Faafetai mo le asiasi ile Nature.com.Ole lomiga ole su'esu'ega o lo'o e fa'aogaina e fa'atapula'aina le lagolago a le CSS.Mo fa'ai'uga sili, matou te fautuaina le fa'aogaina o se fa'afouga fou o lau su'esu'ega (po'o le tapeina o le fa'aogaina i le Internet Explorer).I le taimi nei, ina ia mautinoa le lagolago faifaipea, o loʻo matou faʻaalia le saite e aunoa ma le siiina poʻo le JavaScript.
O nifo e manatu o le fa'ailoga sili ona sa'o o le matua o le tino o le tagata ma e masani ona fa'aoga i su'esu'ega o tausaga ole soifua maloloina.Na matou fa'amoemoe e fa'amaonia fa'amaumauga o tausaga o nifo e fa'atatau i le la'uina o fa'amatalaga e ala i le fa'atusatusaina o le sa'o ma le fa'avasegaina o fa'atinoga o le 18-tausaga fa'atasi ma metotia fa'aleaganu'u ma fa'amaumauga e fa'atatau i tausaga e la'u mai ai fa'amaumauga.E 2657 le aofa'i o leitio fa'asalalau na aoina mai tagata Korea ma Iapani e 15 i le 23 tausaga le matutua.Na vaevaeina i latou i se seti aʻoaʻoga, e tofu ma le 900 Korea radiographs, ma se seti suʻega i totonu e iai le 857 Iapani radiographs.Na matou faʻatusatusaina le faʻavasegaina saʻo ma le lelei o metotia faʻaleaganuʻu faʻatasi ai ma seti suʻega o faʻataʻitaʻiga o faʻamatalaga.O le saʻo o le auala masani i luga o le seti suʻega i totonu e sili atu le maualuga nai lo le faʻataʻitaʻiga o faʻataʻitaʻiga o faʻamatalaga, ma e laʻititi le eseesega (o lona uiga o le sese atoatoa <0.21 tausaga, aʻa uiga sikuea sese <0.24 tausaga).O le faʻavasegaina o faʻatinoga mo le 18-tausaga tipi e tutusa foi i le va o auala masani ma faʻataʻitaʻiga o faʻamaumauga.O le mea lea, o auala masani e mafai ona suitulaga i faʻataʻitaʻiga eliina faʻamaumauga pe a faia suʻesuʻega o tausaga faʻapitoa e faʻaaoga ai le matua o le lua ma le tolu molars i Korea talavou ma talavou matutua.
Ole fua ole tausaga ole nifo e masani ona fa'aoga ile foma'i fa'afoma'i ma fomai nifo tamaiti.Aemaise lava, ona o le maualuga o le fesoʻotaʻiga i le va o tausaga faʻasolosolo ma le atinaʻeina o nifo, o le suʻesuʻeina o tausaga e ala i le atinaʻeina o nifo o se faʻataʻitaʻiga taua mo le iloiloina o tausaga o tamaiti ma talavou1,2,3.Peita'i, mo tupulaga talavou, o le fuaina o le matua o nifo e fa'atatau i le matua o nifo e iai ona tapula'a ona ua toeitiiti atoa le tuputupu a'e o nifo, se'i vagana ai mola lona tolu.O le faamoemoega faaletulafono o le fuafuaina o tausaga o tupulaga talavou ma tupulaga talavou o le tuʻuina atu lea o faʻatusatusaga saʻo ma faʻamaoniga faʻasaienisi pe ua latou aulia le matutua.I le medico-legal practice a talavou ma talavou matutua i Korea, o tausaga na faʻatatau i le faʻaaogaina o le auala a Lee, ma o le tulafono o le 18 tausaga na valoia e faʻavae i luga o faʻamaumauga na lipotia mai e Oh et al 5.
O le aʻoaʻoina o masini o se ituaiga o atamai faʻapitoa (AI) e masani ona aʻoaʻoina ma faʻavasega le tele o faʻamaumauga, foia faʻafitauli na o ia, ma faʻatautaia polokalame faʻamaumauga.E mafai e a'oa'oga masini ona su'e fa'ata'ita'iga natia aoga i voluma tetele o fa'amaumauga6.I se fa'afeagai, o metotia masani, e tele galuega ma fa'aalu taimi, e ono iai ni tapula'a pe a feagai ma voluma tetele o fa'amaumauga lavelave e faigata ona fa'agasolo lima7.O le mea lea, o le tele o suʻesuʻega na faia talu ai nei e faʻaaoga ai tekonolosi komepiuta sili ona lata mai e faʻaitiitia ai mea sese a tagata ma faʻatautaia lelei faʻamatalaga multidimensional8,9,10,11,12.Aemaise lava, o aʻoaʻoga loloto ua faʻaaogaina lautele i suʻesuʻega faʻafomaʻi, ma auala eseese mo le fuaina o tausaga e ala i le otometi suʻesuʻeina radiographs ua lipotia mai e faʻaleleia ai le saʻo ma le lelei o le fuaina o tausaga13,14,15,16,17,18,19,20 .Mo se fa'ata'ita'iga, na fausia e Halabi et al 13 se algorithm e a'oa'oina ai masini e fa'avae i luga o feso'ota'iga neural convolutional (CNN) e fa'atatau i le matua o le auivi e fa'aaoga ai leitio o lima o tamaiti.O lenei suʻesuʻega o loʻo tuʻuina atu ai se faʻataʻitaʻiga e faʻaoga ai masini aʻoaʻoga i ata faʻafomaʻi ma faʻaalia ai o nei metotia e mafai ona faʻaleleia le saʻo saʻo.Li et al14 fuaina tausaga mai le pelvic X-ray ata e faʻaaoga ai se aʻoaʻoga loloto CNN ma faʻatusatusa i latou i faʻasologa o faʻasologa e faʻaaoga ai le fua faʻatatau o le ossification.Na latou iloa o le aʻoaʻoga loloto CNN faʻataʻitaʻiga na faʻaalia ai le tutusa o tausaga faʻatusatusaga faʻatinoga e pei o le faʻataʻitaʻiga faʻasologa masani.O suʻesuʻega a Guo et al. [15] na suʻesuʻeina le faʻavasegaina o tausaga o le faʻagasologa o le CNN tekinolosi e faʻavae i luga o nifo o nifo, ma o faʻaiʻuga o le CNN faʻataʻitaʻiga na faʻamaonia ai le sili atu o tagata i lona faʻavasegaina o tausaga.
