在人工智能驱动的牙冠设计中,输入数据数量的形态影响

科学领域:

• 牙科技术 牙科技术
• 人工智能在牙科中的应用
• 数字牙科数字牙科

背景情况:

• 人工智能软件越来越多地用于牙科修复.
• 输入数据的数量可能会影响人工智能生成的牙冠的准确性.
• 评估输入数据需求对于优化AI驱动的牙科工作流程至关重要.

研究的目的:

• 评估不同输入数据量对人工智能生成的牙冠形态准确性的影响.
• 为了确定可靠的基于AI的皇冠重建的最低数据要求.
• 为了评估全扫描是否与象限或相邻牙数据相比提供更高的准确性.

主要方法:

• 追溯性体外研究分析了30名患者的数据.
• 人工智能软件使用完整的牙,象限或相邻的牙数据为下部第一牙生成了皇冠.
• 用拟议的指标和统计测试 (弗里德曼奇平方,威尔科克森签名等级,肯德尔相关性,弗利格纳-基林) 量化评估了形态和闭塞关系.

主要成果:

• 人工智能软件可靠地使用象限级数据重建了牙冠.
• 减少的输入数据 (仅邻近的牙) 导致显著的形态偏差和更高的失败率.
• 在完整牙和象限数据组之间没有观察到重建质量的显著差异.
• 拟议的指标有效地捕捉了重建的皇冠的不同形态和功能方面.

结论:

• 象限级输入数据足以实现可靠的基于人工智能的牙冠生成.
• 基于人工智能的修复准确性通过适当的输入数据得到增强,通过减少椅子边调整,造假牙医受益.
• 全扫描对这个AI软件的象限数据没有提供额外的准确性优势,优化了数据采集.