开发一种基于机器学习的,用于上鼻囊的预测模型,并探索聚类模式
Haoran Yang1,2,3, Yuxiang Chen1,2, Anna Zhao1,2
1Affiliated Stomatology Hospital of Kunming Medical University, Kunming, Yunnan, China.
Head & face medicine
|March 12, 2025
概括
机器学习和形束计算机断层扫描 (CBCT) 确定了上鼻囊的关键风险因素,包括顶病变和严重牙周炎. 这有助于预测和管理这些常见的囊.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 大鼻囊在影响因素和临床管理方面存在持续的争议.
- 准确的预测和风险分层对于有效的患者护理至关重要.
研究的目的:
- 开发使用束计算机断层扫描 (CBCT) 和机器学习 (ML) 的上鼻囊的预测模型.
- 探索上鼻囊的聚类模式,以确定高风险群体.
- 为预防和临床管理上鼻囊提供理论基础.
主要方法:
- 评估了3093名患者的6000张CBCT图像,以确定影响因素.
- 采用统计方法和ML算法,包括Extreme Gradient Boosting (XGBoost),来构建一个预测模型.
- 利用夏普利添加式解释 (SHAP) 进行模型解释和K-平均集群用于风险因素识别.
主要成果:
- XGBoost模型表现出卓越的分类能力,测试组中曲线下的平均面积 (AUC) 为0.921.
- 集群分析确定了顶端病变,严重牙周炎和53岁或以上的年龄作为鼻囊的重大高风险因素.
- 一个基于网络的计算器被开发用于预测大鼻囊风险.
结论:
- 这项研究提供了关于大鼻囊的病因和风险分层的宝贵见解.
- 整合CBCT成像和ML技术为个性化预防和治疗策略提供了潜力.
- 研究结果支持基于证据的方法来管理上鼻囊.
