在牙科中使用人工智能辅助人体工程学分析进行快速全身评估的性能评估
Benhar Arvind Manohar1, Jebakani Devaraj1, Chellapandian Maheswaran2
1Department of Mechanical Engineering, Government College of Engineering, Tirunelveli 627007, India.
Biomimetics (Basel, Switzerland)
|April 25, 2025
概括
这项研究使用人工智能和视频分析来自动化牙科人体工程学评估 (REBA),识别高风险牙医并提供预防肌肉骨疾病 (MSD) 的解决方案. 这些发现旨在提高准确性,并指导设计更安全的牙科实践.
科学领域:
- 牙科人体工程学 牙科人体工程学
- 医疗保健中的人工智能
- 职业健康 职业健康 职业健康
背景情况:
- 牙医面临肌肉骨疾病 (MSDs) 的高风险,由于要求的姿势.
- 目前用于评估人体工程学风险的方法,如快速全身评估 (REBA),通常依赖于主观的专家判断和单一图像分析.
- 绝大多数牙医 (83%高风险,17%非常高风险) 需要进行干预以减轻这些风险.
研究的目的:
- 使用AI和MediaPipe实现牙科REBA评估的自动化,以提高准确性.
- 将人工智能驱动的REBA与传统方法进行比较,并确定风险因素.
- 为牙科专业人员制定一个优化的REBA评分概况和人体工程学指南.
主要方法:
- 利用时间同步视频和平均来提高REBA准确性,减轻视觉阻塞和估计错误.
- 使用响应表面方法 (RSM) 与设计专家软件进行个人REBA配置文件的集体分析.
- 建立了线性回归模型并生成了轮图来可视化REBA点变化.
主要成果:
- 人工智能驱动的REBA方法显示出高准确度,RSM模型显示R2 = 0.9055和p < 0.0001.
- 确定了83%的牙医处于高风险和17%处于MSDs非常高风险.
- 开发了一个优化的REBA评分配置文件,作为人体工程学的牙科解决方案的设计约束.
结论:
- 通过人工智能驱动的REBA自动化提供了更准确,更客观的对牙科领域人体工程学风险的评估.
- 该研究提供了一个数据驱动的框架,用于了解和减少牙科专业人员之间的MSD.
- 开发的人体工程学准则和优化的REBA值可以为设计更安全的牙科实践和设备提供信息.
