预测口肌活动和口腔开口偏差的非侵入性关节复合功能分析
Taseef Hasan Farook1, Tashreque Mohammed Haq1, Lameesa Ramees1
1Adelaide Dental School, The University of Adelaide, Adelaide, South Australia, Australia.
Journal of oral rehabilitation
|June 6, 2024
概括
这项研究使用了深度学习与电视图 (EGN),电肌图 (EMG) 和关节振动分析 (JVA) 来预测偏差. 这些模型准确地预测了肌肉活动和部运动,为TMJ分析提供了一种新的定量方法.
科学领域:
- 生物机械工程 生物机械工程
- 计算神经科学是一种神经科学.
- 医疗成像医学成像
背景情况:
- 从非侵入性评估中预测肌肉活动和下运动是具有挑战性的.
- 硬组织评估需要一种量化,数据驱动的方法.
研究的目的:
- 调查正常化肌肉活动和关节 (TMJ) 振动分析的预测潜力.
- 用这些组合分析来预测口腔打开时的最大侧向偏差.
主要方法:
- 66名参与者接受了电图 (EGN),表面电肌图 (EMG) 和关节振动分析 (JVA).
- 机运动 (打开,横向外出,突出) 被记录下来.
- 深度学习模型 (XGBoost) 被训练来预测肌肉活动和部偏差.
主要成果:
- 量化了肌肉强度和活动持续时间.
- 对于肌肉预测,XGBoost模型实现了0.03-0.05的根平均平方误差 (RMSE).
- 预测下巴偏差的平均绝对误差 (MAE) 为0.9mm.
结论:
- 应用到EGN,EMG和JVA数据上的深度学习建立了肌肉功能和硬组织运动之间的可量化的联系.
- 这种方法可以准确地预测TMJ复合体内的部偏差.
