实时优化假肢设计,用于使用基于有限元素的机器学习支持完整的形植入治疗
Yung-Chung Chen1, Jia-Wei Lin2, Kuan-Hsin Wang2
1Associate Professor, School of Dentistry & Institute of Oral Medicine, College of Medicine, National Cheng Kung University, Tainan, Taiwan ROC; and Chief, Division of Prosthodontics, Department of Stomatology, National Cheng Kung University Hospital, College of Medicine, National Cheng Kung University, Tainan, Taiwan ROC.
The Journal of prosthetic dentistry
|July 17, 2024
概括
这项研究开发了一种人工智能驱动的牙科植入物优化过程,减少治疗规划时间,改善植入周围的压力,以获得更好的患者结果.
科学领域:
- 生物机械工程 生物机械工程
- 牙科植入物学 牙科植入物学
- 人工智能在医学中的应用
背景情况:
- 完整的门植入物支持的假体在没有牙的患者中很常见.
- 目前对这些假肢的机械分析是耗时的,导致依赖主观的临床判断.
- 需要一个优化过程来改善植入物支持假肢的治疗计划.
研究的目的:
- 开发一个自动化优化流程,用于配置完整的门植入物支持假肢.
- 为植入物安置的决策提供即时建议.
- 提高假肢康复计划的效率和准确性.
主要方法:
- 一个数据集由2800个有限元模拟生成,具有不同的植入物设计变量和下类型.
- 一个人工神经网络被训练来预测基于假肢设计的生物机械性能.
- 使用神经网络的粒子群优化被用来推最佳的植入物放置.
主要成果:
- 优化过程在30秒内为进口下模型确定了最佳的植入物设计.
- 优化的设计使平均周植入应力减少了11.08 ±6.43%.
- 预测模型表现出高准确度,未见下的误差低于1.7%.
结论:
- 拟议的方法可以快速生成适合个体患者的最佳植入物配置.
- 这种方法有效地最大限度地减少了下中平均的周植入应激.
- 由人工智能驱动的优化增强了对完整的门植入物支持治疗的决策.
