评估不同的机器学习算法,用于在正牙治疗中提取决策
Begüm Köktürk1, Hande Pamukçu1, Ömer Gözüaçık2
1Department of Orthodontics, Faculty of Dentistry, Başkent University, Ankara, Turkey.
Orthodontics & craniofacial research
|May 20, 2024
概括
机器学习模型可以标准化正义牙提取决策. 一个堆叠分类器在提取决策中实现了91.2%的AUC,识别了诸如长度差异和Wits评估等关键变量.
科学领域:
- 矯正牙科 矯正牙科是一種矯正牙科.
- 医疗保健中的机器学习
- 牙科治疗计划 牙科治疗计划
背景情况:
- ортодонтической提取决定极大地影响治疗结果.
- 需要客观和标准化的方法来做出一致的提取决策.
- 机器学习 (ML) 提供了标准化临床决策的潜力.
研究的目的:
- 为了确定最有效的ML模型来标准化正义牙提取决策.
- 确定影响提取决策的关键变量.
- 为了指导临床医生,特别是那些经验较少的临床医生.
主要方法:
- 在1000名正牙患者的数据上训练了7个ML模型 (500名提取,500名非提取).
- 利用了36个变量,包括人口统计,脑力测量和模型测量.
- 使用准确度和接收器运行特征 (ROC) 曲线的曲线下面积 (AUC) 的评估模型.
主要成果:
- 堆叠分类器模型在提取决策方面表现最高 (91.2% AUC).
- 提取决策的关键变量包括长差异,Wits评估和ANS-Me长度.
- 堆叠分类器还在提取类型决策方面表现最好 (76.3%的准确率),其中关键变量包括下弓长度差异和头尺度过度咬伤.
结论:
- 堆叠分类器模型是标准化正义牙科提取决策的最佳执行者.
- ML模型在提取决策中显示出高效率,但在确定提取类型方面效率较低.
- 这种方法可以帮助规范治疗计划,并支持临床判断.
