预测膜神经损伤和提取受影响第三牙的困难程度:对深度学习方法的系统审查

科学领域:

• 口腔和牙面部外科手术
• 放射学 放射学是一门学科.
• 人工智能在医学中的应用

背景情况:

• 第三骨提取是一种常见的手术,具有诸如下膜神经 (IAN) 损伤等并发症的风险.
• 准确的手术前评估对于手术规划和患者的结果至关重要.
• 深度学习 (DL) 显示了使用全景射线图 (PR) 提高预测准确性的潜力.

研究的目的:

• 系统地审查DL模型的准确性和可靠性,以预测第三子提取难度.
• 评估DL模型在预测下膜神经 (IAN) 损伤风险从PR图像.

主要方法:

• 在主要数据库 (PubMed,Scopus,Web of Science,Embase) 进行了系统的搜索,直到2024年9月.
• 选择了六项符合纳入标准的研究,报告了预测性绩效指标.
• 研究选择,数据提取和质量评估遵循PRISMA和QUADAS-2指南.

主要成果:

• 六项研究分析了12419张公关图像.
• 对于提取难度 (高达96%) 和IAN损伤 (高达92.9%),DL模型实现了高精度.
• 对于特定的分类,如横向影响,注意到高灵敏度 (高达97.5%),但地理多样性和人口统计数据有限.

结论:

• DL模型显示了在第三手术中加强手术前评估的显著前景.
• 进一步验证在不同的群体和整合到临床工作流程中是必不可少的.
• 局限性包括有限的概括性,潜在的选择偏差,以及缺乏长期后续数据.