临床成像模型用于预测当代内牙微手术的预后:基于机器学习的回顾性研究

科学领域:

• 牙科 牙科是指牙科的专业.
• 生物医学工程 生物医学工程

背景情况:

• 对内牙微手术 (EMS) 结果的预测模型是有限的.
• 这项研究解决了在EMS中改善预后工具的需求.

研究的目的:

• 评估用于预测EMS预后的机器学习 (ML) 算法.
• 确定EMS结果的关键患者,牙和程序相关预测因素.

主要方法:

• 使用ML算法对213颗牙进行了回顾性分析.
• 数据预处理包括SMOTE用于类不平衡和SelectKbest用于特征选择.
• 随机森林等分类器进行了培训和验证;夏普利添加式解释 (SHAP) 用于解释.

主要成果:

• 随机森林分类器实现了高预测性能 (准确率:91%,AUC:0.97).
• 预后不佳的预测因素包括缺乏指导组织再生,根端填充质量差以及病变大小.

结论:

• 随机森林模型显示了对EMS结果的强大预测潜力.
• 由SHAP衍生的预测器提供临床见解,但需要对最终结论进行外部验证.