牙科中的自动机器学习:应用,挑战和未来方向的叙述性审查
1King Abdullah International Medical Research Center, Department of Maxillofacial Surgery and Diagnostic Sciences, College of Dentistry, King Saud Bin Abdulaziz University for Health Sciences, Ministry of National Guard Health Affairs, P.O. Box 3660, Riyadh 11481, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|February 13, 2025
概括
自动机器学习 (AutoML) 正在彻底改变牙科,因为它允许牙医在没有深度技术技能的情况下使用机器学习 (ML). 这项技术增强了诊断和预测能力,通过可访问的数据驱动解决方案改进了患者护理.
科学领域:
- 牙科 牙科 牙科 牙科
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 自动机器学习 (AutoML) 在临床实践中越来越多地被采用.
- 牙科可以从机器学习 (ML) 中受益,而不需要临床医生广泛的技术专长.
- 本综述探讨了AutoML在牙科环境中的影响和应用.
研究的目的:
- 审查AutoML在各种牙科任务中的当前应用和性能.
- 确定 AutoML 可以增强牙科诊断和预测的有前途领域.
- 讨论AutoML在改变牙科临床实践中的潜力.
主要方法:
- 在PubMed,Scopus和谷歌学者中进行了全面的文献搜索.
- 纳入标准集中在评估AutoML应用程序和牙科任务性能的研究上.
- 排除标准删除了非牙科研究,个案报告和会议摘要.
主要成果:
- 自动ML在诊断任务中显示出高精度,包括牙植入物分类的95.4%精度和对鼻疾病检测的92%精度.
- 预测任务显示出显著的前景,由于牙感染而导致ICU入院的准确率为84%,在正义牙科提取预测中准确率为93.9%.
- 关键的AutoML框架,如Google Vertex AI和H2O AutoML被认为是关键的工具.
结论:
- 通过实现数据驱动的决策和提高患者护理质量,AutoML在改变牙科方面具有重大前景.
- 未来的进步需要增强模型的解释性,开发大型注释数据集和定制的牙科管道.
- 教育临床医生和整合特定领域的知识对于弥合AutoML技术和实际牙科应用之间的差距至关重要.