Ole tele ole su'esu'ega ile fua ole tausaga ile fa'aogaina ole masini a'oa'oga e fa'aogaina auala loloto a'oa'oga13,14,15,16,17,18,19,20.Ole fua ole tausaga e fa'atatau ile a'oa'oga loloto ua lipotia mai e sili atu le sa'o nai lo metotia masani.Ae ui i lea, o lenei faiga e maua ai se avanoa itiiti e tuʻuina atu ai le faʻavae faʻasaienisi mo faʻatusatusaga o tausaga, e pei o faʻailoga tausaga o loʻo faʻaaogaina i faʻatusatusaga.O lo’o iai fo’i se finauga fa’aletulafono po’o ai e fa’atinoina asiasiga.O le mea lea, o le fuaina o tausaga e faʻavae i luga o le loloto o aʻoaʻoga e faigata ona talia e pulega faʻapitoa ma faʻamasinoga.Faʻamatalaga faʻamatalaga (DM) o se metotia e mafai ona maua e le gata o faʻamoemoeina ae faʻapea foʻi faʻamatalaga e leʻi mafaufauina o se auala mo le mauaina o fesoʻotaʻiga aoga i le va o le tele o faʻamaumauga6,21,22.O a'oa'oga masini e masani ona fa'aogaina i fa'amatalaga fa'amatalaga, ma e fa'aogaina uma fa'amatalaga fa'amatalaga ma masini a'oa'oga tutusa ki algorithms e su'e ai mamanu i fa'amaumauga.Ole fua ole tausaga ole atina'eina o nifo e fa'avae ile su'esu'ega ole tagata su'esu'e ile matua ole nifo fa'atatau, ma o lenei su'esu'ega o lo'o fa'aalia ose laasaga mo nifo ta'itasi.E mafai ona fa'aoga le DM e fa'avasega ai le fa'amaopoopo i le va o su'esu'ega o nifo ma le matua moni ma e iai le avanoa e sui ai su'esu'ega fa'afuainumera masani.O le mea lea, afai tatou te faʻaogaina metotia DM ile fua faʻatatau o tausaga, e mafai ona tatou faʻatinoina masini aʻoaʻoga ile fua faʻatatau ole tausaga e aunoa ma le popole e uiga i noataga faaletulafono.E tele ni su'esu'ega fa'atusatusa ua fa'asalalauina e uiga i isi auala e mafai ona fa'aaoga i tusi fa'ale-aganu'u o lo'o fa'aogaina i fa'ata'ita'iga fa'afoma'i ma metotia fa'avae EBM mo le fa'amauina o tausaga o nifo.Na faʻaalia e Shen et al23 o le DM model e sili atu le saʻo nai lo le masani masani a Camerer.Na faʻaaogaina e Galibourg et al24 auala eseese a le DM e vaʻai ai le matua e tusa ai ma le Demirdjian criterion25 ma o faʻaiʻuga na faʻaalia ai o le DM metotia na sili atu i le Demirdjian ma Willems metotia i le fuafuaina o tausaga o le faitau aofaʻi o Farani.
Ina ia fa'atusatusa le matua o nifo o talavou Korea ma talavou matutua, o le metotia a Lee 4 o lo'o fa'aaogaina lautele i faiga fa'afoma'i a Korea.O lenei metotia e fa'aogaina ai fa'amaumauga fa'afuainumera fa'aleaganu'u (pei o le tele o fa'asologa) e su'esu'e ai le va o mata'upu a Korea ma le fa'asologa o tausaga.I lenei suʻesuʻega, o metotia faʻatatau o tausaga e maua mai i le faʻaaogaina o metotia faʻafuainumera masani ua faʻamatalaina o "auala masani."O le auala a Lee o se auala masani, ma o lona saʻo ua faʻamaonia e Oh et al.5;ae ui i lea, o le faʻaogaina o le fua faʻatatau o tausaga e faʻavae i luga o le DM faʻataʻitaʻiga i faʻataʻitaʻiga faʻapitoa a Korea o loʻo fesiligia pea.O la matou sini o le faʻamaonia faʻasaienisi le aoga o le faʻatusatusaina o tausaga e faʻatatau i le DM model.O le faʻamoemoe o lenei suʻesuʻega o le (1) faʻatusatusa le saʻo o faʻataʻitaʻiga DM e lua i le faʻatusatusaina o tausaga o nifo ma (2) faʻatusatusa le faʻavasegaina o faʻataʻitaʻiga o 7 DM faʻataʻitaʻiga i le matua o le 18 tausaga ma i latou na maua mai le faʻaaogaina o metotia faʻafuainumera masani Matutua o lona lua. ma mola lona tolu i auvae e lua.
O auala ma fa'asologa masani o tausaga fa'asologa i tulaga ma ituaiga nifo o lo'o fa'aalia i luga ole laiga ile Laulau Fa'aopoopo S1 (seti a'oa'oga), Laulau Fa'aopoopo S2 (seti su'ega i totonu), ma le Laulau Fa'aopoopo S3 (seti su'ega fafo).O tau o le kappa mo le faʻatuatuaina o le intra-ma le interobserver na maua mai le seti aʻoaʻoga e 0.951 ma le 0.947, i le faasologa.P tau ma 95% taimi faʻamaonia mo tau kappa o loʻo faʻaalia i luga ole laiga faʻaopoopo S4.O le tau o le kappa na faauigaina o le "toetoe lava atoatoa", e ogatasi ma tulaga o Landis ma Koch26.
