人工智能驱动的语言外风险分层:基于CBCT的流行和形态分析
Nazargi Mahabob1, Sukinah Sameer Alzouri2, Muhammad Farooq Umer3
1Department of Oral & Maxillofacial Surgery and Diagnostic Sciences, College of Dentistry, King Faisal University, Hofuf 31982, Al-Ahsa, Saudi Arabia.
Healthcare (Basel, Switzerland)
|July 12, 2025
概括
这项研究引入了一种AI模型,使用圆束计算机断层扫描 (CBCT) 扫描来分类语言孔 (LF) 手术风险. 人工智能模型实现了92.6%的准确性,提高了牙科植入物规划安全性.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 正在改变医疗诊断和风险评估.
- 在圆束计算机断层扫描 (CBCT) 中的AI集成增强了牙科图像解释和手术规划.
- 对于植入物手术来说,精确的语言孔 (LF) 评估至关重要,但缺乏标准化的风险分类.
研究的目的:
- 用CBCT来评估语言孔 (LF) 的流行率和变化.
- 开发一种人工智能驱动的模型,根据解剖特征来分类LF手术风险.
- 将人工智能模型的性能与传统的统计方法进行比较.
主要方法:
- 对166张CBCT扫描进行了回顾性分析.
- 利用K-means集群和决策树算法进行风险分层 (低,中等,高).
- 使用混矩阵,热图相关性,并与千平方和后勤回归进行比较,评估模型性能.
主要成果:
- 人工智能模型将LF分为低 (60%),中等 (30%) 和高 (10%) 的风险组.
- 决策树模型实现了92.6%的分类准确度.
- 证明了89.4%的同意与专家手工分类,验证了AI模型的可靠性.
结论:
- 一个经过验证的AI驱动的语言孔 (LF) 风险评估模型已经开发出来.
- 将人工智能集成到CBCT工作流中提供了客观的,自动化的风险分层.
- 增强人工智能辅助的手术安全性和牙科植入物规划的精度是可以实现的.
