Mèsi pou vizite Nature.com. Vèsyon an nan navigatè w ap itilize gen limite CSS sipò. Pou pi bon rezilta, nou rekòmande lè l sèvi avèk yon vèsyon plus nan navigatè ou a (oswa vire sou mòd konpatibilite nan Internet Explorer). Nan entre -temps la, asire sipò kontinyèl, nou ap montre sit la san yo pa manier oswa JavaScript.
Dan yo konsidere kòm endikatè ki pi egzat nan laj la nan kò imen an epi yo souvan yo itilize nan evalyasyon laj legal. Nou vize valide done ki baze sou estimasyon laj dantè pa konpare presizyon nan estimasyon ak pèfòmans klasifikasyon nan papòt la 18-ane ak metòd tradisyonèl ak done ki baze sou estimasyon laj ki baze sou. Yo te ranmase yon total 2657 radyografi panoramik nan sitwayen Koreyen ak Japonè ki gen laj 15 a 23 ane. Yo te divize an yon seri fòmasyon, chak ki gen 900 radyografi Koreyen, ak yon seri tès entèn ki gen 857 radyografi Japonè yo. Nou konpare presizyon nan klasifikasyon ak efikasite nan metòd tradisyonèl ak kouche tès nan modèl min done. Presizyon nan metòd la tradisyonèl sou seri a tès entèn se yon ti kras pi wo pase sa yo ki an modèl la min done, ak diferans lan se ti (vle di erè absoli <0.21 ane, rasin vle di erè kare <0.24 ane). Pèfòmans nan klasifikasyon pou coupure la 18-ane se tou menm jan ant metòd tradisyonèl yo ak modèl min done. Se konsa, metòd tradisyonèl yo ka ranplase pa modèl min done lè fè evalyasyon laj legal lè l sèvi avèk matirite a nan dezyèm ak twazyèm molèr nan adolesan Koreyen ak jèn adilt.
Estimasyon laj dantè se lajman ki itilize nan medikaman legal ak dantis pedyatrik. An patikilye, paske nan korelasyon ki wo ant laj kwonolojik ak devlopman dantè, evalyasyon laj pa etap devlopman dantè se yon kritè enpòtan pou evalye laj timoun ak adolesan1,2,3. Sepandan, pou jèn moun, estime laj dantè ki baze sou matirite dantè gen limit li yo paske kwasans dantè se prèske konplè, ak eksepsyon nan molèr yo twazyèm. Objektif legal pou detèmine laj jèn yo ak adolesan yo se bay estimasyon egzat ak prèv syantifik sou si yo te rive nan laj majorite. Nan pratik mediko-legal nan adolesan ak jèn adilt nan Kore di, laj te estime lè l sèvi avèk metòd Lee a, ak yon papòt legal nan 18 ane te prevwa ki baze sou done yo rapòte pa Oh et al 5.
Aprantisaj machin se yon kalite entèlijans atifisyèl (AI) ki repete aprann ak klase gwo kantite done, rezoud pwoblèm sou pwòp li yo, ak kondui pwogramasyon done. Aprantisaj machin ka dekouvri modèl itil kache nan gwo komèsan nan done6. Nan contrast, metòd klasik, ki se travay-entansif ak tan konsome, ka gen limit lè fè fas ak komèsan gwo nan done konplèks ki difisil nan pwosesis manyèlman7. Se poutèt sa, anpil etid yo te fèt dènyèman lè l sèvi avèk dènye teknoloji yo òdinatè pou misyon pou minimize erè moun ak efikasite pwosesis multidimansyonèl done8,9,10,11,12. An patikilye, aprantisaj gwo twou san fon te lajman itilize nan analiz imaj medikal, ak divès metòd pou estimasyon laj pa otomatikman analize radyografi yo te rapòte yo amelyore presizyon an ak efikasite nan estimasyon laj13,14,15,16,17,18,19,20,20,20,20,20,20,13,15,16,18,19,20,20,20,20,20,13,15,16,18,19,20,20,20,20,20,13,15,16,17,18,19,20,20,20,20,13,14,15,17,18,19,20,20,20,20,13,14,15,17,18,19,20,20 . Pou egzanp, Halabi et al 13 devlope yon algorithm aprantisaj machin ki baze sou rezo konvolutional neral (CNN) yo estime laj zo lè l sèvi avèk radyografi nan men timoun yo. Etid sa a pwopoze yon modèl ki aplike aprantisaj machin nan imaj medikal ak montre ke metòd sa yo ka amelyore presizyon dyagnostik. Li et al14 estime laj soti nan imaj x-ray basen lè l sèvi avèk yon CNN aprantisaj gwo twou san fon ak konpare yo ak rezilta retou annaryè lè l sèvi avèk estimasyon etap osifikasyon. Yo te jwenn ke modèl la CNN aprantisaj gwo twou san fon te montre pèfòmans nan menm laj estimasyon kòm modèl la retou annaryè tradisyonèl yo. Etid Guo et al.
