人工智能辅助的间接结合方法对于优化正牙支架定位的有用性

科学领域:

• 矯正牙科 矯正牙科是一種矯正牙科.
• 牙科技术 牙科技术
• 人工智能在医学中的应用

背景情况:

• 间接粘合 (IDB) 是一种关键的正牙技术,用于精确地放置支架.
• 传统的IDB方法在准确性上有局限性,特别是在支架角度方面.
• 人工智能 (AI) 提供了增强牙矯正的数字工作流程的潜力.

研究的目的:

• 为了比较传统和人工智能辅助的数字间接绑定 (IDB) 方法之间的支架定位精度.
• 评估AI在优化正义牙科支架定位方面的有效性.
• 评估人工智能辅助的数字IDB对正牙医的临床效用.

主要方法:

• 25名临床医生使用传统和人工智能辅助的数字IDB进行了支架定位.
• 支架定位精度通过数字叠加量化,并与最佳设置进行比较.
• 统计分析,包括单尾t测试,对预定义的精度限制 (0.5毫米线性,2度尖端) 的差异进行了评估.

主要成果:

• 这两种方法均实现了平均线性支架定位差异低于0.5毫米的极限 (0.28毫米 mesial-distal,0.32毫米 occlusal-gingival).
• 尖端角度差异平均为3.4°,超过了2°的极限,数字方法的准确性更高.
• 对于尖端定位与两种方法的最佳设置相比,观察到具有统计学意义的差异,但对于线性维度而言没有.

结论:

• 传统和人工智能辅助的数字IDB方法在线性支架定位方面提供了可比的准确性.
• 人工智能显示出在数字IDB工作流程中提高支架角度精度的前景.
• 使用传统IDB的临床医生可以在不影响支架定位精度的情况下过渡到人工智能辅助的数字IDB.