根据使用监督机器学习的部测量,根据部测量预测部狗撞击的风险
Cristiano Miranda de Araujo1, Pedro Felipe de Jesus Freitas1, Aline Xavier Ferraz2
1School of Dentistry, Tuiuti University of Paraná, Curitiba, Paraná, Brazil.
Orthodontics & craniofacial research
|October 4, 2024
概括
机器学习使用部测量准确地预测口腔受影响的部犬. 管宽度和鼻孔宽度是关键预测指标,梯度增强分类器显示出最佳性能.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 上受影响的上犬是一种常见的牙科异常.
- 准确的预测对于及时的正牙干预至关重要.
- 当前的诊断方法可能无法完全捕捉预测性骨因素.
研究的目的:
- 开发和评估监督机器学习模型,用于预测口腔受影响的上犬.
- 为了确定可以预测冲击的关键大腔测量.
- 为了比较各种机器学习算法的性能.
主要方法:
- 对138个形束计算断层扫描 (CBCT) 扫描的分析.
- 测量多个大尺寸,包括宽度和长度.
- 应用八个监督机器学习算法 (例如,梯度提升,随机森林,SVM).
- 使用5倍交叉验证和性能指标 (AUC,准确性,精度,回忆,F1分数) 的验证.
主要成果:
- 开发了一个包含两个牙和两个骨测量的预测模型.
- 状骨的宽度和鼻孔的宽度显示出最大的效果大小.
- 梯度增强分类器实现了最高的性能,其AUC值高达0.91.
- 鼻孔宽度被确定为算法中最重要的变量.
结论:
- 使用大测量的监督机器学习是预测口腔受影响犬的有希望的方法.
- 渐变增强分类器和随机森林分类器显示出强大的预测能力 (AUC > 0.8).
- 这种方法为改善早期诊断和治疗规划提供了潜力.
