在基于人工智能的牙年龄估计中量化跨位点效应:来自巴西全景放射图的证据

科学领域:

• 人工智能在牙科中的应用
• 医学成像分析 医学成像分析
• 法医人类学 法医人类学

背景情况:

• 牙年龄估计模型在不同地理区域和设备的泛化方面面临挑战.
• 性能差异可能导致临床和法医环境中的年龄预测不准确.

研究的目的:

• 评估基于人工智能的牙科年龄估计模型的跨区域概括性.
• 确定有效的策略来提高模型性能和可靠性.
• 透明地报告与年龄估计相关的不确定性.

主要方法:

• 利用了来自巴西两个不同地区 (东北和东南) 的21,722张全景放射图.
• 在各种培训场景下评估Inception-v4模型:单区域,多区域,微调和数据增强.
• 使用平均绝对误差 (MAE),偏差,R2,布兰德-阿尔特曼分析和校准指标评估性能.

主要成果:

• 当在一个地区训练的模型被应用于另一个地区 (在该地区的MAE为3.10年) 时,出现了显著的性能退化 (MAE4.97年).
• 关于聚合数据的培训与微调增强精度和校准 (MAE 3.24-3.69,R2 0.93-0.95).
• 数据增强提供了轻微的好处,但没有解决重大错误;热图显示了关键的解剖特征.

结论:

• 跨站点和域名的转移极大地影响了AI牙科年龄估计模型的性能.
• 采用光适应的多区域培训产生了强大的,校准的和可解释的结果.
• 这项研究为牙科中可重现的AI模型评估提供了一个基准,代码和协议.