使用人工智能增强下第三提取中的预测分析:基于CBCT的研究
Faezeh Khorshidi1, Rasool Esmaeilyfard1, Maryam Paknahad2
1Computer Engineering and Information Technology Department, Shiraz University of Technology, Shiraz, Iran.
The Saudi dental journal
|September 15, 2025
概括
这项研究开发了一种人工智能模型,从CBCT报告中预测下三提取难度,达到95%的准确性. 人工智能准确预测复杂性,帮助手术决策并改善患者的治疗结果.
科学领域:
- 口腔和牙面部外科手术
- 人工智能在牙科中的应用
- 放射学和成像学 放射学和成像学
背景情况:
- 预测下三提取难度对于手术规划和避免并发症至关重要.
- 圆束计算机断层扫描 (CBCT) 报告包含了评估提取复杂性的宝贵数据.
- 目前评估难度的方法可能是主观的,耗时的.
研究的目的:
- 开发和验证一个人工智能驱动的预测模型,用于预测下三提取的难度.
- 利用CBCT报告数据来训练一个深度学习模型来分类提取难度.
- 通过精确的基于AI的预测,增强第三手术的临床决策.
主要方法:
- 一项回顾性研究分析了738份CBCT报告中的下第三牙.
- 自然语言处理 (NLP) 提取了诸如角度,根形态和根神经接近等特征.
- 在这些特征上训练了一个深度学习神经网络,将提取难度分为四类.
主要成果:
- 人工智能分类模型在培训和验证数据集上都实现了95%的准确性.
- 在训练组中观察到高精度 (0.97) 和回忆 (0.95).
- 验证组表现出强的性能,精度为0.97,回忆率为0.89.
结论:
- 基于人工智能的模型可靠地从CBCT报告中预测下第三骨提取的复杂性.
- 开发的AI模型准确地预测了提取难度,支持明智的临床决策.
- 利用人工智能可能会在第三手术中改善患者的治疗结果.


