多模态深度学习用于大扩张中宫 suture评估
Jingwen Cai1,2, Zhenling Wang1,2, Han Wang1,2
1Fujian Key Laboratory of Oral Diseases, School and Hospital of Stomatology, Fujian Medical University, Fuzhou, 350025, China.
Scientific reports
|November 12, 2025
概括
一个人工智能工具DeepMSM使用多种数据类型准确评估中部部成熟度. 这种自动化系统提高了诊断一致性,用于正牙治疗计划,帮助临床医生做出关键决策.
科学领域:
- 牙科和口腔卫生 牙科和口腔卫生
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 准确的中部 suture成熟度评估对于有效的正牙治疗规划至关重要.
- 目前的手动方法在检查者之间存在显著的变化,这会影响治疗的可靠性.
研究的目的:
- 开发和验证DeepMSM,这是一个自动化的多式联络深度学习框架,用于标准化的中间部接阶段.
- 将形束计算断层扫描 (CBCT) 与临床指标相结合,以提高诊断准确度.
主要方法:
- 从200名正牙患者 (7-36岁) 的CBCT和横向头脑电图的回顾性分析.
- 深度MSM框架利用基于注意力的融合来整合多模式图像与临床变量 (年龄,性别,椎脊椎成熟阶段,下第三关节阶段).
主要成果:
- 深度MSM实现了93.75%的准确性和93.81%的F1得分,显著超过单模和双模方法.
- 该系统在区分关键阶段C和D方面表现出色 (92%-93%F1分数),这对于外科手术与传统扩张的决定至关重要.
- 所有的临床参数都显示出与中侧 suture 成熟的显著相关性 (p<0.05).
结论:
- DeepMSM提供了一种新的,高精度 (93.75%) 的自动化系统,用于中部部成熟度的评估.
- 该框架有潜力减少诊断变异性,提高正义牙科治疗决策的可靠性.
- 这种自动化工具对于经验较少的临床医生在指导大扩张疗法方面特别有益.
