相关实验视频
Updated: Apr 6, 2026
09:32
Cortical Source Analysis of High-Density EEG Recordings in Children
Published on: June 30, 2014
21.8K
用德米尔吉安方法改善儿童的年代年龄估计,并使用转换器和回归模型进行增强
Huseyin Simsek1, Abdulsamet Aktas2, Hamza Osman Ilhan3
1Department of Pediatric Dentistry, Faculty of Dentistry, Ordu University, Ordu, 52200, Turkey. dr.huseyinsimsek@gmail.com.
Journal of imaging informatics in medicine
|December 22, 2025
概括
这项研究开发了一种使用牙X射线深度学习的自动化方法,以准确估计儿童的时间年龄. ExtraTrees模型实现了高精度,为牙年龄估计提供了可靠的工具.
科学领域:
- 法医人类学 法医人类学
- 儿科牙科 儿科牙科
- 人工智能在医学中的应用
背景情况:
- 在法律和临床背景下,准确的儿童年龄测算非常重要.
- 传统的牙科年龄评估方法可能是主观的,耗时的.
- 深度学习提供了从放射数据客观和高效的年龄估计的潜力.
研究的目的:
- 开发和验证一个为期两阶段的自动化方法,用于对儿童的年龄进行时间推算.
- 为了利用深度学习从全景牙科放射图中提取特征.
- 为了比较各种机器学习模型的性能,用于年龄预测.
主要方法:
- 使用了626张来自6.0-13.8岁儿童的全景放射图的数据集.
- 深度学习模型 (ResNet-18,EfficientNetV2-M,Swin V2 Base) 从七个下牙中提取了一些特征.
- 提取的特征被用来训练9个机器学习回归模型,其中ExtraTrees表现最好.
主要成果:
- 在ExtraTrees模型中,女性的根平均平方误差 (RMSE) 为6.98个月,男性为6.55个月.
- 平均绝对误差 (MAE) 为女性5.18个月,男性5.01个月.
- SHAP分析确定了第一前 (P1) 和第二 (M2) 作为年龄预测的关键特征.
结论:
- 拟议的自动化管道显著提高了牙年龄估计的准确性.
- 与传统技术相比,这种方法减少了观察者的变化.
- 开发的工具为临床和法医牙科年龄评估提供了可靠和高效的解决方案.
