Mèsi paske w vizite Nature.com.Vèsyon navigatè w ap itilize a gen sipò CSS limite.Pou pi bon rezilta, nou rekòmande pou itilize yon nouvo vèsyon navigatè ou a (oswa fèmen mòd konpatibilite nan Internet Explorer).Antretan, pou asire sipò kontinyèl, nou ap montre sit la san style oswa JavaScript.
Dan yo konsidere kòm endikatè ki pi egzak nan laj kò imen an epi yo souvan itilize nan evalyasyon laj legal.Nou vize pou valide estimasyon laj dantè ki baze sou min done lè nou konpare presizyon estimasyon ak pèfòmans klasifikasyon papòt 18 ane a ak metòd tradisyonèl ak estimasyon laj ki baze sou done min.Yon total de 2657 radyografi panoramic yo te kolekte nan men sitwayen Koreyen ak Japonè ki gen laj 15 a 23 ane.Yo te divize an yon seri fòmasyon, chak gen 900 radyografi Koreyen, ak yon seri tès entèn ki gen 857 radyografi Japonè.Nou konpare presizyon nan klasifikasyon ak efikasite nan metòd tradisyonèl ak seri tès nan modèl done min.Presizyon nan metòd tradisyonèl la sou seri tès entèn la se yon ti kras pi wo pase sa yo ki nan 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 klasifikasyon pou koupe 18 ane a sanble tou ant metòd tradisyonèl yo ak modèl done min.Se konsa, metòd tradisyonèl yo ka ranplase pa modèl done min lè yo fè evalyasyon laj legal lè l sèvi avèk matirite nan dezyèm ak twazyèm molè nan adolesan Koreyen ak jèn adilt.
Estimasyon laj dantè lajman itilize nan medsin legal ak dantis pedyatrik.An patikilye, akòz gwo korelasyon 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 prèske konplè, eksepte twazyèm molè yo.Objektif legal pou detèmine laj jèn yo ak adolesan yo se bay estimasyon egzat ak prèv syantifik si yo rive nan laj majorite.Nan pratik mediko-legal nan adolesan ak jèn adilt nan Kore di, yo te estime laj lè l sèvi avèk metòd Lee a, epi yo te prevwa yon papòt legal nan 18 ane ki baze sou done yo rapòte pa Oh et al 5 .
Aprantisaj machin se yon kalite entèlijans atifisyèl (AI) ki repete aprann ak klasifye gwo kantite done, rezoud pwoblèm poukont li, epi kondwi pwogram done.Aprantisaj machinn kapab dekouvri modèl kache itil nan gwo kantite done6.Kontrèman, metòd klasik yo, ki se travay entansif ak tan konsome, ka gen limit lè yo fè fas ak gwo volim nan done konplèks ki difisil pou trete manyèlman7.Se poutèt sa, anpil etid yo te fèt dènyèman lè l sèvi avèk dènye teknoloji yo òdinatè pou misyon pou minimize erè imen ak efikasman trete done miltidimansyonèl8,9,10,11,12.An patikilye, aprantisaj pwofon yo te lajman itilize nan analiz imaj medikal, ak divès metòd pou estimasyon laj pa otomatikman analize radyografi yo te rapòte amelyore presizyon ak efikasite nan estimasyon laj13,14,15,16,17,18,19,20. .Pou egzanp, Halabi et al 13 devlope yon algorithm aprantisaj machin ki baze sou rezo neral konvolusyonèl (CNN) pou estime laj skelèt lè l sèvi avèk radyografi men timoun yo.Etid sa a pwopoze yon modèl ki aplike aprantisaj machin nan imaj medikal epi montre ke metòd sa yo ka amelyore presizyon dyagnostik.Li et al14 estime laj soti nan imaj basen radyografi lè l sèvi avèk yon CNN aprantisaj pwofon epi konpare yo ak rezilta regresyon lè l sèvi avèk estimasyon etap osifikasyon.Yo te jwenn ke modèl CNN aprantisaj gwo twou san fon an te montre menm pèfòmans estimasyon laj ak modèl regresyon tradisyonèl la.Etid Guo et al.'s [15] evalye pèfòmans klasifikasyon tolerans laj nan teknoloji CNN ki baze sou ortofoto dantè, ak rezilta yo nan modèl CNN te pwouve ke moun depase pèfòmans klasifikasyon laj li yo.