Pifò etid sou estimasyon laj lè l sèvi avèk aprantisaj machin sèvi ak metòd aprantisaj gwo twou san fon13,14,15,16,17,18,19,20. Estimasyon laj ki baze sou aprantisaj gwo twou san fon yo rapòte yo dwe pi egzat pase metòd tradisyonèl yo. Sepandan, apwòch sa a bay ti kras opòtinite yo prezante baz syantifik la pou estimasyon laj, tankou endikatè yo laj yo itilize nan estimasyon yo. Genyen tou yon diskisyon legal sou ki fè enspeksyon yo. Se poutèt sa, estimasyon laj ki baze sou aprantisaj gwo twou san fon difisil a aksepte pa otorite administratif ak jidisyè. Done Mining (DM) se yon teknik ki ka dekouvri pa sèlman espere, men tou enfòmasyon inatandi kòm yon metòd pou dekouvri korelasyon itil ant gwo kantite done6,21,22. Aprantisaj machin se souvan yo itilize nan min done, ak tou de min done ak aprantisaj machin sèvi ak menm algoritm yo kle yo dekouvri modèl nan done yo. Estimasyon laj lè l sèvi avèk devlopman dantè ki baze sou evalyasyon egzaminatè a nan matirite a nan dan yo sib, epi li se evalyasyon sa a eksprime kòm yon etap pou chak dan sib. DM ka itilize yo analize korelasyon ki genyen ant etap evalyasyon dantè ak laj aktyèl e li gen potansyèl la ranplase tradisyonèl analiz estatistik. Se poutèt sa, si nou aplike teknik DM nan estimasyon laj, nou ka aplike aprantisaj machin nan estimasyon laj legal san yo pa mangonmen sou responsablite legal yo. Plizyè etid konparatif yo te pibliye sou altènativ posib pou metòd manyèl tradisyonèl yo itilize nan pratik legal ak metòd EBM ki baze sou pou detèmine laj dantè. Shen et al23 te montre ke modèl la DM se pi egzat pase fòmil la Camerer tradisyonèl yo. Galibourg et al24 aplike diferan metòd DM pou predi laj dapre kritè Demirdjian25 ak rezilta yo te montre ke metòd DM te depase metòd Demirdjian ak Willems nan estime laj popilasyon franse a.
Pou estime laj dantè adolesan Koreyen yo ak jèn adilt yo, Metòd Lee 4 se lajman ki itilize nan pratik medsin legal Koreyen an. Metòd sa a sèvi ak analiz estatistik tradisyonèl (tankou retou annaryè miltip) egzaminen relasyon ki genyen ant sijè Koreyen yo ak laj kwonolojik. Nan etid sa a, metòd estimasyon laj yo jwenn lè l sèvi avèk metòd tradisyonèl estatistik yo defini kòm "metòd tradisyonèl yo." Metòd Lee a se yon metòd tradisyonèl, epi li te presizyon li te konfime pa Oh et al. 5; Sepandan, aplikabilite a nan estimasyon laj ki baze sou modèl la DM nan Koreyen pratik legal se toujou dout. Objektif nou se te syantifikman valide itilite potansyèl la nan estimasyon laj ki baze sou modèl la DM. Rezon ki fè etid sa a te (1) yo konpare presizyon nan de modèl DM nan estime laj dantè ak (2) yo konpare pèfòmans nan klasifikasyon nan 7 modèl DM a laj de 18 ane ak sa yo jwenn lè l sèvi avèk metòd tradisyonèl estatistik matirite nan dezyèm fwa ak twazyèm molèr nan tou de machwa.
Vle di ak devyasyon estanda nan laj kwonolojik pa etap ak kalite dan yo montre sou entènèt nan S1 Siplemantè S1 (Fòmasyon Seri), Siplemantè Tab S2 (Entèn tès seri), ak Siplemantè Table S3 (ekstèn tès seri). Valè yo Kappa pou andedan- ak fyabilite interobserver jwenn nan seri a fòmasyon yo te 0.951 ak 0.947, respektivman. Valè P ak 95% entèval konfyans pou valè kappa yo montre nan sou entènèt S4 Siplemantè S4. Valè a Kappa te entèprete kòm "prèske pafè", ki konsistan avèk kritè yo nan Landis ak Koch26.
Lè yo konpare vle di erè absoli (MAE), metòd la tradisyonèl yon ti kras pèfòme modèl la DM pou tout sèks ak nan seri a tès ekstèn gason, ak eksepsyon nan multi sou perceptron (MLP). Diferans ki genyen ant modèl la tradisyonèl ak modèl la DM sou seri a tès entèn MAE te 0.12-0.19 ane pou gason ak 0.17-0.21 ane pou fanm yo. Pou batri a tès ekstèn, diferans ki genyen yo pi piti (0.001-0.05 ane pou gason ak 0.05-0.09 ane pou fanm). Anplis de sa, rasin lan vle di kare erè (RMSE) se yon ti kras pi ba pase metòd la tradisyonèl yo, ak pi piti diferans (0.17-0.24, 0.2-0.24 pou seri a tès entèn gason, ak 0.03-0.07, 0.04-0.08 pou seri tès ekstèn). ). MLP montre yon ti kras pi bon pèfòmans pase yon sèl kouch perceptron (SLP), eksepte nan ka a nan seri a tès ekstèn fi. Pou MAE ak RMSE, tès ekstèn seri a pi wo pase tès entèn la mete pou tout sèks ak modèl. Tout MAE ak RMSE yo montre nan tablo 1 ak Figi 1.
