用深度学习对不同的牙年龄估计方法进行比较:威廉姆斯,Cameriere-European,伦敦地图

科学领域:

• 法医人类学 法医人类学
• 儿科牙科 儿科牙科
• 放射学 放射学是一门学科.

背景情况:

• 准确的牙年龄估计对于法医和临床应用至关重要.
• 现有的方法,如威廉姆斯,Cameriere-欧洲和伦敦地图,可能有特定人口的变化.
• 深度学习为牙年龄评估提供了一种新的方法.

研究的目的:

• 为了比较威廉姆斯,Cameriere-Europe,伦敦地图和深度学习方法对土耳其儿童牙年龄估计的准确性.
• 评估这些方法对土耳其人口中不同性别的适用性.

主要方法:

• 使用四种方法对1169名土耳其儿童的全景放射图进行牙年龄估计.
• 使用TensorFlow库实现了卷积神经网络模型.
• 统计分析包括简单和类内相关性,以及适合性标准.

主要成果:

• 这四种方法都显示了牙科和时间学年龄之间的显著相关性.
• 在女孩和男孩的方法 (不包括伦敦地图) 中,在平均牙科年龄估计中发现了统计学上显著的差异.
• 高的类内相关性 (0.89-0.95) 表明方法和跨性别的时间年龄之间有很好的一致性.

结论:

• 伦敦阿特拉斯方法仅适用于估计土耳其男孩的牙年龄.
• 威廉姆斯,Cameriere-Europe和深度学习方法需要进行调整或修订,以便在土耳其儿童中准确应用.
• 进一步的研究和方法的改进是必要的可靠的牙年龄估计在不同的儿科群体.