Pifò etid sou estimasyon laj lè l sèvi avèk aprantisaj machin itilize metòd aprantisaj pwofon13,14,15,16,17,18,19,20.Estimasyon laj ki baze sou aprantisaj pwofon yo rapòte pi egzak pase metòd tradisyonèl yo.Sepandan, apwòch sa a bay ti opòtinite pou prezante baz syantifik pou estimasyon laj, tankou endikatè laj yo itilize nan estimasyon yo.Genyen tou yon diskisyon legal sou ki moun ki fè enspeksyon yo.Se poutèt sa, estimasyon laj ki baze sou aprantisaj pwofon difisil pou aksepte pa otorite administratif ak jidisyè.Done min (DM) se yon teknik ki ka dekouvri non sèlman espere, men tou enfòmasyon inatandi kòm yon metòd pou dekouvri korelasyon itil ant gwo kantite done6,21,22.Aprantisaj machin yo souvan itilize nan min done, epi tou de min done ak aprantisaj machin itilize menm algoritm kle yo dekouvri modèl nan done.Estimasyon laj lè l sèvi avèk devlopman dantè baze sou evalyasyon egzaminatè a nan matirite dan sib yo, epi evalyasyon sa a eksprime kòm yon etap pou chak dan sib.DM ka itilize pou analize korelasyon ki genyen ant etap evalyasyon dantè ak laj aktyèl la epi li gen potansyèl pou ranplase analiz estatistik tradisyonèl yo.Se poutèt sa, si nou aplike teknik DM nan estimasyon laj, nou ka aplike aprantisaj machin nan estimasyon laj legal san enkyete sou responsablite legal.Plizyè etid konparatif yo te pibliye sou altènativ posib pou metòd manyèl tradisyonèl yo itilize nan pratik legal ak metòd ki baze sou EBM pou detèmine laj dantè.Shen et al23 te montre ke modèl DM a pi egzak pase fòmil Camerer tradisyonèl la.Galibourg et al24 te aplike diferan metòd DM pou predi laj selon kritè Demirdjian25 e 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 ak jèn adilt yo, metòd Lee a 4 lajman itilize nan pratik medsin legal Koreyen an.Metòd sa a itilize analiz estatistik tradisyonèl (tankou regresyon miltip) pou egzamine relasyon ki genyen ant matyè Koreyen yo ak laj kwonolojik.Nan etid sa a, metòd estimasyon laj yo jwenn lè l sèvi avèk metòd estatistik tradisyonèl yo defini kòm "metòd tradisyonèl yo."Metòd Lee a se yon metòd tradisyonèl, ak presizyon li yo te konfime pa Oh et al.5;sepandan, aplikabilite estimasyon laj ki baze sou modèl DM nan pratik medsin legal Koreyen an toujou dout.Objektif nou se te valide syantifikman itilite potansyèl estimasyon laj ki baze sou modèl DM la.Objektif etid sa a se te (1) konpare presizyon de modèl DM nan estimasyon laj dantè ak (2) konpare pèfòmans klasifikasyon 7 modèl DM a laj de 18 ane ak sa yo jwenn lè l sèvi avèk metòd estatistik tradisyonèl Matirite nan dezyèm lan. ak twazyèm molè nan tou de machwè.
Mwayen ak devyasyon estanda nan laj kwonolojik pa etap ak kalite dan yo montre sou entènèt nan Tablo Siplemantè S1 (ansanm fòmasyon), Tablo Siplemantè S2 (ansanm tès entèn), ak Tablo Siplemantè S3 (ansanm tès ekstèn).Valè kappa pou fyab intra- ak entè-obsèvatè yo te jwenn nan seri fòmasyon an te 0.951 ak 0.947, respektivman.Valè P ak entèval konfyans 95% pou valè kappa yo montre nan tablo siplemantè S4 sou entènèt.Valè kappa a te entèprete kòm "prèske pafè", ki konsistan avèk kritè Landis ak Koch26.