A fa'atusatusa le uiga o le mea sese atoatoa (MAE), o le auala masani e sili atu nai lo le fa'ata'ita'iga DM mo itupa uma ma le seti su'ega tama i fafo, se'i vagana ai le multilayer perceptron (MLP).O le eseesega i le va o le faʻataʻitaʻiga masani ma le DM faʻataʻitaʻiga i luga ole seti ole suʻega MAE ole 0.12-0.19 tausaga mo alii ma 0.17-0.21 tausaga mo tamaitai.Mo le maa su'ega fafo, o eseesega e laiti (0.001-0.05 tausaga mo alii ma 0.05-0.09 tausaga mo tamaitai).E le gata i lea, o le root mean square error (RMSE) e laʻititi laʻititi nai lo le auala masani, faʻatasi ai ma eseesega laiti (0.17-0.24, 0.2-0.24 mo le seti suʻega a le tane, ma le 0.03-0.07, 0.04-0.08 mo le seti suʻega fafo).).O loʻo faʻaalia e le MLP le sili atu o le faʻatinoga nai lo le Single Layer Perceptron (SLP), sei vagana ai le tulaga o le suʻega a le fafine i fafo.Mo le MAE ma le RMSE, o le seti su'ega fafo e maualuga atu nai lo le seti su'ega i totonu mo itupa uma ma fa'ata'ita'iga.O MAE uma ma RMSE o loʻo faʻaalia i le Laulau 1 ma le Ata 1.
MAE ma RMSE o faʻataʻitaʻiga faʻasolosolo masani ma faʻamaumauga faʻamaumauga.Mean absolute error MAE, root mean square error RMSE, single layer perceptron SLP, multilayer perceptron MLP, auala masani CM.
Fa'avasegaina fa'atinoga (fa'atasi ai ma le tipiina o le 18 tausaga) o fa'ata'ita'iga fa'aleaganu'u ma le DM na fa'aalia i tulaga o le ma'ale'ale, fa'apitoa, tau fa'atatau lelei (PPV), tau fa'ailoga leaga (NPV), ma le vaega i lalo o le fa'aogaina o uiga fa'aogaina (AUROC) 27 (Tula 2, Ata 2 ma Fa'aopoopo Ata 1 luga ole laiga).I tulaga o le maaleale o le maa suʻega i totonu, o auala masani e sili ona lelei i alii ae sili atu ona leaga i fafine.Ae ui i lea, o le eseesega i le faʻavasegaina o faʻatinoga i le va o auala masani ma le SD e 9.7% mo alii (MLP) ma naʻo le 2.4% mo fafine (XGBoost).Faatasi ai ma faʻataʻitaʻiga DM, o le logistic regression (LR) na faʻaalia ai le sili atu o le lagona i itupa uma e lua.E tusa ai ma le faʻapitoa o le seti o suʻega i totonu, na matauina o faʻataʻitaʻiga SD e fa o loʻo faʻatinoina lelei i tamaʻitaʻi, ae o le faʻataʻitaʻiga masani e sili atu ona lelei i tamaʻitaʻi.O le eseesega i le faʻavasegaina o faʻatinoga mo alii ma tamaitai o le 13.3% (MLP) ma le 13.1% (MLP), e faʻaalia ai o le eseesega i le faʻavasegaina o faʻatinoga i le va o faʻataʻitaʻiga e sili atu i le maaleale.I totonu o faʻataʻitaʻiga DM, o le masini vector lagolago (SVM), laʻau filifiliga (DT), ma faʻataʻitaʻiga vaomatua (RF) e sili ona lelei i tama, ae o le LR faʻataʻitaʻiga sili ona lelei i tamaʻitaʻi.O le AUROC o le faʻataʻitaʻiga masani ma faʻataʻitaʻiga SD uma na sili atu nai lo le 0.925 (k-latalata lata ane (KNN) i tamaloloa), faʻaalia ai le faʻavasegaina lelei o faʻatinoga i le faʻailoga tagata 18-tausaga-le-matua samples28.Mo le seti o suʻega i fafo, sa i ai se faʻaititia o le faʻavasegaina o faʻatinoga i tulaga o le maaleale, faʻapitoa ma le AUROC faʻatusatusa i le seti suʻega i totonu.E le gata i lea, o le eseesega i le maaleale ma le faʻapitoa i le va o le faʻavasegaina o faʻatinoga o faʻataʻitaʻiga sili ona lelei ma sili ona leaga na amata mai i le 10% i le 25% ma e sili atu nai lo le eseesega i totonu ole seti suʻega.
Ma'ale'ale ma le fa'apitoa o fa'ata'ita'iga fa'avasegaina o fa'amatalaga fa'atusatusa i metotia fa'aleaganu'u ma le tipiina o le 18 tausaga.KNN k tuaoi lata ane, SVM lagolago masini vector, LR logistic regression, DT filifiliga laau, RF vaomatua vao, XGB XGBoost, MLP multilayer perceptron, auala CM masani.