Mae ak RMSE nan modèl tradisyonèl ak done retou annaryè. Vle di absoli erè MAE, rasin vle di kare erè RMSE, yon sèl kouch perceptron SLP, multilayer perceptron MLP, tradisyonèl metòd CM.
Pèfòmans Klasifikasyon (ak yon coupure nan 18 ane) nan modèl yo tradisyonèl ak DM te demontre an tèm de sansiblite, espesifik, valè prediksyon pozitif (PPV), valè prediksyon negatif (NPV), ak zòn anba reseptè a opere koub karakteristik (AUROC) 27 (Tablo 2, Figi 2 ak Siplemantè Figi 1 sou entènèt). An tèm de sansiblite a nan batri a tès entèn yo, metòd tradisyonèl fè pi bon nan mitan moun ak pi mal nan mitan fanm yo. Sepandan, diferans lan nan pèfòmans klasifikasyon ant metòd tradisyonèl ak SD se 9.7% pou gason (MLP) ak sèlman 2.4% pou fanm (XGBoost). Pami modèl DM, retou annaryè lojistik (LR) te montre pi bon sansiblite nan tou de sèks. Konsènan espesifik nan seri a tès entèn yo, li te obsève ke kat modèl yo SD fè byen nan gason, pandan y ap modèl la tradisyonèl fè pi bon nan fanm. Diferans ki genyen nan pèfòmans klasifikasyon pou gason ak fanm yo se 13.3% (MLP) ak 13.1% (MLP), respektivman, ki endike ke diferans lan nan pèfòmans klasifikasyon ant modèl depase sansiblite. Pami modèl yo DM, machin nan vektè sipò (SVM), pyebwa desizyon (DT), ak forè o aza (RF) modèl fè pi byen nan mitan gason, pandan y ap modèl la LR fè pi bon nan mitan fanm. Auroc nan modèl la tradisyonèl ak tout modèl SD te pi gran pase 0.925 (K-ki pi pre vwazen (KNN) nan gason), demontre pèfòmans klasifikasyon ekselan nan diskriminasyon 18-zan echantiyon28. Pou seri a tès ekstèn, te gen yon diminisyon nan pèfòmans klasifikasyon an tèm de sansiblite, espesifik ak auroc konpare ak seri a tès entèn yo. Anplis, diferans lan nan sansiblite ak espesifik ant pèfòmans nan klasifikasyon nan pi bon an ak pi move modèl alan soti nan 10% a 25% e li te pi gwo pase diferans lan nan seri a tès entèn yo.
Sansiblite ak espesifik nan modèl done klasifikasyon min konpare ak metòd tradisyonèl ak yon coupure nan 18 ane. KNN K ki pi pre vwazen, SVM sipòte machin vektè, LR lojistik retou annaryè, DT Desizyon Tree, RF Random Forest, XGB XGBoost, MLP MultiLayer Perceptron, tradisyonèl CM metòd.
Premye etap la nan etid sa a te konpare presizyon nan estimasyon laj dantè jwenn nan sèt modèl DM ak sa yo jwenn lè l sèvi avèk retou annaryè tradisyonèl yo. MAE ak RMSE yo te evalye nan kouche tès entèn pou tou de sèks, ak diferans ki genyen ant metòd la tradisyonèl ak modèl la DM alan soti nan 44 a 77 jou pou MAE ak soti nan 62 a 88 jou pou RMSE. Malgre ke metòd la tradisyonèl te yon ti kras pi egzat nan etid sa a, li difisil a konkli si wi ou non tankou yon ti diferans gen siyifikasyon klinik oswa pratik. Rezilta sa yo endike ke presizyon nan estimasyon laj dantè lè l sèvi avèk modèl la DM se prèske menm jan ak sa yo ki an metòd la tradisyonèl yo. Konparezon dirèk ak rezilta ki soti nan syans anvan yo difisil paske pa gen okenn etid te konpare presizyon nan modèl DM ak metòd tradisyonèl estatistik lè l sèvi avèk menm teknik la nan dan anrejistreman nan ranje a menm laj tankou nan etid sa a. Galibourg et al24 konpare MAE ak RMSE ant de metòd tradisyonèl (Demirjian Method25 ak Willems Method29) ak 10 modèl DM nan yon popilasyon franse ki gen laj 2 a 24 ane. Yo rapòte ke tout modèl DM yo te pi egzat pase metòd tradisyonèl yo, ak diferans ki genyen nan 0.20 ak 0.38 ane nan MAE ak 0.25 ak 0.47 ane nan RMSE konpare ak Willems yo ak metòd Demirdjian, respektivman. Diferans ki genyen ant modèl la SD ak metòd tradisyonèl yo montre nan etid la halibourg pran an kont anpil rapò30,31,32,33 ke metòd la Demirdjian pa avèk presizyon estimasyon laj dantè nan popilasyon lòt pase Kanadyen yo franse sou ki etid la te baze. nan etid sa a. Tai et al 34 itilize algorithm nan MLP predi laj dan soti nan 1636 foto ortodonti Chinwa ak konpare presizyon li yo ak rezilta yo nan metòd la Demirjian ak Willems. Yo rapòte ke MLP gen pi wo presizyon pase metòd tradisyonèl yo. Diferans ki genyen ant metòd la Demirdjian ak metòd la tradisyonèl se <0.32 ane, ak metòd la Willems se 0.28 ane, ki se menm jan ak rezilta yo nan etid la prezan. Rezilta yo nan etid sa yo anvan24,34 yo tou ki konsistan avèk rezilta yo nan etid la prezan, ak presizyon nan estimasyon laj nan modèl la DM ak metòd la tradisyonèl yo sanble. Sepandan, ki baze sou rezilta yo prezante, nou ka sèlman konsyamman konkli ke itilize nan modèl DM yo estime laj ka ranplase metòd ki egziste deja akòz mank nan konparatif ak referans etid anvan yo. Suivi etid lè l sèvi avèk pi gwo echantiyon yo bezwen konfime rezilta yo jwenn nan etid sa a.