Lè w konpare erè absoli vle di (MAE), metòd tradisyonèl la depase yon ti kras modèl DM pou tout sèks ak nan seri tès ekstèn gason an, eksepsyon pèseptwon multikouch (MLP).Diferans ki genyen ant modèl tradisyonèl la ak modèl DM sou seri tès entèn MAE a te 0.12-0.19 ane pou gason ak 0.17-0.21 ane pou fanm.Pou batri tès ekstèn lan, diferans yo pi piti (0.001-0.05 ane pou gason ak 0.05-0.09 ane pou fanm).Anplis de sa, erè kare mwayen rasin (RMSE) se yon ti kras pi ba pase metòd tradisyonèl la, ak diferans ki pi piti (0.17-0.24, 0.2-0.24 pou seri tès entèn gason an, ak 0.03-0.07, 0.04-0.08 pou seri tès ekstèn).).MLP montre yon ti kras pi bon pèfòmans pase Single Layer Perceptron (SLP), eksepte nan ka tès ekstèn fi a.Pou MAE ak RMSE, tès ekstèn yo bay pi wo pase tès entèn yo pou tout sèks ak modèl yo.Tout MAE ak RMSE yo montre nan Tablo 1 ak Figi 1.
MAE ak RMSE nan modèl regression tradisyonèl ak done min.Mwayen erè absoli MAE, rasin vle di erè kare RMSE, yon sèl kouch perceptron SLP, multikouch perceptron MLP, metòd tradisyonèl CM.
Pèfòmans klasifikasyon (ak yon koupe 18 ane) nan modèl tradisyonèl yo ak DM yo te demontre an tèm de sansiblite, espesifik, valè prediksyon pozitif (PPV), valè prediksyon negatif (NPV), ak zòn anba koub karakteristik reseptè a (AUROC) 27 (Tablo 2, Figi 2 ak Figi Siplemantè 1 sou entènèt).An tèm de sansiblite nan batri tès entèn la, metòd tradisyonèl yo fè pi byen nan mitan gason ak pi mal nan mitan fanm.Sepandan, diferans ki genyen nan pèfòmans klasifikasyon ant metòd tradisyonèl yo ak SD se 9.7% pou gason (MLP) ak sèlman 2.4% pou fanm (XGBoost).Pami modèl DM, regression lojistik (LR) te montre pi bon sansiblite nan tou de sèks.Konsènan espesifik nan seri tès entèn la, li te obsève ke kat modèl SD yo fè byen nan gason, pandan y ap modèl tradisyonèl la fè pi byen nan fi.Diferans ki genyen nan pèfòmans klasifikasyon pou gason ak fi yo se 13.3% (MLP) ak 13.1% (MLP), respektivman, ki endike ke diferans lan nan pèfòmans klasifikasyon ant modèl depase sansiblite.Pami modèl DM yo, machin vektè sipò (SVM), pyebwa desizyon (DT), ak modèl forè o aza (RF) te fè pi byen nan mitan gason, pandan y ap modèl LR te fè pi byen nan mitan fi.AUROC nan modèl tradisyonèl la ak tout modèl SD te pi gran pase 0.925 (k-nearest vwazen (KNN) nan gason), demontre ekselan pèfòmans klasifikasyon nan diskriminasyon echantiyon 18-zan28.Pou seri tès ekstèn lan, te gen yon diminisyon nan pèfòmans klasifikasyon an tèm de sansiblite, espesifik ak AUROC konpare ak seri tès entèn la.Anplis, diferans lan nan sansiblite ak espesifik ant pèfòmans nan klasifikasyon nan pi bon ak pi move modèl yo te varye ant 10% a 25% e li te pi gwo pase diferans lan nan seri tès entèn yo.
Sansiblite ak espesifik nan modèl klasifikasyon done min konpare ak metòd tradisyonèl ak yon koupe nan 18 ane.KNN k vwazen ki pi pre, machin vektè sipò SVM, LR lojistik regresyon, pye bwa desizyon DT, forè RF o aza, XGB XGBoost, MLP multikouch perceptron, metòd tradisyonèl CM.