O le laasaga muamua i lenei suʻesuʻega o le faʻatusatusaina lea o le saʻo o faʻatusatusaga o tausaga o nifo na maua mai faʻataʻitaʻiga DM e fitu ma i latou na maua mai i le faʻaaogaina o faʻasologa masani.MAE ma RMSE na iloiloina i totonu o seti suʻega mo itupa uma e lua, ma o le eseesega i le va o le masani masani ma le DM faʻataʻitaʻiga mai le 44 i le 77 aso mo MAE ma mai le 62 i le 88 aso mo le RMSE.E ui lava o le auala masani na sili atu ona saʻo i lenei suʻesuʻega, e faigata ona faʻamaonia pe o sea eseesega laʻititi o loʻo i ai le aoga poʻo le aoga.O fa'ai'uga nei e fa'ailoa mai ai o le sa'o o le fua fa'atatau o tausaga o nifo e fa'aaoga ai le DM fa'ata'ita'iga e toetoe lava tutusa ma le auala masani.Fa'atusatusa tu'usa'o ma fa'ai'uga mai su'esu'ega talu ai e faigata ona e leai se su'esu'ega na fa'atusaina le sa'o o fa'ata'ita'iga a le DM ma metotia fa'afuainumera masani e fa'aaoga ai le metotia lava e tasi o le pu'eina o nifo i tausaga tutusa e pei o lenei su'esu'ega.Galibourg et al24 faʻatusatusa le MAE ma le RMSE i le va o auala masani e lua (Demirjian method25 ma Willems method29) ma 10 DM faʻataʻitaʻiga i le faitau aofaʻi o Farani 2 i le 24 tausaga.Na latou lipotia mai o faʻataʻitaʻiga DM uma e sili atu le saʻo nai lo metotia masani, faʻatasi ai ma eseesega o 0.20 ma 0.38 tausaga i MAE ma 0.25 ma 0.47 tausaga i RMSE faʻatusatusa i auala a Willems ma Demirdjian, i le faasologa.O le eseesega i le va o le SD faʻataʻitaʻiga ma auala masani o loʻo faʻaalia i le Halibourg suʻesuʻega e amanaʻia ai le tele o lipoti30,31,32,33 o le Demirdjian metotia e le faʻatusatusa saʻo le matua o nifo i le faitau aofaʻi e ese mai i Farani Kanata na faʻavae ai le suʻesuʻega.i lenei su'esu'ega.Na fa'aogaina e Tai ma al 34 le MLP algorithm e va'ai ai le matua o nifo mai le 1636 ata fa'a-Saina fa'atosina ma fa'atusatusa lona sa'o ma fa'ai'uga o le auala Demirjian ma Willems.Na latou lipotia o le MLP e maualuga atu le saʻo nai lo metotia masani.O le eseesega i le va o le Demirdjian metotia ma le masani masani e <0.32 tausaga, ma le Willems metotia e 0.28 tausaga, lea e tutusa ma taunuuga o le suʻesuʻega nei.O taunuʻuga o nei suʻesuʻega talu ai24,34 e tutusa foi ma taunuuga o le suʻesuʻega o loʻo i ai nei, ma o le saʻo o le tausaga faʻatatau o le DM model ma le auala masani e tutusa.Ae ui i lea, e faʻavae i luga o faʻaiʻuga ua tuʻuina atu, e mafai ona tatou faʻamaonia ma le faʻaeteete o le faʻaaogaina o faʻataʻitaʻiga DM e faʻatusatusa ai le matua e mafai ona suia auala o loʻo i ai nei ona o le leai o se faʻatusatusaga ma faʻasino suʻesuʻega muamua.O suʻesuʻega tulitatao e faʻaaoga ai faʻataʻitaʻiga tetele e manaʻomia e faʻamaonia ai iʻuga na maua i lenei suʻesuʻega.
I totonu o suʻesuʻega e suʻe ai le saʻo o le SD i le faʻatusatusaina o tausaga o nifo, o nisi na faʻaalia le saʻo maualuga atu nai lo a matou suʻesuʻega.Stepanovsky et al 35 na faʻaaogaina 22 SD faʻataʻitaʻiga i radiographs panoramic o le 976 tagata Czech e 2.7 i le 20.5 tausaga ma faʻataʻitaʻiina le saʻo o faʻataʻitaʻiga taʻitasi.Na latou suʻesuʻeina le atinaʻeina o le aofaʻi ole 16 pito i luga ma lalo agavale agavale e faʻaaoga ai le faʻavasegaina o le faʻatulagaina e Moorrees et al 36.O le MAE mai le 0.64 i le 0.94 tausaga ma le RMSE mai le 0.85 i le 1.27 tausaga, e sili atu le sa'o nai lo fa'ata'ita'iga DM e lua na fa'aaogaina i lenei su'esu'ega.Na fa'aogaina e Shen ma al23 le auala Cameriere e fa'atatau ai le matua o nifo e fitu o nifo tumau i le lima agavale i sasa'e o Saina o lo'o nonofo i le 5 i le 13 tausaga ma fa'atusatusa i tausaga fa'atatau e fa'aaoga ai le laina laina, SVM ma le RF.Na latou faʻaalia o faʻataʻitaʻiga DM uma e tolu e maualuga atu le saʻo pe a faʻatusatusa i le masani masani a Cameriere.O le MAE ma le RMSE i le suʻesuʻega a Shen na maualalo ifo nai lo i latou i le DM model i lenei suʻesuʻega.O le faʻateleina o le saʻo o suʻesuʻega a Stepanovsky et al.35 ma Shen et al.23 atonu e mafua mai i le fa'aofiina o mataupu laiti i a latou fa'ata'ita'iga su'esu'ega.Talu ai e sili atu ona sa'o fua faatatau o tausaga mo tagata o lo'o atia'e nifo pe a fa'atupula'ia le aofa'i o nifo i le taimi o le tuputupu a'e o nifo, e ono fa'aletonu le sa'o o le fua fa'atatau o tausaga pe a laiti tagata su'esu'e.E le gata i lea, o le sese a le MLP i le fua faatatau o tausaga e la'ititi la'ititi nai lo le SLP, o lona uiga e sili atu le sa'o o le MLP nai lo le SLP.MLP e manatu e sili teisi mo le fuaina o tausaga, masalo ona o le natia i le MLP38.Ae ui i lea, o loʻo i ai se tuusaunoaga mo le faʻataʻitaʻiga fafo o fafine (SLP 1.45, MLP 1.49).O le mauaina o le MLP e sili atu le sa'o nai lo le SLP i le su'esu'eina o tausaga e mana'omia ai su'esu'ega fa'aopoopo i tua.