Pami etid yo tès presizyon nan SD nan estime laj dantè, kèk te montre pi wo presizyon pase etid nou an. Stepanovsky et al 35 aplike 22 modèl SD nan radyografi panoramic nan 976 rezidan Czech ki gen laj 2.7 a 20.5 ane epi yo teste presizyon nan chak modèl. Yo evalye devlopman yon total de 16 anwo ak pi ba dan pèmanan kite lè l sèvi avèk kritè yo klasifikasyon ki te pwopoze pa Moorrees et al 36. MAE a chenn nan 0.64 a 0.94 ane ak RMSE a chenn nan 0.85 a 1.27 ane, ki se pi egzat pase de modèl yo DM yo itilize nan etid sa a. Shen et al23 te itilize metòd cameriere pou estime laj dantè nan sèt dan pèmanan nan mandib la gòch nan lès rezidan Chinwa ki gen laj 5 a 13 ane ak konpare li ak laj estime lè l sèvi avèk retou annaryè lineyè, SVM ak RF. Yo te montre ke tout twa modèl DM gen pi wo presizyon konpare ak fòmil la cameriere tradisyonèl yo. MAE ak RMSE nan etid Shen yo te pi ba pase sa ki nan modèl DM nan etid sa a. Presizyon an ogmante nan etid yo pa Stepanovsky et al. 35 ak Shen et al. 23 ka rive akòz enklizyon de pi piti sijè nan echantiyon etid yo. Paske estimasyon laj pou patisipan yo ak devlope dan vin pi egzat kòm kantite dan ogmante pandan devlopman dantè, presizyon nan metòd la estimasyon laj ki kapab lakòz ka konpwomèt lè patisipan yo etid yo pi piti. Anplis de sa, erè MLP a nan estimasyon laj se yon ti kras pi piti pase SLP a, sa vle di ke MLP se pi egzat pase SLP. MLP konsidere kòm yon ti kras pi bon pou estimasyon laj, petèt akòz kouch yo kache nan MLP38. Sepandan, gen yon eksepsyon pou echantiyon an deyò nan fanm (SLP 1.45, MLP 1.49). Konklizyon an ki MLP a se pi egzat pase SLP a nan evalye laj mande pou etid retrospektiv adisyonèl.
Pèfòmans nan klasifikasyon nan modèl la DM ak metòd la tradisyonèl nan yon papòt 18-ane te tou konpare. Tout modèl SD teste ak metòd tradisyonèl sou seri a tès entèn te montre nivo pratikman akseptab nan diskriminasyon pou echantiyon an 18-zan. Sansiblite pou gason ak fanm te pi gran pase 87.7% ak 94.9%, respektivman, ak espesifik te pi gran pase 89.3% ak 84.7%. Auroc nan tout modèl teste tou depase 0.925. Pi byen nan konesans nou an, pa gen okenn etid teste pèfòmans nan modèl la DM pou 18-ane klasifikasyon ki baze sou matirite dantè. Nou ka konpare rezilta yo nan etid sa a ak pèfòmans nan klasifikasyon nan modèl aprantisaj gwo twou san fon sou radyografi panoramic. Guo et al.15 kalkile pèfòmans nan klasifikasyon nan yon CNN ki baze sou modèl aprantisaj gwo twou san fon ak yon metòd manyèl ki baze sou metòd Demirjian a pou yon sèten papòt laj. Sansiblite a ak espesifik nan metòd la manyèl yo te 87.7% ak 95.5%, respektivman, ak sansiblite a ak espesifik nan modèl la CNN depase 89.2% ak 86.6%, respektivman. Yo konkli ke modèl aprantisaj gwo twou san fon ka ranplase oswa pèfòme evalyasyon manyèl nan klasifye papòt laj. Rezilta etid sa a te montre pèfòmans klasifikasyon menm jan an; Yo kwè ke klasifikasyon lè l sèvi avèk modèl DM ka ranplase metòd tradisyonèl estatistik pou estimasyon laj. Pami modèl yo, DM LR te modèl la pi byen an tèm de sansiblite pou echantiyon an gason ak sansiblite ak espesifik pou echantiyon an fi. LR Hang dezyèm nan espesifik pou gason. Anplis, LR yo konsidere yo dwe youn nan plis user-zanmitay modèl yo DM35 ak se mwens konplèks ak difisil nan pwosesis. Baze sou rezilta sa yo, LR te konsidere kòm pi bon modèl la klasifikasyon coupure pou 18-ane-timoun ki gen nan popilasyon an Koreyen an.
