整合机器学习在前部开口口正牙病例的治疗决策:一个回顾性研究
Matthew Rhee1, Mohammed H Elnagar1, Veerasathpurush Allareddy1
1Department of Orthodontics, College of Dentistry, University of Illinois Chicago, Chicago, Illinois.
Journal of the World federation of orthodontists
|February 1, 2025
概括
机器学习算法准确地预测前部开口咬伤病例的正牙治疗结果. 拥挤和面部高度等关键因素影响这些预测,有助于提取决策.
科学领域:
- 矯正牙科 矯正牙科是一種矯正牙科.
- 人工智能的人工智能
- 数据科学数据科学数据科学
背景情况:
- 前部开口咬伤治疗计划需要明智地做出关于提取的决定.
- 机器学习 (ML) 具有提高诊断准确性和治疗可预测性的潜力.
研究的目的:
- 评估ML算法在预测前部开口咬伤 (AOB) 病例治疗结果方面的有效性.
- 确定AOB患者提取决策的关键临床和放射学预测因素.
主要方法:
- 一项回顾性研究分析了来自115名AOB患者的数据.
- 人口,临床和放射数据被用于训练ML模型,包括随机森林和卷积神经网络 (CNN).
主要成果:
- 随机森林,CNN1和CNN2模型在分类提取与非提取的情况下达到约83%的准确性.
- 两组之间注意到脑测量变量和性别分布的显著差异.
- 拥挤,SN-palatal平面,SNA,FMA,关节关系和面部高度是关键的预测特征.
结论:
- 人工智能算法,特别是CNN和随机森林,在AOB治疗决策中表现出高准确度.
- 这些ML模型可以帮助正牙医做出明智的提取决策,与传统方法相比.