O le faʻavasegaina o le faʻataʻitaʻiga o le DM faʻataʻitaʻiga ma le auala masani i le 18 tausaga na faʻatusatusaina foi.O fa'ata'ita'iga SD uma na fa'ata'ita'iina ma metotia fa'aleaganu'u i le seti su'ega fa'alotoifale na fa'aalia ai tulaga fa'ailoga tagata mo le fa'ata'ita'iga 18-tausaga le matua.O le maaleale mo alii ma tamaitai na sili atu nai lo le 87.7% ma le 94.9%, i le faasologa, ma faʻapitoa na sili atu nai lo le 89.3% ma le 84.7%.O le AUROC o faʻataʻitaʻiga uma faʻataʻitaʻiga e sili atu i le 0.925.E tusa ai ma lo matou iloa, e leai se suʻesuʻega na faʻataʻitaʻiina le faʻatinoga o le faʻataʻitaʻiga DM mo le faʻavasegaina o le 18-tausaga e faʻatatau i le matua o nifo.E mafai ona tatou faʻatusatusa iʻuga o lenei suʻesuʻega ma le faʻavasegaina o faʻatinoga o faʻataʻitaʻiga loloto aʻoaʻoga i luga o radiographs panoramic.Na fuafuaina e Guo et al.15 le faʻavasegaina o faʻatinoga o se faʻataʻitaʻiga loloto o le aʻoaʻoga a CNN ma se auala tusi lesona e faʻavae i luga o le auala a Demirjian mo se faʻailoga tausaga.O le maaleale ma le faʻapitoa o le auala tusi lesona o le 87.7% ma le 95.5%, i le faasologa, ma le faʻaogaina ma le faʻapitoa o le CNN faʻataʻitaʻiga sili atu i le 89.2% ma le 86.6%, i le faasologa.Na latou fa'ai'uga e mafai e fa'ata'ita'iga loloto a'oa'oga ona suitulaga pe sili atu le fa'atinoina o su'esu'ega a le tusi lesona i le fa'avasegaina o tausaga.O faʻaiʻuga o lenei suʻesuʻega na faʻaalia ai le faʻavasegaina tutusa;E talitonuina o le faʻavasegaina e faʻaaoga ai faʻataʻitaʻiga DM e mafai ona suitulaga i metotia faʻafuainumera masani mo le fuaina o tausaga.I totonu o faʻataʻitaʻiga, o le DM LR o le faʻataʻitaʻiga sili ona lelei i tulaga o le faʻaogaina o le tamaʻitaʻi faʻataʻitaʻiga ma le faʻaogaina ma le faʻapitoa mo le faʻataʻitaʻiga fafine.LR tulaga lua i faʻapitoa mo alii.E le gata i lea, o le LR ua manatu o se tasi o faʻataʻitaʻiga DM35 sili ona faʻaoga-tagata ma e itiiti le lavelave ma faigata ona faʻagasolo.E tusa ai ma nei fa'ai'uga, na manatu le LR o le fa'ata'ita'iga fa'avasega sili ona lelei mo le 18-tausaga le matutua i le faitau aofa'i o Korea.
I le aotelega, o le sa'o o le fua fa'atatau o le matua po'o le fa'avasegaina o fa'atinoga i le seti su'ega i fafo na leaga pe maualalo pe a fa'atusatusa i fa'ai'uga o le seti su'ega i totonu.O nisi lipoti o loʻo faʻaalia ai le faʻavasegaina o le saʻo poʻo le lelei e faʻaitiitia pe a faʻatatau i tausaga faʻatatau i le faitau aofaʻi o Korea i le faitau aofaʻi o Iapani5,39, ma o se mamanu tutusa na maua i le suʻesuʻega nei.O lenei tulaga faʻaleagaina na matauina foi i le DM model.O le mea lea, ia faʻatusatusa saʻo le matua, e tusa lava pe faʻaaogaina le DM i le faʻasologa o suʻesuʻega, o metotia e maua mai i faʻamaumauga o le faitau aofaʻi, e pei o auala masani, e tatau ona sili5,39,40,41,42.Talu ai e le o manino pe mafai e faʻataʻitaʻiga aʻoaʻoga loloto ona faʻaalia faiga tutusa, o suʻesuʻega e faʻatusatusa ai le faʻavasegaina saʻo ma le lelei e faʻaaoga ai metotia masani, DM faʻataʻitaʻiga, ma faʻataʻitaʻiga loloto aʻoaʻoga i luga o faʻataʻitaʻiga tutusa e manaʻomia e faʻamaonia pe mafai e le atamai faʻapitoa ona manumalo i nei vaʻaiga faʻailoga i tausaga faʻatapulaʻa.iloiloga.
Matou te faʻaalia e mafai ona suia auala faʻale-aganuʻu i le fua faʻatatau o tausaga e faʻavae i luga o le DM faʻataʻitaʻiga i faʻataʻitaʻiga faʻataʻitaʻiga o tausaga i Korea.Na matou mauaina foʻi le avanoa e faʻatino ai le aʻoaʻoina o masini mo suʻesuʻega o le matua.Ae ui i lea, o loʻo i ai ni tapulaʻa manino, e pei o le le lava o le aofaʻi o tagata auai i lenei suʻesuʻega e faʻamaonia ai taunuuga, ma le leai o ni suʻesuʻega muamua e faʻatusatusa ma faʻamaonia taunuuga o lenei suʻesuʻega.I le lumanaʻi, e tatau ona faia suʻesuʻega DM ma le tele o faʻataʻitaʻiga ma le tele o tagata eseese e faʻaleleia ai lona faʻaogaina faʻatatau pe a faʻatusatusa i metotia masani.Ina ia faʻamaonia le faʻaogaina o le faʻaogaina o le atamai faʻapitoa e faʻatusatusa ai le matua i le tele o tagata, suʻesuʻega i le lumanaʻi e manaʻomia e faʻatusatusa ai le faʻavasegaina saʻo ma le lelei o le DM ma faʻataʻitaʻiga loloto aʻoaʻoga ma metotia masani i faʻataʻitaʻiga tutusa.
O le su'esu'ega na fa'aogaina ai ata fa'akomipiuta e 2,657 na aoina mai tagata matutua Korea ma Iapani e 15 i le 23 tausaga le matutua.Na vaevaeina le leitio Korea i 900 seti aʻoaʻoga (19.42 ± 2.65 tausaga) ma 900 seti suʻega i totonu (19.52 ± 2.59 tausaga).O le seti aʻoaʻoga na aoina i le tasi faʻalapotopotoga (Seoul St. Mary's Hospital), ma le seti suʻega na aoina i faʻalapotopotoga e lua (Seoul National University Dental Hospital ma Yonsei University Dental Hospital).Na matou aoina foi 857 leitio mai isi faʻamaumauga faʻavae tagata (Iwate Medical University, Iapani) mo suʻega fafo.Radiographs o mataupu Iapani (19.31 ± 2.60 tausaga) na filifilia e avea ma seti suʻega fafo.O fa'amaumauga na aoina mai i tua e iloilo ai tulaga o le atina'eina o nifo i luga o leitio fa'asalalau na faia i le taimi o togafitiga o nifo.O fa'amaumauga uma na aoina e le'o ta'ua se'i vagana le itupa, aso fanau ma le aso o le leitio.Tulaga fa'aofi ma fa'aesea e tutusa ma su'esu'ega fa'asalalau muamua 4, 5.O le matua moni o le fa'ata'ita'iga na fa'atatauina e ala i le toesea o le aso fanau mai le aso na ave ai le leitio.O le vaega fa'ata'ita'i sa vaevaeina i ni tausaga se iva.O le tufatufaina o tausaga ma itupa o loʻo faʻaalia i le Laulau 3 O lenei suʻesuʻega na faia e tusa ai ma le Tautinoga a Helsinki ma faʻamaonia e le Institutional Review Board (IRB) o le Seoul St. Mary's Hospital o le Catholic University of Korea (KC22WISI0328).Ona o le mamanu lata mai o lenei suʻesuʻega, e le mafai ona maua se faʻatagaga mai tagata mamaʻi uma o loʻo faia suʻesuʻega leitio mo togafitiga faʻapitoa.O le Seoul Korea University St. Mary's Hospital (IRB) na fa'ate'aina le mana'oga mo se fa'atagaga.