An jeneral, presizyon nan estimasyon laj oswa pèfòmans klasifikasyon sou seri a tès ekstèn te pòv oswa pi ba konpare ak rezilta yo sou seri a tès entèn yo. Gen kèk rapò ki endike ke presizyon klasifikasyon oswa efikasite diminye lè estimasyon laj ki baze sou popilasyon an Koreyen yo aplike nan popilasyon Japonè a5,39, ak yon modèl ki sanble yo te jwenn nan etid la prezan. Te tandans sa a deteryorasyon tou obsève nan modèl la DM. Se poutèt sa, avèk presizyon estimasyon laj, menm lè w ap itilize DM nan pwosesis la analiz, metòd ki sòti nan done popilasyon natif natal, tankou metòd tradisyonèl yo, yo ta dwe pi pito5,39,40,41,42. Depi li se klè si wi ou non modèl aprantisaj gwo twou san fon ka montre tandans menm jan an, etid konpare presizyon klasifikasyon ak efikasite lè l sèvi avèk metòd tradisyonèl yo, modèl DM, ak modèl aprantisaj gwo twou san fon sou echantiyon yo menm yo bezwen konfime si entèlijans atifisyèl ka simonte sa yo diferans rasyal nan laj limite. evalyasyon yo.
Nou demontre ke metòd tradisyonèl yo ka ranplase pa estimasyon laj ki baze sou modèl DM nan pratik estimasyon laj legal nan Kore di. Nou menm tou nou dekouvri posibilite pou mete ann aplikasyon aprantisaj machin pou evalyasyon laj legal. Sepandan, gen limit klè, tankou kantite a ase nan patisipan yo nan etid sa a definitivman detèmine rezilta yo, ak mank nan syans anvan yo konpare ak konfime rezilta yo nan etid sa a. Nan lavni, etid DM yo ta dwe fèt ak pi gwo nimewo nan echantiyon yo ak popilasyon plis divès amelyore aplikasyon pratik li yo konpare ak metòd tradisyonèl yo. Pou valide posibilite pou itilize entèlijans atifisyèl pou estime laj nan plizyè popilasyon, etid nan lavni yo bezwen pou konpare presizyon klasifikasyon ak efikasite nan DM ak modèl aprantisaj gwo twou san fon ak metòd tradisyonèl nan menm echantiyon yo.
Etid la te itilize 2,657 foto òtograf yo ranmase nan men granmoun Koreyen ak Japonè ki gen laj 15 a 23 ane. Radyografi yo Koreyen yo te divize an 900 kouche fòmasyon (19.42 ± 2.65 ane) ak 900 kouche tès entèn (19.52 ± 2.59 ane). Te mete nan fòmasyon kolekte nan yon sèl enstitisyon (Seoul St Mary's Lopital), ak seri a tès pwòp yo te kolekte nan de enstitisyon (Seoul Nasyonal Inivèsite Dental Lopital ak Yonsei Inivèsite Dental Lopital). Nou menm tou nou kolekte 857 radyografi soti nan yon lòt popilasyon ki baze sou done (Iwate Medikal University, Japon) pou tès ekstèn. Radyografi nan sijè Japonè (19.31 ± 2.60 ane) yo te chwazi kòm seri a tès ekstèn. Done yo te ranmase retrospectively analize premye etap yo nan devlopman dantè sou radyografi panoramic pran pandan tretman dantè. Tout done yo kolekte yo te anonim eksepte pou sèks, dat nesans ak dat nan radyografi. Kritè enklizyon ak esklizyon yo te menm jan ak etid deja pibliye 4, 5. Te laj aktyèl la nan echantiyon an kalkile nan soustraksyon dat nesans la soti nan dat la te radyografi a te pran. Gwoup la echantiyon te divize an nèf gwoup laj. Distribisyon laj ak sèks yo montre nan tablo 3 etid sa a te fèt dapre Deklarasyon èlenki e ki te apwouve pa Komisyon Revizyon Enstitisyonèl (IRB) nan Lopital Seoul St Mary nan Inivèsite Katolik Kore di (KC22WISI0328). Akòz konsepsyon retrospektiv nan etid sa a, konsantman enfòme pa ta ka jwenn nan tout pasyan sibi egzamen radyografi pou rezon ki ka geri ou. Seoul Kore di Inivèsite St. Mary's Hospital (IRB) anile kondisyon an pou konsantman enfòme.
