合类型的表格特征.
- 将DNN模型的预测性能与支持矢量机 (SVM) 模型进行了比较.
主要成果:
- 与SVM模型相比,DNN模型获得了更高的精度 (80.7%) 和F1得分 (0.857),精度为71.7%,F1得分为0.817).
- 使用17个功能的DNN模型表现出比具有更少功能的模型更好的性能.
- 该研究使用DNN模型确定了有助于根骨折预测的显著特征.
结论:
- 深度学习模型显示了预测垂直根骨折 (VRF) 后根运河治疗和假肢的巨大潜力.
- 开发的DL模型可以帮助临床医生更有效地评估骨折风险.
- 在临床实践中实施DL可能会导致更好的决策和更好的患者结果.