O la'asaga o le atina'e o molar lona lua ma le tolu molara na su'esu'eina e tusa ai ma ta'iala a Demircan25.Na'o le tasi le nifo na filifilia pe a maua le ituaiga nifo tutusa i le itu agavale ma le itu taumatau o auvae taitasi.Afai o nifo e tasi i itu uma e lua e eseese laasaga o le tuputupu aʻe, o le nifo e iai le tulaga maualalo o le tuputupu aʻe na filifilia e faʻamaonia ai le le mautonu i le tausaga faʻatatau.E tasi le selau o leitio na filifilia fa'afuase'i mai le seti a'oa'oga na sikoa e ni tagata va'ava'ai poto e to'alua e fa'ata'ita'i ai le fa'atuatuaina ole va'ava'ai pe a mae'a le fa'avasegaina e iloa ai le tulaga matua o nifo.O le faʻatuatuaina o le Intraobserver na suʻesuʻeina faalua i le tolu-masina vaeluaga e le tagata matau muamua.
O le itupa ma le tuputupu aʻe o le molar lona lua ma le tolu o auvae taʻitasi i le seti aʻoaʻoga na fuafuaina e se tagata matau muamua na aʻoaʻoina i faʻataʻitaʻiga DM eseese, ma o le matua moni na faʻatulagaina e avea ma tau faʻatatau.SLP ma MLP faʻataʻitaʻiga, o loʻo faʻaaogaina lautele i le aʻoaʻoina o masini, na faʻataʻitaʻiina e faasaga i le faʻasologa o algorithms.O le DM fa'ata'ita'iga e tu'ufa'atasia galuega fa'akomepiuta e fa'aaoga ai la'asaga o le atina'e o nifo e fa ma tu'ufa'atasia nei fa'amaumauga e fa'atatau ai le matua.O le SLP ole feso'ota'iga neural sili ona faigofie ma e le o iai ni mea natia.SLP e galue e fa'avae i luga o le fa'asalalauga fa'asaga i le va o nodes.O le SLP faʻataʻitaʻiga i le faʻasologa e tutusa tutusa ma le tele o laina laina.E le pei o le SLP faʻataʻitaʻiga, o le MLP faʻataʻitaʻiga o loʻo i ai le tele o laupepa natia faʻatasi ai ma galuega faʻagaoioi le laina.O a matou su'esu'ega na fa'aogaina ai se vaega natia ma na'o le 20 nodes natia ma galuega fa'agaoioi e le laina.Fa'aaoga le fa'asolo malie e fai ma metotia fa'asilisili ma le MAE ma le RMSE e fai ma galuega fa'aletonu e toleni ai la tatou fa'ata'ita'iga a'oa'oga masini.O le fa'ata'ita'iga sili ona lelei na maua na fa'aogaina i seti su'ega i totonu ma fafo ma fa'atatau le matua o nifo.
O se fa'avasegaga algorithm na fausia e fa'aoga ai le matua o nifo e fa i luga o le toleniga seti e va'ai pe o se fa'ata'ita'iga e 18 tausaga pe leai.Ina ia fausia le faʻataʻitaʻiga, na matou maua ai ni faʻataʻitaʻiga e fitu e aʻoaʻoina ai masini algorithms6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, ma (7) MLP .O le LR o se tasi o fa'avasegaga fa'apitoa fa'aogaina algorithms44.O se su'esu'ega a'oa'oga algorithm lea e fa'aogaina ai le toe fa'afo'i e va'ai ai le avanoa o fa'amaumauga o lo'o iai i se vaega patino mai le 0 i le 1 ma fa'avasegaina fa'amaumauga o se vaega e sili atu ona foliga mai e fa'atatau i lenei avanoa;fa'aaogaina mo le fa'avasegaina binary.KNN o se tasi o masini aʻoaʻoina faigofie algorithms45.A tu'uina atu ni fa'amatalaga fou, e maua ai k fa'amatalaga latalata i le seti o lo'o i ai ona fa'avasegaina lea i le vasega e sili ona maualuga.Matou te setiina le 3 mo le numera o tuaoi na iloiloina (k).SVM o se algorithm e faʻateleina ai le mamao i le va o vasega e lua e ala i le faʻaogaina o le kernel galuega e faʻalautele ai le laina laina i se avanoa e le faʻaogaina e taʻua o fields46.Mo lenei faʻataʻitaʻiga, matou te faʻaogaina le faʻaituau = 1, mana = 1, ma le gamma = 1 e fai ma hyperparameters mo le fatu polynomial.DT ua fa'aaogaina i vaega eseese e fai ma algorithm mo le vaevaeina o fa'amaumauga atoa i ni vaega laiti e ala i le fa'atusaina o tulafono fa'ai'uga i totonu o se fausaga o la'au47.O le faʻataʻitaʻiga o loʻo faʻapipiʻiina ma se numera laʻititi o faʻamaumauga i le node o le 2 ma faʻaaogaina le faʻailoga Gini e fai ma fua o le lelei.O le RF o se metotia faʻapipiʻi e tuʻufaʻatasia ai le tele o DTs e faʻaleleia ai le faʻatinoga e faʻaaoga ai se auala faʻapipiʻi bootstrap e faʻatupuina ai se faʻavasegaina vaivai mo faʻataʻitaʻiga taʻitasi e ala i le tusia faʻafuaseʻi o faʻataʻitaʻiga tutusa le tele i le tele o taimi mai le uluai dataset48.Sa matou fa'aogaina la'au e 100, 10 loloto o la'au, 1 lapo'a la'ititi la'ititi, ma le fa'asinomaga fa'afefiloi o Gini e fai ma ta'iala tu'ueseese pona.O le