Premye etap devlopman nan bimaxillary dezyèm ak twazyèm molèr yo te evalye dapre Demircan kritè25. Yo te chwazi yon sèl dan si yo te jwenn menm kalite dan sou bò gòch ak bò dwat chak machwè. Si yo te chwazi dan omolog sou tou de bò yo nan diferan etap devlopman yo, yo te chwazi dan ki gen pi ba etap nan devlopman pou kont ensèten nan laj estime a. Yon santèn radyografi chwazi owaza soti nan seri fòmasyon an te bay nòt pa de obsèvatè ki gen eksperyans yo teste fyabilite interobserver apre precalibration detèmine etap matirite dantè. Yo te evalye fyabilite intraobserver de fwa nan entèval twa mwa pa obsèvatè prensipal la.
Sèks la ak etap devlopman nan molèr yo dezyèm ak twazyèm nan chak machwè nan seri a fòmasyon yo te estime pa yon obsèvatè prensipal ki resevwa fòmasyon ak diferan modèl DM, epi yo te laj aktyèl la mete kòm valè a sib. Modèl SLP ak MLP, ki lajman ki itilize nan aprantisaj machin, yo te teste kont algoritm retou annaryè. Modèl la DM konbine fonksyon lineyè lè l sèvi avèk premye etap yo devlopman nan kat dan yo ak konbine done sa yo estime laj. SLP se rezo a ki pi senp neral epi yo pa gen kouch kache. SLP travay ki baze sou transmisyon papòt ant nœuds. Modèl la SLP nan retou annaryè se matematik menm jan ak plizyè retou annaryè lineyè. Kontrèman ak modèl la SLP, modèl la MLP gen plizyè kouch kache ak fonksyon aktivasyon linear. Eksperyans nou yo te itilize yon kouch kache ak sèlman 20 nœuds kache ak fonksyon aktivasyon linear. Sèvi ak desandan gradyan kòm metòd la optimize ak MAE ak RMSE kòm fonksyon an pèt nan tren modèl aprantisaj machin nou an. Pi bon modèl retou annaryè a te aplike nan ansanm tès entèn ak ekstèn yo ak laj dan yo te estime.
Yon algorithm klasifikasyon te devlope ki sèvi ak matirite a nan kat dan sou seri a fòmasyon predi si yon echantiyon gen 18 ane fin vye granmoun oswa ou pa. Pou bati modèl la, nou sòti sèt reprezantasyon machin aprantisaj algoritm6,43: (1) LR, (2) KNN, (3) SVM, (4) dt, (5) RF, (6) xgboost, ak (7) MLP . LR se youn nan algoritm yo ki pi lajman itilize klasifikasyon44. Li se yon algorithm aprantisaj sipèvize ki sèvi ak retou annaryè predi pwobabilite ki genyen pou done ki fè pati yon kategori sèten soti nan 0 a 1 ak klase done yo kòm ki fè pati yon kategori plis chans ki baze sou pwobabilite sa a; sitou itilize pou klasifikasyon binè. KNN se youn nan algoritm aprantisaj machin ki pi senp lan. Lè yo bay done opinyon nouvo, li jwenn K done fèmen nan seri a ki deja egziste ak Lè sa a, klasifye yo nan klas la ak frekans ki pi wo a. Nou mete 3 pou kantite vwazen yo konsidere (k). SVM se yon algorithm ki maksimize distans ki genyen ant de klas yo lè l sèvi avèk yon fonksyon Kernel yo elaji espas ki la lineyè nan yon espas ki pa lineyè yo rele Fields46. Pou modèl sa a, nou itilize patipri = 1, pouvwa = 1, ak gamma = 1 kòm hyperparameters pou nwayo a polinòm. DT te aplike nan divès jaden kòm yon algorithm pou divize yon done tout antye nan plizyè sougwoup pa reprezante règleman desizyon nan yon estrikti pyebwa47. Se modèl la configuré ak yon kantite minimòm dosye pou chak ne nan 2 ak sèvi ak endèks la Gini kòm yon mezi nan bon jan kalite. RF se yon metòd ansanbl ki konbine DTS miltip amelyore pèfòmans lè l sèvi avèk yon metòd agrégation demaraj ki jenere yon klasifikasyon fèb pou chak echantiyon pa owaza desen echantiyon ki gen menm gwosè a plizyè fwa soti nan dataset48 orijinal la. Nou itilize 100 pye bwa, 10 fon lanmè pye bwa, 1 minimòm gwosè ne, ak Gini melanj melanj kòm kritè separasyon ne. Se klasifikasyon nan nouvo done detèmine pa yon vòt majorite. XGBoost se yon algorithm ki konbine ranfòse teknik lè l sèvi avèk yon metòd ki pran kòm done fòmasyon erè ki