基于人工智能的儿童面形态分类模型的性能评估
Hiroki Sato1, Akane Ueda1, Camila Tussie2
1Division of Orthodontics, Department of Developmental Oral Health Science, School of Dentistry, Iwate Medical University, 1-3-27 Chuo-dori, Morioka 020-8505, Japan.
Diagnostics (Basel, Switzerland)
|December 11, 2025
概括
一个人工智能模型准确地使用萨索尼分类来对儿科面形态进行分类. 随机森林模型实现了高精度,有助于正牙诊断和治疗规划.
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
- 放射学 放射学是一门学科.
背景情况:
- 准确的面形态评估对于正牙诊断和治疗计划至关重要.
- 萨索尼分类对面形态进行了分类,但缺乏标准化的临床标准.
- 开发客观的分类方法对于一致的临床应用至关重要.
研究的目的:
- 开发一种人工智能 (AI) 模型,根据萨索尼分类来对儿科面形态进行分类.
- 评估人工智能模型与经验丰富的正牙医所做的分类的一致性.
- 在这个分类任务中评估不同机器学习算法的性能.
主要方法:
- 使用了300名儿科患者 (6-10岁) 的横向头脑电图.
- 提取了九个脑力测量测量和患者的性别作为输入特征.
- 使用十倍交叉验证训练和评估随机森林 (RF),物流回归 (LR) 和支持矢量分类 (SVC) 模型.
主要成果:
- 随机森林 (RF) 模型实现了最高的分类准确度 (0.907 ± 0.051),超过了LR和SVC.
- 射频在F1得分,灵敏度和积极预测值方面表现优越.
- ANB角度是最有影响力的特征;患者的性别影响最小.
结论:
- 基于射频的AI模型显示了使用萨索尼系统的儿科大面部分类的高准确性.
- 这种人工智能方法为客观的正牙诊断和治疗规划提供了一个有前途的工具.
- 未来的改进可能涉及更大的数据集和更平衡的案例分布,以提高模型的稳定性.
