在形光束计算机断层扫描中,一组关于中侧部部成熟阶段的数据集
Zhigang Zuo1,2, Bosha Jia1,2, Yutong Xiao3
1Department of Orthodontics, Tianjin Medical University School and Hospital of Stomatological & Tianjin Key Laboratory of Oral Soft and Hard Tissues Restoration and Regeneration, No.12 Qixiangtai Road, Heping District, Tianjin, 300070, P. R. China.
Scientific data
|February 26, 2026
概括
这项研究使用人工智能来分析CBCT扫描中的中侧部 (MPS) 融合阶段. 人工智能模型准确地预测MPS成熟度,指导牙科医生选择最佳的扩张技术,以获得最佳的患者结果.
科学领域:
- 矯正牙科 矯正牙科是一種矯正牙科.
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 在选择正义牙大扩张方法时,中腹 suture (MPS) 融合至关重要.
- 准确评估MPS成熟度对于治疗规划至关重要.
研究的目的:
- 开发和验证一个人工智能模型来分类中腹 (MPS) 融合阶段.
- 为了将患者因子与MPS融合相关联,以改善治疗选择.
主要方法:
- 分析了600张来自4至25岁患者的圆束计算机断层扫描 (CBCT) 扫描.
- 整合3D卷积神经网络 (3D CNN) 和完全连接的网络,用于MPS阶段分类.
- 评估诸如年龄,性别和口腔形态等因素与MPS融合的相关性.
主要成果:
- 人工智能模型实现了高诊断性能,AUC超过0.95.
- 该模型有效地分类了所有中部 (MPS) 成熟阶段 (A-E).
- 确定了与MPS融合水平相关的关键患者因素.
结论:
- 开发的AI模型准确地评估了中部 (MPS) 融合,有助于治疗决策.
- 该模型支持选择合适的上扩张技术,例如传统的RME用于未关闭的和手术或骨的RME用于合的.
更多相关视频
08:03Midface Hypoplasia and Cranial Base Morphology in Syndromic Craniosynostosis: A Comparative Analysis Study Using a Predictive Regression Model
Published on: November 4, 2025
313
04:11Author Spotlight: Insights into an Efficient Murine Maxillary Orthodontic Model Protocol
Published on: October 27, 2023
1.4K