genyen ant valè yo reyèl ak prevwa nan modèl la anvan ak ogmante erè a lè l sèvi avèk gradyan49. Li se yon algorithm lajman itilize akòz pèfòmans bon li yo ak efikasite resous, kòm byen ke fyab segondè kòm yon fonksyon koreksyon overfitting. Modèl la ekipe ak 400 wou sipò. MLP se yon rezo neral nan ki youn oswa plis perceptrons fòme kouch miltip ak youn oswa plis kouch kache ant kouch yo opinyon ak pwodiksyon38. Sèvi ak sa a, ou ka fè klasifikasyon ki pa lineyè kote lè ou ajoute yon kouch opinyon epi pou yo jwenn yon valè rezilta, se valè a rezilta prevwa konpare ak valè rezilta aktyèl la ak se erè a miltiplikasyon tounen. Nou te kreye yon kouch kache ak 20 newòn kache nan chak kouch. Chak modèl nou devlope te aplike nan kouche entèn ak ekstèn nan tès pèfòmans klasifikasyon pa kalkile sansiblite, espesifik, PPV, NPV, ak AUROC. Se sansiblite defini kòm rapò a nan yon echantiyon estime yo dwe 18 ane ki gen laj oswa plis nan yon echantiyon estime yo dwe 18 ane ki gen laj oswa plis. Espesyalite se pwopòsyon echantiyon ki poko gen 18 an ak moun ki estime yo dwe anba 18 ane ki gen laj.
Premye etap dantè yo evalye nan seri fòmasyon an te konvèti nan premye etap nimerik pou analiz estatistik. Yo te fè retou annaryè multivarye lineyè ak lojistik pou devlope modèl prediksyon pou chak sèks ak dériver fòmil retou annaryè ki ka itilize pou estime laj. Nou itilize fòmil sa yo pou estime laj dan pou tou de ansanm tès entèn ak ekstèn. Tab 4 montre modèl retou annaryè ak klasifikasyon yo itilize nan etid sa a.
Te intra- ak interobserver fyab kalkile lè l sèvi avèk estatistik kappa Cohen la. Pou teste presizyon nan DM ak modèl retou annaryè tradisyonèl yo, nou kalkile MAE ak RMSE lè l sèvi avèk laj yo estime ak aktyèl nan kouche yo tès entèn ak ekstèn. Erè sa yo souvan itilize pou evalye presizyon modèl prediksyon yo. Pi piti a erè a, pi wo a presizyon nan pwevwa a24. Konpare MAE a ak RMSE nan ansanm tès entèn ak ekstèn kalkile lè l sèvi avèk DM ak retou annaryè tradisyonèl yo. Pèfòmans klasifikasyon nan coupure nan 18-ane nan estatistik tradisyonèl yo te evalye lè l sèvi avèk yon tab enprevi 2 × 2. Sansiblite a kalkile, espesifik, PPV, NPV, ak AUROC nan seri a tès yo te konpare ak valè yo mezire nan modèl la klasifikasyon DM. Done yo eksprime kòm mwayèn ± devyasyon estanda oswa nimewo (%) depann sou karakteristik done yo. De-sided valè P <0.05 yo te konsidere estatistik enpòtan. Tout analiz estatistik woutin yo te fè lè l sèvi avèk SAS vèsyon 9.4 (SAS Enstiti, Cary, NC). Te modèl la retou annaryè DM aplike nan Python lè l sèvi avèk KERAS50 2.2.4 entèfas ak TensorFlow51 1.8.0 espesyalman pou operasyon matematik. Modèl la klasifikasyon DM te aplike nan anviwònman an analiz Waikato Konesans ak Konsèy la Konstanz Miner (KNIME) 4.6.152 platfòm analiz.
Otè yo rekonèt ke done ki sipòte konklizyon etid la ka jwenn nan atik la ak materyèl siplemantè. Ansanbl yo pwodwi ak/oswa analize pandan etid la ki disponib nan otè ki koresponn lan sou demann rezonab.
Ritz-Timme, S. et al. Evalyasyon laj: Eta nan atizay la satisfè kondisyon espesifik yo nan pratik legal. entènasyonalite. J. Medsin Legal. 113, 129-136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., ak Olze, A. Ki dènye nouvèl sou evalyasyon laj legal nan sijè k ap viv pou rezon pouswit jidisyè kriminèl. Forensics. remèd. Patoloji. 1, 239-246 (2005).
Pan, J. et al. Yon metòd modifye pou evalye laj dantè timoun ki gen laj 5 a 16 ane nan lès peyi Lachin. nan klinik. Sondaj oral. 25, 3463-3474 (2021).
Lee, SS elatriye kwonoloji nan devlopman nan dezyèm ak twazyèm molèr nan Koreyen yo ak aplikasyon li pou evalyasyon laj legal. entènasyonalite. J. Medsin Legal. 124, 659-665 (2010).
