德国正牙患者骨缺陷的自动分类
Eva Paddenberg-Schubert1, Kareem Midlej2, Sebastian Krohn1
1Department of Orthodontics, University Hospital of Regensburg, University of Regensburg, 93047, Regensburg, Germany.
Clinical oral investigations
|August 5, 2025
概括
人工智能 (AI) 模型准确地诊断了德国正牙患者的骨类. 随机森林模型实现了100%的准确性,强调了精确的ANB角度计算对于高效的诊断的重要性.
科学领域:
- 矯正牙科 矯正牙科是一種矯正牙科.
- 人工智能的人工智能
- 头脑测量分析的分析
背景情况:
- 准确的骨类诊断对于有效的正牙治疗至关重要.
- 目前的诊断方法可能耗时,人工智能为自动化提供了潜力.
- 目前还没有人工智能驱动的过程来区分德国正牙患者的骨类别I,II和III.
研究的目的:
- 开发和评估机器学习 (ML) 和深度学习 (DL) 模型,用于在德国正牙患者的骨架类诊断.
- 使用人工智能识别最有影响力的参数,以准确地确定骨类.
主要方法:
- 一项涉及1277名德国正牙患者的前性横截面研究.
- 输入变量包括治疗前的脑表参数,性别和年龄.
- 使用了ML模型 (LDA,RF,DT,KNN,SVM,NB,MCLR) 和一个人工神经网络 (ANN).
主要成果:
- 随机森林 (RF) 模型使用所有输入参数实现了100%的准确性,其中计算_ANB是最重要的因素.
- 仅使用Calculated_ANB的K-最近邻国 (KNN) 模型也达到100%的准确性.
- 人工神经网络 (ANN) 在所有参数上显示了95.31%的准确性,在计算_ANB.上显示了100%的准确性.
结论:
- 机器和深度学习模型可以准确地确定骨架类.
- 精确计算ANB角度对于人工智能驱动的脑仪诊断至关重要.
- 这些人工智能方法可以促进数字化和自动化工作流程,潜在地减少从业人员的工作量.
