长期预测模型的面综合体使用机器学习在2D头脑计射线图上的2D头脑计射线图
Michael Myers1, Michael D Brown2, Sarkhan Badirli3
1Department of Orthodontics and Oral Facial Genetics, Indiana University School of Dentistry, Indianapolis, Indiana, USA.
International dental journal
|January 5, 2025
概括
机器学习模型可以预测面生长变化. 青春期前的测量和性别是骨和牙关系的关键预测因素,直到18岁.
科学领域:
- ортодонтика和面发育的发展.
- 机器学习在医疗保健中的应用.
- 在生物学中的预测建模.
背景情况:
- 长期预测面生长对于正牙治疗计划至关重要.
- 准确预测骨和牙变化有助于个性化治疗策略.
- 现有的方法在预测复杂的生长轨迹时可能缺乏准确性.
研究的目的:
- 开发和评估机器学习模型,以预测长期的面生长.
- 评估不同的机器学习算法在预测骨和牙关系方面的准确性.
- 确定面发育的关键预测因素.
主要方法:
- 利用了301名受试者的脑力测量数据 (青春期前T1和青春期后T2).
- 在240个受试者中训练了三个机器学习模型 (Lasso,Random Forest,SVR).
- 使用平均绝对误差 (MAE),类内相关系数 (ICC) 和临床值 (2mm或2°) 验证模型性能.
主要成果:
- 机器学习模型在几项面测量中实现了临床上可接受的预测边际 (2mm或2°).
- 对于骨关系 (例如,大到骨基角为80%) 的预测准确性高于牙关系.
- 青春期前的测量和性别被确定为青春期后头骨面部特征最重要的预测因素.
结论:
- 机器学习模型有效地预测了关键的青春期后面骨和牙关系.
- 这些模型提供了临床相关的准确性,可以在8年内预测角度和位置的变化.
- 早期的脑力测量数据和性别对于准确的长期面生长预测至关重要.
