三种人工智能模型在预测牙颜色器组合时的性能比较
Boxuan Xu1, Yiqing Wang2, Lei Zhang3
1Undergraduate student, Peking University School and Hospital of Stomatology & National Center of Stomatology & National Clinical Research Center for Oral Diseases &National Engineering Research Center of Oral Biomaterials and Digital Medical Devices & Beijing Key Laboratory of Digital Stomatology & Research Center of Engineering and Technology for Computerized Dentistry Ministry of Health & NMPA Key Laboratory for Dental Materials, Beijing, PR China.
The Journal of prosthetic dentistry
|September 26, 2025
概括
人工智能 (AI) 系统可以准确地预测牙的器颜色. 剩余神经网络 (ResNet) 模型在匹配牙修复的颜色方面表现出卓越的性能,提高了美学结果.
科学领域:
- 牙科材料科学 牙科材料科学
- 人工智能在牙科中的应用
- 恢复性牙科 恢复性牙科
背景情况:
- 缺乏关于软组织恢复色彩的美学结果的研究.
- 对陶粉比例与牙颜色之间的关系进行了有限的研究.
研究的目的:
- 开发和比较三个人工智能系统:残余神经网络 (ResNet),多层感知器 (MLP) 和基因算法优化反向传播 (GA+BP).
- 预测牙颜色的器组成,以提高恢复性牙科的颜色匹配精度.
主要方法:
- 制造了359个牙颜色的器样本 (286个标准,73个极端).
- 测量了CIELab坐标,并将它们与粉末成分相关联.
- 开发和评估ResNet,MLP和GA+BP模型,使用5倍交叉验证和平均平方误差 (MSE).
主要成果:
- ResNet获得了最低的MSE (0.0199) 和平均绝对误差 (MAE) (0.1069),这表明预测准确度优越.
- ResNet显示出最高的解释变异 (0.718),表现优于MLP和GA+BP.
- 外部验证显示ResNet的平均 ΔE00 为1.55,符合可感知度值.
结论:
- ResNet在预测牙颜色器成分方面表现出最好的准确性.
- 由人工智能驱动的系统,特别是ResNet,可以提高牙颜色匹配的准确性和可重现性.
- 这些发现支持人工智能的临床应用,以改善美学修复性牙科.