Oh, S., Kumagai, A., Kim, SY ak Lee, SS presizyon nan estimasyon laj ak estimasyon nan papòt la 18-ane ki baze sou matirite a nan dezyèm ak twazyèm molèr nan Koreyen yo ak Japonè yo. PLOS ONE 17, E0271247 (2022).
Kim, JY, et al. Preoperatwa machin aprantisaj ki baze sou analiz done ka predi dòmi operasyon tretman rezilta nan pasyan ki gen OSA. syans la. Rapò 11, 14911 (2021).
Han, M. et al. Estimasyon laj egzat soti nan aprantisaj machin avèk oswa san entèvansyon imen? entènasyonalite. J. Medsin Legal. 136, 821-831 (2022).
Khan, S. ak Shaheen, M. Soti nan min done nan min done. J.Information. syans la. https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. ak Shaheen, M. Wisrule: premye algorithm nan mantal pou min règleman asosyasyon. J.Information. syans la. https://doi.org/10.1177/01655515221108695 (2022).
Shaheen M. ak Abdullah U. Karm: tradisyonèl done min ki baze sou kontèks ki baze sou règleman asosyasyon. kalkile. Matt. kontinye. 68, 3305-3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. ak Habib M. Deep Learning ki baze sou deteksyon semantik resanblans lè l sèvi avèk done tèks. enfòme. teknoloji. kontwòl. https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
Tabish, M., Tanoli, Z., ak Shahin, M. Yon sistèm pou rekonèt aktivite nan espò videyo. miltimedya. Zouti Aplikasyon https://doi.org/10.1007/S11042-021-10519-6 (2021).
Halabi, SS et al. RSNA Machine Learning defi nan pedyatrik laj zo. Radyoloji 290, 498-503 (2019).
Li, Y. et al. Estimasyon laj medsin legal ki soti nan radyografi basen lè l sèvi avèk aprantisaj gwo twou san fon. Euro. radyasyon. 29, 2322-2329 (2019).
Guo, YC, et al. Klasifikasyon laj egzat lè l sèvi avèk metòd manyèl ak gwo twou san fon rezo nè konvolutional soti nan imaj pwojeksyon òtograf. entènasyonalite. J. Medsin Legal. 135, 1589-1597 (2021).
Alabama Dalora et al. Estimasyon laj zo lè l sèvi avèk diferan metòd aprantisaj machin: yon revizyon literati sistematik ak meta-analiz. PLOS ONE 14, E0220242 (2019).
Du, H., Li, G., Cheng, K., ak Yang, J. Popilasyon-espesifik estimasyon laj nan Ameriken Afriken yo ak Chinwa ki baze sou volim chanm kaka nan premye molèr lè l sèvi avèk kòn-gwo bout bwa calculée tomografi. entènasyonalite. J. Medsin Legal. 136, 811-819 (2022).
Kim S., Lee YH, Noh YK, Park FK ak OH KS Detèmine gwoup laj moun k ap viv lè l sèvi avèk atifisyèl entèlijans ki baze sou imaj nan premye molèr. syans la. Rapò 11, 1073 (2021).
Stern, D., moun ki peye, C., Giuliani, N., ak Urschler, M. Estimasyon laj otomatik ak majorite klasifikasyon laj soti nan multivarye done MRI. IEEE J. Biomed. Alèt sante. 23, 1392-1403 (2019).
Cheng, K., GE, Z., DU, H. ak Li, G. Estimasyon laj ki baze sou 3D segmentasyon chanm kaka nan premye molèr soti nan kòn gwo bout bwa calculed tomografi pa entegre aprantisaj gwo twou san fon ak kouche nivo. entènasyonalite. J. Medsin Legal. 135, 365-373 (2021).
Wu, WT, et al. Done min nan klinik done gwo: baz done komen, etap, ak metòd metòd. Mond. remèd. resous. 8, 44 (2021).
Yang, J. et al. Entwodiksyon nan baz done medikal ak teknoloji done min nan epòk la done gwo. J. Avid. Medsin debaz. 13, 57-69 (2020).
Shen, S. et al. Metòd Camerer a pou estime laj dan lè l sèvi avèk aprantisaj machin. BMC Oral Health 21, 641 (2021).
Galliburg A. et al. Konparezon nan metòd aprantisaj machin diferan pou predi laj dantè lè l sèvi avèk metòd la rasanbleman Demirdjian. entènasyonalite. J. Medsin Legal. 135, 665-675 (2021).
Demirdjian, A., Goldstein, H. ak Tanner, JM Yon nouvo sistèm pou evalye laj dantè. snort. Biyoloji. 45, 211-227 (1973).
Landis, Jr, ak Koch, GG mezi nan akò obsèvatè sou done nan kategori. Biometrik 33, 159-174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK ak Choi HK. Textural, mòfoloji ak estatistik analiz de ki genyen de dimansyon mayetik D 'sonorite lè l sèvi avèk teknik entèlijans atifisyèl pou diferansyasyon nan timè nan sèvo prensipal. Enfòmasyon sou sante. resous. https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Post tan: Jan-04-2024