青少年和儿童年龄估计使用基于CBCT图像上的肉和牙体积的机器学习
Jia-Xuan Han1, Shi-Hui Shen1, Yi-Wen Wu1
1Department of General Dentistry, Shanghai Ninth People's Hospital, Shanghai Jiao Tong University, School of Medicine, College of Stomatology, Shanghai Jiao Tong University, National Center for Stomatology, National Clinical Research Center for Oral Diseases, Shanghai Key Laboratory of Stomatology, Shanghai Research Institute of Stomatology, Shanghai 200011, China.
Fa yi xue za zhi
|June 7, 2024
概括
使用圆束计算机断层扫描 (CBCT) 的机器学习方法可以准确估计儿童和青少年的牙年龄. 纸体积是年龄估计的关键指标,其表现优于传统的逐步回归.
科学领域:
- 牙科 牙科是指牙科的专业.
- 放射学 放射学是一门学科.
- 机器学习 机器学习
背景情况:
- 准确的牙年龄估计对于法医和临床应用至关重要.
- 圆束计算断层扫描 (CBCT) 提供了牙结构的详细3D成像.
- 以前用于估计牙年龄的方法在准确性和效率方面存在局限性.
研究的目的:
- 使用机器学习和基于CBCT图像的牙和肉皮体积的逐步回归来估计青少年和儿童的年龄.
- 为了比较不同年龄估计模型的准确性.
- 分析牙参数与年龄之间的关系.
主要方法:
- 收集了上海汉族青少年和儿童的498张CBCT图像.
- 测量左上中央切口和口的肉质和牙体积.
- 开发了四种使用K-最近邻居,回归,决策树和逐步回归的年龄估计模型.
- 评估模型使用R2,平均误差,RMSE,MSE和MAE.
主要成果:
- 与阶段性回归 (R2=0.617) 相比,K-最近邻居 (R2=0.779) 和回归 (R2=0.729) 模型显示出更高的性能.
- 决策树模型的准确性较低 (R2=0.494).
- 在年龄和肉体积,肉与硬组织体积比率以及肉与牙体积比率之间观察到负相关性.
结论:
- 纸体积及其比例是牙年龄的重要预测因素.
- 基于CBCT的机器学习模型提供比传统方法更准确的年龄估计.
- 这项研究为牙年龄估计的先进深度学习方法提供了基础.