fa'avasegaina o fa'amaumauga fou e fa'atatau i le palota tele.O le XGBoost o se algorithm e tuʻufaʻatasia auala faʻaleleia e faʻaaoga ai se metotia e avea ma faʻamatalaga aʻoaʻoga le mea sese i le va o mea moni ma vaʻaia o le faʻataʻitaʻiga muamua ma faʻateleina le mea sese e faʻaaoga gradients49.O se fa'aoga lautele algorithm ona o le lelei o le fa'atinoga ma le fa'aogaina o puna'oa, fa'apea fo'i ma le fa'atuatuaina maualuga e pei o se galuega fa'asa'o fa'apipi'i.O le faʻataʻitaʻiga ua faʻapipiʻiina i uili lagolago 400.O le MLP ose neural network lea e tasi pe sili atu perceptrons e fausia ai le tele o laulau ma se tasi pe sili atu foi natia i le va o le mea e ulufale ai ma le mea e gaosia.I le fa'aogaina o lenei mea, e mafai ona e fa'atinoina le fa'avasegaina e le o laina laina pe a e fa'aopoopoina se vaega fa'aoga ma maua ai se tau fa'ai'uga, e fa'atusatusa le tau o le fa'ai'uga i le tau o le taunu'uga moni ma toe fa'afo'i le mea sese.Na matou faia se vaega natia ma 20 neu natia i vaega taitasi.O fa'ata'ita'iga ta'itasi na matou atina'e na fa'aogaina i totonu ma fafo seti e fa'ata'ita'i ai fa'atinoga fa'avasegaina e ala i le fa'atatauina o le ma'ale'ale, fa'apitoa, PPV, NPV, ma le AUROC.O le maaleale o lo'o faauigaina o le fua faatatau o se fa'ata'ita'iga e tusa ma le 18 tausaga pe sili atu i se fa'ata'ita'iga e fa'atatau i le 18 tausaga pe sili atu.Fa'apitoa ole vaega ole fa'ata'ita'iga i lalo ole 18 tausaga le matutua ma i latou e fa'atatau i lalo ole 18 tausaga le matutua.
O laasaga o nifo na iloiloina i le seti aʻoaʻoga na faʻaliliuina i numera numera mo suʻesuʻega fuainumera.Multivariate linear ma logistic regression na faia e atiaʻe ai faʻataʻitaʻiga faʻataʻitaʻiga mo itupa taʻitasi ma maua mai fua faʻasologa e mafai ona faʻaaoga e faʻatatau ai le matua.Na matou fa'aogaina nei fua fa'atatau e fa'atatau le matua o nifo mo seti su'ega i totonu ma fafo.O le laulau 4 o loʻo faʻaalia ai faʻataʻitaʻiga faʻasolosolo ma faʻavasegaina faʻaaogaina i lenei suʻesuʻega.
O le fa'alagolago i totonu ma le va'ava'ai na fa'atatau ile fa'aogaina ole fuainumera o le kappa a Cohen.Ina ia faʻataʻitaʻiina le saʻo o le DM ma faʻataʻitaʻiga faʻaleaganuʻu masani, matou te faʻatatauina MAE ma RMSE e faʻaaoga ai tausaga faʻatatau ma le moni o seti suʻega i totonu ma fafo.O nei mea sese e masani ona faʻaaogaina e iloilo ai le saʻo o faʻataʻitaʻiga faʻataʻitaʻiga.O le la'ititi o le mea sese, o le maualuga lea o le sa'o o le valo'aga24.Fa'atusatusa le MAE ma le RMSE o seti su'ega i totonu ma fafo ua fuafuaina e fa'aaoga ai le DM ma le fa'asologa masani.Fa'avasegaina fa'atinoga o le 18-tausaga tipi i fa'amaumauga fa'aleaganu'u na iloiloina e fa'aaoga ai le 2 × 2 fa'alavelave fa'alavelave.O le faʻatusatusaina o le maʻaleʻale, faʻapitoa, PPV, NPV, ma le AUROC o le seti suʻega na faʻatusatusa i fua faʻatatau o le faʻavasegaina o le DM.O fa'amaumauga o lo'o fa'aalia o lona uiga ± fa'asologa masani po'o le numera (%) fa'atatau i uiga fa'amaumauga.E lua itu P tau <0.05 na manatu i fuainumera taua.O su'esu'ega fa'afuainumera masani uma na faia i le fa'aaogaina o le SAS version 9.4 (SAS Institute, Cary, NC).O le DM regression model na faʻatinoina i le Python e faʻaaoga ai Keras50 2.2.4 backend ma Tensorflow51 1.8.0 faʻapitoa mo faʻatinoga o le matematika.O le faʻataʻitaʻiga faʻavasegaina o le DM na faʻatinoina i le Waikato Knowledge Analysis Environment ma le Konstanz Information Miner (KNIME) 4.6.152 faʻasalalauga faʻavae.
Ua fa'ailoa e le au tusitala o fa'amaumauga e lagolagoina ai fa'ai'uga a le su'esu'ega e mafai ona maua i le tusiga ma mea fa'aopoopo.O fa'amaumauga na faia ma/po'o au'ili'ili i le taimi o su'esu'ega o lo'o avanoa mai le tusitala e fetaui i luga ole talosaga talafeagai.
Ritz-Timme, S. et al.Su'esu'ega o tausaga: tulaga fa'aonaponei e fa'amalieina mana'oga fa'apitoa mo fa'ata'ita'iga fa'afoma'i.fa'ava-o-malo.J. Fomai fa'aletulafono.113, 129–136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., ma Olze, A. Tulaga i le taimi nei o suʻesuʻega o tausaga faʻapitoa mo tagata soifua mo faʻamoemoega solitulafono.Fa'afoma'i.vaila'au.Fa'ama'i.1, 239–246 (2005).
