在正牙治疗前预测患者的合作:手写和人工智能
Farhad Salmanpour1, Hasan Camcı1
1Assistant professor, Department of Orthodontics, Afyonkarahisar Health Sciences University, Afyonkarahisar, Turkey.
Journal of the World federation of orthodontists
|September 5, 2024
概括
使用手写分析的人工智能模型在预测 ортодонтика治疗期间患者合作时的准确性有限. 需要进一步的研究来提高这些预测能力的临床使用.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 医疗信息学 医疗信息学
背景情况:
- 患者的合作对于成功的正牙治疗至关重要.
- 预测患者的合作可以优化治疗结果.
- 目前评估合作的方法可能是主观的.
研究的目的:
- 评估各种卷积神经网络 (CNN) 模型在预测患者合作方面的有效性.
- 用手写样本比较不同CNN架构的性能.
- 确定人工智能驱动的合作预测的临床适用性.
主要方法:
- 237名正牙患者在12个月后被分为合作或不合作.
- 从参与者那里收集手写样本.
- 九个不同的CNN模型被训练并评估了分类准确性,精度,回忆和F1分数.
主要成果:
- 在InceptionResNetV2 (72.0%准确率,0.649 F1得分) 和NasNetMobil (70.0%准确率,0.417 F1得分) 中,成功率最高.
- 而DenseNet121 (准确率为59.0%,F1分数为0.424) 和ResNet50V2 (准确率为46.0%,F1分数为0.286) 的表现最差.
- 剩下的五个CNN模型的成功率相似.
结论:
- 在手写样本上训练的AI模型还不足以准确地预测患者合作的临床预测.
- 需要进一步开发,以提高人工智能工具在正牙患者管理中的可靠性.
