基于超声波的机器学习模型的开发和验证,用于预测 Bruxism 治疗结果
Kaan Orhan1,2,3,4, Gokhan Yazici5, Merve Önder6
1Department of Dentomaxillofacial Radiology, Faculty of Dentistry, Ankara University, Ankara 06560, Turkey.
Diagnostics (Basel, Switzerland)
|June 19, 2024
概括
机器学习和超声波预测布鲁克斯症治疗结果. 支持 矢量机器对按摩器肌肉超声波图像的分析准确地识别了 Bruxism,并预测了减轻疼痛的有效性.
科学领域:
- 医学成像医学成像
- 机器学习是机器学习.
- 生物医学工程 生物医学工程
背景情况:
- 治疗布鲁克斯症的有效性各不相同.
- 需要预测治疗结果的预测模型.
- 超声波 (USG) 和机器学习 (ML) 提供了新的方法.
研究的目的:
- 利用基于USG的ML开发一种布鲁克斯症治疗结果的预测模型.
- 通过人工智能评估不同的布鲁克西斯症治疗方法的有效性.
- 为了确定治疗反应的成像生物标志物.
主要方法:
- 在三个治疗组中,共分102名布鲁克西斯症患者.
- 按摩器肌肉的超声波成像用于厚度测量.
- 使用支持矢量机 (SVM) 模型对USG和临床数据进行放射学分析.
主要成果:
- 从USG图像中,SVM可以很好地区分bruxism和正常患者 (AUC高达0.986).
- 治疗前USG显示粗,不均的按摩器肌肉与较不有效的疼痛缓解相关.
- ML模型,特别是SVM回归,预测了减少疼痛的治疗结果.
结论:
- 在USG图像上使用SVM的新型ML模型可以检测bruxism中的masseter肌肉变化.
- 这种方法有助于预测布鲁克斯症患者的治疗结果.
- 基于USG的放射学和ML为个性化布鲁克西斯治疗提供了一个有前途的工具.
