使用人工智能和基于马修斯生长集合的部分最小平方的个性化面部生长预测模型的比较
The Angle orthodontist
|January 30, 2025
概括
人工智能 (AI) 模型与部分最小平方 (PLS) 相比,提供了优越的面部生长预测. 人工智能显示出较低的预测错误,特别是在复杂的面区域,这使得它成为增长分析的宝贵工具.
科学领域:
- ортодонтика和牙科人类学
- 生物医学工程 生物医学工程
- 医疗保健中的人工智能
背景情况:
- 准确的面部生长预测对于正牙治疗规划和了解面部发育至关重要.
- 像部分最小平方 (PLS) 这样的传统方法在预测复杂的增长模式方面存在局限性.
- 深度学习的出现为更精确的增长预测模型提供了潜力.
研究的目的:
- 开发和评估基于人工智能 (AI) 的面部生长预测模型.
- 将人工智能模型的性能与已建立的部分最小平方 (PLS) 方法进行比较.
- 在不同的条件下,评估各种面地标的预测准确性.
主要方法:
- 使用了马修斯生长收集的纵向侧向脑图 (n=33,1257对).
- 手动识别了每张图像的46个硬组织和32个软组织地标.
- 使用TabNet深度神经网络 (AI) 和部分最小平方 (PLS) 开发了增长预测模型.
主要成果:
- 人工智能模型的预测误差平均比PLS小0.61毫米.
- 在77个预测的地标中,人工智能在60个地标中超过了PLS的准确性.
- 两种方法都显示软组织和下标志的错误较高,但AI的错误增加在变量区域较小.
结论:
- 人工智能模型提供了临床上可接受的面部生长预测精度 (1.49毫米硬组织,1.71毫米软组织).
- 人工智能通常超过PLS,特别是在预测下面结构和软组织的生长方面.
- 人工智能的卓越性能凸显了它作为 ортодонтика和面研究的先进工具的潜力.
更多相关视频
07:32Author Spotlight: 3D Movement Assessment of Maxillary Posterior Teeth in Clear Aligner Treatment
Published on: February 23, 2024
1.0K
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.6K