Premye etap la nan etid sa a se te konpare presizyon nan estimasyon laj dantè yo te jwenn nan sèt modèl DM ak sa yo jwenn lè l sèvi avèk regresyon tradisyonèl yo.MAE ak RMSE te evalye nan seri tès entèn pou tou de sèks, ak diferans ki genyen ant metòd tradisyonèl la ak modèl DM a te varye ant 44 a 77 jou pou MAE ak soti nan 62 a 88 jou pou RMSE.Malgre ke metòd tradisyonèl la te yon ti kras pi egzak nan etid sa a, li difisil pou konkli si yon ti diferans konsa 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 nan metòd tradisyonèl la.Konparezon dirèk ak rezilta etid anvan yo difisil paske pa gen okenn etid ki konpare presizyon modèl DM ak metòd estatistik tradisyonèl ki itilize menm teknik pou anrejistre dan yo nan menm seri laj ak etid sa a.Galibourg et al24 konpare MAE ak RMSE ant de metòd tradisyonèl (metòd Demirjian25 ak metòd Willems29) ak 10 modèl DM nan yon popilasyon franse ki gen laj 2 a 24 ane.Yo rapòte ke tout modèl DM yo te pi egzak pase metòd tradisyonèl yo, ak diferans 0.20 ak 0.38 ane nan MAE ak 0.25 ak 0.47 ane nan RMSE konpare ak metòd Willems ak Demirdjian, respektivman.Diferans ki genyen ant modèl SD la ak metòd tradisyonèl yo montre nan etid Halibourg la pran an kont anpil rapò30,31,32,33 ki fè konnen metòd Demirdjian an pa estime avèk presizyon laj dantè nan popilasyon lòt pase Kanadyen franse yo sou ki etid la te baze.nan etid sa a.Tai et al 34 te itilize algorithm MLP a pou predi laj dan nan 1636 foto Òtodontik Chinwa yo epi konpare presizyon li ak rezilta metòd Demirjian ak Willems.Yo rapòte ke MLP gen pi wo presizyon pase metòd tradisyonèl yo.Diferans ki genyen ant metòd Demirdjian ak metòd tradisyonèl la se <0.32 ane, ak metòd Willems se 0.28 ane, ki sanble ak rezilta etid sa a.Rezilta etid sa yo anvan yo24,34 yo tou konsistan avèk rezilta etid prezan an, ak presizyon estimasyon laj modèl DM ak metòd tradisyonèl yo sanble.Sepandan, baze sou rezilta yo prezante, nou ka sèlman konklizyon avèk prekosyon ke itilizasyon modèl DM pou estime laj ka ranplase metòd ki egziste deja akòz mank de etid konparatif ak referans anvan yo.Swiv-up etid ki itilize pi gwo echantiyon yo bezwen konfime rezilta yo jwenn nan etid sa a.
Pami etid yo teste presizyon nan SD nan estime laj dantè, kèk te montre pi wo presizyon pase etid nou an.Stepanovsky et al 35 te aplike 22 modèl SD nan radyografi panoramic 976 rezidan Tchekoslovaki ki gen laj 2.7 a 20.5 ane epi yo teste presizyon chak modèl.Yo te evalye devlopman yon total de 16 anwo ak pi ba gòch dan pèmanan lè l sèvi avèk kritè klasifikasyon yo pwopoze pa Moorrees et al 36.MAE a varye ant 0.64 a 0.94 ane ak RMSE a soti nan 0.85 a 1.27 ane, ki pi egzak pase de modèl DM yo itilize nan etid sa a.Shen et al23 te itilize metòd Cameriere pou estime laj dantè sèt dan pèmanan nan mandib gòch la nan rezidan lès Chinwa ki gen laj 5 a 13 ane epi konpare li ak laj yo te estime lè l sèvi avèk regression lineyè, SVM ak RF.Yo te montre ke tout twa modèl DM yo gen pi wo presizyon konpare ak fòmil Cameriere tradisyonèl la.MAE ak RMSE nan etid Shen te pi ba pase sa yo ki nan modèl DM nan etid sa a.Ogmantasyon presizyon etid Stepanovsky et al.35 ak Shen et al.23 ka akòz enklizyon de pi piti matyè nan echantiyon etid yo.Paske estimasyon laj pou patisipan ki gen dan devlope yo vin pi egzak kòm kantite dan yo ogmante pandan devlopman dantè, presizyon metòd estimasyon laj ki kapab lakòz yo ka konpwomèt lè patisipan etid yo pi piti.Anplis de sa, erè MLP nan estimasyon laj se yon ti kras pi piti pase SLP a, sa vle di ke MLP pi egzak 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 ekstèn fanm yo (SLP 1.45, MLP 1.49).Konklizyon ke MLP a pi egzak pase SLP nan evalye laj mande pou etid retrospektiv adisyonèl.
