在正牙治疗后预测切肢和面部形状的变化:一种机器学习方法

科学领域:

• 矯正牙科 矯正牙科是一種矯正牙科.
• 人工智能在医学中的应用
• 面部美学 面部美学

背景情况:

• 面部美学是正牙治疗的主要驱动因素.
• 预测切口和软组织的变化往往是经验性的.
• 为了准确的预测,需要一种跨学科的方法.

研究的目的:

• 开发一个预测模型,用于切口和形状的变化,在正牙患者.
• 确定影响这些变化的重要预测因素.
• 增强在正牙治疗规划中的决策能力.

主要方法:

• 开发了一个三层反向传播的人工神经网络 (BP-ANN) 模型.
• 346名患者被分为培训,验证和测试队列.
• 使用了28种预测因素,包括脑力测量分析和模型测量.
• 沙普利添加式解释 (SHAP) 确定了关键预测因素.

主要成果:

• 该BP-ANN模型在预测变化方面取得了高准确性 (例如,R2=0.84对于U1-SN,R2=0.80对于Z角度).
• 确定的主要预测因素包括U1-SN,MP-SN,ANB,L1-MP,提取模式,Z角度和唇到E平面距离.
• 该模型在预测Z角度和面部凸角度变化的趋势方面表现强.

结论:

• 逆向传播的人工神经网络 (BP-ANN) 提供了一种有前途的方法,用于客观预测正结果.
• 将模型与关键预测因子集成,可以帮助进行个性化审美预测.
• 这种方法为牙正科的临床决策提供了宝贵的见解.