开发和验证用于使用气道和头脑测量标志的骨缺陷分类的预测模型
Anand Marya1, Samroeng Inglam1, Nattapon Chantarapanich2
1Faculty of Dentistry, Thammasat University, Klong Luang, Pathumthani, 12120, Thailand.
BMC oral health
|September 11, 2024
概括
这项研究开发了一种深度学习模型,使用气道和头脑测量数据来预测骨缺陷. 随机森林模型实现了最高的准确性,为正牙诊断提供了一个有前途的工具.
科学领域:
- ортодонтика和牙科成像 牙科成像
- 医疗保健中的人工智能
- 3D医疗建模 3D医疗建模
背景情况:
- 牙正治疗会影响呼吸道的解剖学和功能.
- 头脑测量标志分析对于骨的分类至关重要.
- 目前用于骨分类的方法可能缺乏一致的准确性.
研究的目的:
- 开发一种深度学习模型,用于预测骨缺陷.
- 为了利用来自CBCT图像的气道和头脑测量地标数据.
- 为了达到可接受的准确度在缺陷预测.
主要方法:
- 以DICOM格式的骨解剖数据的回顾性收集.
- 使用3DSlicer的3D模型重建呼吸道区域.
- 测量鼻,口和下的地标.
- 开发基于人工智能的7个监督学习模型.
主要成果:
- 随机森林模型显示出最高的预测准确度 (0.74).
- 对于I,II和III类缺陷的回忆分数分别为0.71,0.69和0.77.
- 该模型在正确预测实际阳性病例方面表现出高灵敏度.
结论:
- 随机森林模型被证明是最准确的预测骨缺陷.
- 气道和头测量地标是人工智能驱动的正牙分析的宝贵输入.
- 深度学习提供了一种可行的方法,可以提高牙矯正的诊断准确性.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.7K
07:32Author Spotlight: 3D Movement Assessment of Maxillary Posterior Teeth in Clear Aligner Treatment
Published on: February 23, 2024
1.0K