Yo te konpare pèfòmans klasifikasyon modèl DM ak metòd tradisyonèl la nan yon papòt 18 ane tou.Tout modèl SD teste ak metòd tradisyonèl sou seri tès entèn la te montre nivo diskriminasyon pratikman akseptab pou echantiyon 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 yo depase tou 0.925.Dapre sa nou konnen, pa gen okenn etid ki teste pèfòmans modèl DM pou klasifikasyon 18 ane ki baze sou matirite dantè.Nou ka konpare rezilta etid sa a ak pèfòmans klasifikasyon modèl aprantisaj pwofon sou radyografi panoramic.Guo et al.15 kalkile pèfòmans klasifikasyon yon modèl aprantisaj fon ki baze sou CNN ak yon metòd manyèl ki baze sou metòd Demirjian pou yon sèten papòt laj.Sansiblite ak espesifik metòd manyèl la te 87.7% ak 95.5%, respektivman, ak sansiblite ak espesifik nan modèl CNN depase 89.2% ak 86.6%, respektivman.Yo konkli ke modèl aprantisaj pwofon ka ranplase oswa depase evalyasyon manyèl nan klasifikasyon 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 pi bon modèl an tèm de sansiblite pou echantiyon gason an ak sansiblite ak espesifik pou echantiyon fi a.LR klase dezyèm nan espesifik pou gason.Anplis, LR konsidere kòm youn nan modèl DM35 ki pi fasil pou itilizatè a epi li mwens konplèks epi li difisil pou trete.Dapre rezilta sa yo, LR te konsidere kòm pi bon modèl klasifikasyon koupe pou 18-zan nan popilasyon Koreyen an.
An jeneral, presizyon nan estimasyon laj oswa klasifikasyon pèfòmans sou seri tès ekstèn lan te pòv oswa pi ba konpare ak rezilta yo sou seri tès entèn la.Gen kèk rapò ki endike presizyon klasifikasyon oswa efikasite diminye lè yo aplike estimasyon laj ki baze sou popilasyon Koreyen an nan popilasyon Japonè a5,39, epi yo te jwenn yon modèl menm jan an nan etid sa a.Tandans deteryorasyon sa a te obsève tou nan modèl DM.Se poutèt sa, pou estime laj avèk presizyon, menm lè w ap itilize DM nan pwosesis analiz la, yo ta dwe prefere metòd ki sòti nan done popilasyon natif natal yo, tankou metòd tradisyonèl yo5,39,40,41,42.Piske li pa klè si wi ou non modèl aprantisaj pwofon ka montre tandans menm jan an, etid ki konpare presizyon klasifikasyon ak efikasite lè l sèvi avèk metòd tradisyonèl yo, modèl DM, ak modèl aprantisaj pwofon sou menm echantiyon yo bezwen konfime si entèlijans atifisyèl ka simonte disparite rasyal sa yo nan laj limite.evalyasyon.
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 te dekouvri tou posibilite pou aplike aprantisaj machin pou evalyasyon laj legal.Sepandan, gen limit klè, tankou kantite ensifizan nan patisipan yo nan etid sa a pou detèmine definitivman rezilta yo, ak mank de etid anvan yo konpare ak konfime rezilta yo nan etid sa a.Nan tan kap vini an, etid DM yo ta dwe fèt ak pi gwo kantite echantiyon ak popilasyon plis divès pou amelyore aplikasyon pratik li yo konpare ak metòd tradisyonèl yo.Pou valide posibilite pou itilize entèlijans atifisyèl pou estime laj nan plizyè popilasyon, yo bezwen etid nan lavni pou konpare presizyon ak efikasite klasifikasyon DM ak modèl aprantisaj pwofon ak metòd tradisyonèl yo nan menm echantiyon yo.
