当前神经网络在自动化椎脊椎成熟阶段分类上展示了潜在的潜力,基于侧向脑图

科学领域:

• 矯正牙科 矯正牙科是一種矯正牙科.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 椎成熟度 (CVM) 评估对于正统牙科治疗计划至关重要.
• 传统的CVM评估方法可能是主观的,耗时的.
• 人工智能 (AI) 的进步为自动化和客观的CVM分类提供了潜力.

研究的目的:

• 系统地审查关于神经网络用于分类椎成熟的应用的文献.
• 在CVM评估中评估不同神经网络模型的准确性和有效性.
• 确定使用人工智能进行CVM分析的趋势和挑战.

主要方法:

• 进行了针对CVM分类在神经网络上发表的研究的系统审查.
• 使用相关关键字搜索了PubMed,Scopus和Web of Science等数据库.
• 研究的选基于预定义的包含和排除标准.

主要成果:

• 几项研究表明,使用神经网络用于CVM分类的可行性.
• 卷积神经网络 (CNN) 在准确识别成熟阶段方面显示出有希望的结果.
• 人工智能模型的性能因数据集大小,网络架构和训练参数而异.

结论:

• 神经网络显示出作为一个客观和有效的椎脊椎成熟分类工具的巨大潜力.
• 需要进一步的研究来标准化方法和验证AI模型在不同的临床环境.
• 人工智能驱动的CVM评估可以提高正治疗结果的精度和可预测性.