Pan, J. et al.O se auala ua suia mo le su'esu'eina o tausaga o nifo o tamaiti e 5 i le 16 tausaga i sasa'e o Saina.falema'i.Su'esu'ega tautala.25, 3463–3474 (2021).
Lee, SS ma isi. Fa'asologa o taimi o le atina'eina o molar lona lua ma le tolu i Korea ma lona fa'aoga mo su'esu'ega o tausaga ole soifua maloloina.fa'ava-o-malo.J. Fomai fa'aletulafono.124, 659–665 (2010).
Oh, S., Kumagai, A., Kim, SY ma Lee, SS Sa'o le fua faatatau o le matua ma le fua o le 18 tausaga e faavae i luga o le matua o molar lona lua ma le tolu i Korea ma Iapani.PLoS TASI 17, e0271247 (2022).
Kim, JY, ma isi.O su'esu'ega fa'amaumauga e fa'atatau i masini a'o le'i fa'atinoina e mafai ona va'ai ai i'uga o togafitiga o taotoga moe i tagata mama'i e maua i le OSA.le faasaienisi.Lipoti 11, 14911 (2021).
Han, M. et al.Fa'atatau sa'o o tausaga mai le a'oa'oina o masini fa'atasi pe leai fo'i se fa'alavelave a tagata?fa'ava-o-malo.J. Fomai fa'aletulafono.136, 821–831 (2022).
Khan, S. ma Shaheen, M. Mai Fa'amatalaga Fa'amatalaga i Fa'amatalaga Fa'amatalaga.J.Faamatalaga.le faasaienisi.https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. ma Shaheen, M. WisRule: The First Cognitive Algorithm for Association Rule Mining.J.Faamatalaga.le faasaienisi.https://doi.org/10.1177/01655515221108695 (2022).
Shaheen M. ma Abdullah U. Karm: Fa'atauga fa'amaumauga masani e fa'avae i luga o tulafono fa'avae fa'atasi.fuafua.Mata.faaauau.68, 3305–3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. ma Habib M. O le loloto aʻoaʻoga e faʻavae i luga o le suʻesuʻeina o foliga tutusa e faʻaaoga ai faʻamaumauga o tusitusiga.logo.tekinolosi.pulea.https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
Tabish, M., Tanoli, Z., and Shahin, M. O se faiga mo le iloaina o gaoioiga i vitio taaloga.multimedia.Talosaga Meafaigaluega https://doi.org/10.1007/s11042-021-10519-6 (2021).
Halabi, SS et al.RSNA Machine Learning Luitau ile Pediatric Bone Age.Radiology 290, 498–503 (2019).
Li, Y. et al.Su'esu'ega o tausaga mai le pelvic X-ray e fa'aaoga ai a'oa'oga loloto.EURO.fa'avevela.29, 2322–2329 (2019).
Guo, YC, et al.Sa'o le fa'avasegaina o tausaga e fa'aaoga ai metotia tusi lesona ma feso'ota'iga neural loloto mai fa'asologa o ata.fa'ava-o-malo.J. Fomai fa'aletulafono.135, 1589–1597 (2021).
Alabama Dalora et al.Fuafuaga o tausaga ole ponaivi e faʻaaoga ai auala eseese aʻoaʻoga masini: o se suʻesuʻega faʻasologa o tusitusiga ma faʻataʻitaʻiga.PLoS TASI 14, e0220242 (2019).
Du, H., Li, G., Cheng, K., ma Yang, J. Fuafuaga o tausaga faʻapitoa o tagata Aferika Amerika ma Saina e faʻavae i luga o voluma potu pulp o molars muamua e faʻaaoga ai le cone-beam computed tomography.fa'ava-o-malo.J. Fomai fa'aletulafono.136, 811–819 (2022).
Kim S., Lee YH, Noh YK, Park FK ma Oh KS Fuafuaina o vaitausaga o tagata ola e faʻaogaina ata faʻavae faʻavae o molar muamua.le faasaienisi.Lipoti 11, 1073 (2021).
Stern, D., Payer, C., Giuliani, N., ma Urschler, M. Otometi tausaga fua ma le tele o tausaga faʻavasega mai multivariate MRI data.IEEE J. Biomed.Lapata'i Soifua Maloloina.23, 1392–1403 (2019).
Cheng, Q., Ge, Z., Du, H. ma Li, G. Fuafuaga tausaga e fa'avae i luga o le 3D pulp chamber segmentation o molars muamua mai cone beam computed tomography e ala i le tu'ufa'atasia o a'oa'oga loloto ma seti tulaga.fa'ava-o-malo.J. Fomai fa'aletulafono.135, 365–373 (2021).
Wu, WT, ma isi.Faʻamatalaga faʻamatalaga i faʻamaumauga tetele: faʻamaumauga masani, laasaga, ma metotia faʻataʻitaʻiga.Lalolagi.vaila'au.puna'oa.8, 44 (2021).
Yang, J. et al.Folasaga i Fa'amaumauga Fa'afoma'i ma Fa'amatalaga Fa'amatalaga Tekonolosi i le Big Data Era.J. Avid.Fualaau masani.13, 57–69 (2020).
Shen, S. et al.Metotia a Camerer mo le fuaina o tausaga o nifo e fa'aaoga ai masini a'oa'oga.BMC Oral Health 21, 641 (2021).
Galliburg A. et al.Fa'atusatusaga o auala eseese a'oa'oga masini mo le vavalo o tausaga o nifo e fa'aaoga ai le Demirdjian staging method.fa'ava-o-malo.J. Fomai fa'aletulafono.135, 665–675 (2021).
Demirdjian, A., Goldstein, H. ma Tanner, JM O se faiga fou mo le iloiloina o tausaga o nifo.manava.biology.45, 211–227 (1973).
Landis, JR, ma Koch, GG Fua o le maliega a tagata matau i faʻamaumauga faʻavasega.Biometrics 33, 159–174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK ma Choi HK.Textural, morphological and statistical analysis of two-dimensional magnetic resonance imaging e faʻaogaina ai faʻataʻitaʻiga faʻapitoa mo le faʻavasegaina o tuma o le faiʻai muamua.Fa'amatalaga fa'alesoifua maloloina.puna'oa.https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Taimi meli: Ian-04-2024