Etid la te itilize 2,657 foto òtograf ki te ranmase nan men granmoun Koreyen ak Japonè ki gen laj 15 a 23 ane.Radyografi Koreyen yo te divize an 900 seri fòmasyon (19.42 ± 2.65 ane) ak 900 seri tès entèn (19.52 ± 2.59 ane).Yo te kolekte seri fòmasyon an nan yon enstitisyon (Seoul St. Mary's Hospital), epi pwòp seri tès la te kolekte nan de enstitisyon (Seoul National University Dental Hospital ak Yonsei University Dental Hospital).Nou te kolekte tou 857 radyografi nan yon lòt done ki baze sou popilasyon (Iwate Medical University, Japon) pou tès ekstèn.Yo te chwazi radyografi matyè Japonè yo (19.31 ± 2.60 ane) kòm seri tès ekstèn lan.Done yo te kolekte retrospektiv pou analize etap devlopman dantè sou radyografi panoramic yo te pran pandan tretman dantè.Tout done yo te kolekte yo te anonim eksepte sèks, dat nesans ak dat radyografi.Kritè enklizyon ak esklizyon yo te menm jan ak etid ki te pibliye deja 4, 5.Yo te kalkile laj aktyèl echantiyon an lè w retire dat nesans la ak dat yo te pran radyografi a.Gwoup echantiyon an te divize an nèf gwoup laj.Distribisyon laj ak sèks yo montre nan Tablo 3 Etid sa a te fèt an akò ak Deklarasyon èlenki ak apwouve pa Komisyon Konsèy la Revize Enstitisyon (IRB) nan Lopital Seoul St. Mary nan Inivèsite Katolik Kore di (KC22WISI0328).Akòz konsepsyon retrospektiv etid sa a, yo pa t kapab jwenn konsantman enfòme nan tout pasyan k ap sibi egzamen radyografik pou rezon terapetik.Seoul Korea University St. Mary's Hospital (IRB) te anile egzijans pou konsantman enfòme.
Etap devlopman nan dezyèm ak twazyèm molè bimaxillary yo te evalye dapre kritè Demircan25.Yo te chwazi yon sèl dan si yo te jwenn menm kalite dan sou bò gòch ak bò dwat chak machwè.Si dan omològ sou tou de bò yo te nan diferan etap devlopman, yo te chwazi dan ki gen etap devlopman pi ba a pou kont ensètitid nan laj yo estime a.De (100) radyografi ki te chwazi owaza nan seri fòmasyon an te fè nòt pa de obsèvatè ki gen eksperyans pou teste fyab entè-obsèvatè apre prekalibrasyon pou detèmine etap matirite dantè.Obsèvatè prensipal la te evalye fyab Intraobserver de fwa nan entèval twa mwa.
Sèks ak etap devlopman nan dezyèm ak twazyèm molè chak machwè nan seri fòmasyon an te estime pa yon obsèvatè prensipal ki resevwa fòmasyon ak diferan modèl DM, epi yo te fikse laj aktyèl la kòm valè sib la.Modèl SLP ak MLP, ki lajman itilize nan aprantisaj machin, yo te teste kont algoritm regression.Modèl DM a konbine fonksyon lineyè lè l sèvi avèk etap devlopman kat dan yo epi konbine done sa yo pou estime laj.SLP se rezo neral ki pi senp epi li pa gen kouch kache.SLP travay ki baze sou transmisyon papòt ant nœuds.Modèl SLP nan regression matematikman menm jan ak regression lineyè miltip.Kontrèman ak modèl SLP a, modèl MLP a gen plizyè kouch kache ak fonksyon aktivasyon ki pa lineyè.Eksperyans nou yo te itilize yon kouch kache ak sèlman 20 nœuds kache ak fonksyon aktivasyon ki pa lineyè.Sèvi ak desandan gradyan kòm metòd optimize ak MAE ak RMSE kòm fonksyon pèt pou fòme modèl aprantisaj machin nou an.Yo te aplike modèl regression ki pi byen jwenn nan seri tès entèn ak ekstèn yo epi yo te estime laj dan yo.
