使用人工智能预测未爆发的狗和前的宽度,与塔纳卡-约翰斯顿和莫耶尔斯方法相比:伊朗人口的回顾性观察分析研究
Majid Mahmoudzadeh1, Shabnam Yousefi1, Maryam Farhadian2
1Department of Orthodontics, Faculty of Dentistry, Hamadan University of Medical Sciences, Hamadan, Iran.
International orthodontics
|November 21, 2025
概括
机器学习模型准确地预测未爆发的牙宽度,改善混合牙期间的正牙治疗计划. 这些人工智能方法优于预测牙尺寸的传统方法.
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
- 牙科形态学 牙科形态学
背景情况:
- 准确预测未爆发的牙宽度对于有效的混合牙治疗计划至关重要.
- 人工智能 (AI) 提供了识别牙科数据中复杂模式的潜力.
研究的目的:
- 评估机器学习 (ML) 和回归模型在预测未爆发的牙宽度方面的准确性.
- 将ML模型的性能与传统预测方法 (如Tanaka-Johnston方程和Moyers表) 进行比较.
主要方法:
- 使用3D扫描对336名正牙患者的牙成型进行了回顾性分析.
- 数字测量中距离牙的尺寸和左/右侧的平均值.
- 训练ML模型使用牙尺寸 (#1, #2, #6) 和性别来预测牙的宽度 #3, #4, #5.
主要成果:
- 支持矢量机 (SVM) 实现了下预测的最高准确度 (MAE 0.65mm,SD 0.82mm).
- 线性回归模型在上预测方面表现最好 (MAE 0.64mm,SD 0.80mm).
- 与传统方法相比,ML模型显示出更高的准确性.
结论:
- 机器学习回归技术为预测未爆发的牙尺寸提供了更高的准确性.
- 这些人工智能驱动的方法是优化在混合牙阶段优化正牙治疗计划的宝贵工具.
