开发人工神经网络模型,用于预测口唇裂和裂儿童的快速大扩张技术
Mohamed Zahoor Ul Huqh1, Johari Yap Abdullah2,3, Adam Husein4,5
1International Research Fellow, Faculty of Dentistry, SEGi University, Petaling Jaya, Selangor, Malaysia.
Frontiers in dental medicine
|April 30, 2025
概括
这项研究开发了一种预测模型,用于单边唇裂 (UCLP) 的儿童的快速大扩张 (RME),分析中 suture (MPS) 成熟. 该模型准确地预测了手术和非手术RME,有助于治疗规划.
科学领域:
- 矯正牙醫和臉外科手術 矯正牙醫和臉外科手術
- 头骨面部的发展
- 生物医学工程 生物医学工程
背景情况:
- 单侧裂口唇和 palatal (UCLP) 往往需要干预大腹缺血症.
- 快速大扩张 (RME) 是一种常见的治疗方法,但最佳的时间和方法 (手术与非手术) 仍然是关键考虑因素.
- 中部 suture (MPS) 成熟是RME有效性的关键指标.
研究的目的:
- 为了确定UCLP和不含UCLP的儿童中叶部 (MPS) 成熟阶段.
- 开发一种预测模型,用于在UCLP患者中选择手术或非手术快速上扩张 (RME).
- 建立一个二元物流回归模型,整合年龄,性别,裂状态,缺陷和MPS成熟等因素.
主要方法:
- 追溯病例控制研究涉及100名受试者 (裂和非裂个体).
- 对形束计算断层扫描 (CBCT) 扫描进行分析,以评估MPS成熟阶段.
- 开发和验证二进制逻辑回归 (BLR) 模型,其子集使用多层前神经网络 (MLFFNN) 进行验证.
主要成果:
- 建立了一个二进制物流回归模型来预测特定RME技术的概率.
- 分析了包括年龄,性别,裂状况,缺陷类别和MPS成熟度在内的关键变量以获得预测价值.
- 该模型证明了独立变量与RME技术选择的可能性之间的关系.
结论:
- 开发了一个混合生物识别模型,将引导和BLR与R语法结合起来,用于预测二进制结果.
- 使用MLFFNN的验证证实了预测模型的精度和有效性.
- 该模型有望改善对患有UCLP的儿童的RME治疗计划.