Yo te devlope yon algorithm klasifikasyon ki sèvi ak matirite kat dan sou seri fòmasyon an pou predi si yon echantiyon gen 18 ane oswa ou pa.Pou konstwi modèl la, nou te tire sèt algoritm aprantisaj machin reprezantasyon6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, ak (7) MLP. .LR se youn nan algorithms klasifikasyon ki pi lajman itilize44.Li se yon algorithm aprantisaj sipèvize ki sèvi ak regresyon pou predi pwobabilite pou done ki fè pati yon sèten kategori soti nan 0 a 1 epi klase done yo kòm ki fè pati yon kategori ki gen plis chans ki baze sou pwobabilite sa a;sitou itilize pou klasifikasyon binè.KNN se youn nan algorithm aprantisaj machin ki pi senp45.Lè yo bay nouvo done antre, li jwenn k done tou pre seri ki deja egziste a epi li klase yo nan klas ki gen pi gwo frekans lan.Nou mete 3 pou kantite vwazen yo konsidere (k).SVM se yon algorithm ki maksimize distans ki genyen ant de klas lè l sèvi avèk yon fonksyon nwayo pou elaji espas lineyè a nan yon espas ki pa lineyè ki rele fields46.Pou modèl sa a, nou itilize patipri = 1, pouvwa = 1, ak gamma = 1 kòm ipèparamèt pou nwayo polinòm lan.DT te aplike nan divès domèn kòm yon algorithm pou divize yon seri done antye an plizyè sougwoup lè yo reprezante règ desizyon yo nan yon estrikti pyebwa47.Modèl la configuré ak yon kantite minimòm dosye pou chak ne 2 epi li sèvi ak endèks Gini kòm yon mezi bon jan kalite.RF se yon metòd ansanbl ki konbine plizyè DT pou amelyore pèfòmans lè l sèvi avèk yon metòd agrégation bootstrap ki jenere yon klasifikatè fèb pou chak echantiyon lè li pran echantiyon menm gwosè a plizyè fwa nan seri done orijinal la48.Nou te itilize 100 pye bwa, 10 pwofondè pye bwa, 1 gwosè ne minimòm, ak Gini endèks melanj kòm kritè separasyon ne.Klasifikasyon nouvo done yo detèmine pa yon vòt majorite.XGBoost se yon algorithm ki konbine teknik ranfòse lè l sèvi avèk yon metòd ki pran kòm done fòmasyon erè ki genyen ant valè aktyèl ak prevwa nan modèl anvan an ak ogmante erè a lè l sèvi avèk gradyan49.Li se yon algorithm lajman itilize akòz bon pèfòmans li yo ak efikasite resous, osi byen ke segondè fyab kòm yon fonksyon koreksyon overfitting.Modèl la ekipe ak 400 wou sipò.MLP se yon rezo neral kote youn oswa plis pèsepton fòme plizyè kouch ak youn oswa plizyè kouch kache ant kouch antre ak pwodiksyon38.Sèvi ak sa a, ou ka fè klasifikasyon ki pa lineyè kote lè ou ajoute yon kouch opinyon epi jwenn yon valè rezilta, valè rezilta prevwa a konpare ak valè rezilta aktyèl la epi erè a pwopaje tounen.Nou te kreye yon kouch kache ak 20 newòn kache nan chak kouch.Chak modèl nou devlope te aplike nan seri entèn ak ekstèn pou teste pèfòmans klasifikasyon pa kalkile sansiblite, espesifik, PPV, NPV, ak AUROC.Yo defini sansibilite kòm rapò yon echantiyon yo estime ki gen laj 18 an oswa plis ak yon echantiyon ki estime gen laj 18 an oswa plis.Espesifik se pwopòsyon echantiyon yo genyen ki poko gen 18 an ak sa yo estime ki poko gen 18 an.
Etap dantè yo evalye nan seri fòmasyon an te konvèti nan etap nimerik pou analiz estatistik.Regression lineyè ak lojistik miltivarye yo te fèt pou devlope modèl prediksyon pou chak sèks epi derive fòmil regresyon ki ka itilize pou estime laj.Nou te itilize fòmil sa yo pou estime laj dan pou tou de seri tès entèn ak ekstèn.Tablo 4 montre modèl regresyon ak klasifikasyon yo itilize nan etid sa a.
Yo te kalkile fyab antre ak entè-obsèvatè lè l sèvi avèk estatistik kappa Cohen a.Pou teste presizyon DM ak modèl regresyon tradisyonèl yo, nou kalkile MAE ak RMSE lè l sèvi avèk laj yo estime ak aktyèl seri tès entèn ak ekstèn yo.Erè sa yo souvan itilize pou evalye presizyon prediksyon modèl yo.Pi piti erè a, se pi gwo presizyon nan previzyon an24.Konpare MAE ak RMSE nan seri tès entèn ak ekstèn kalkile lè l sèvi avèk DM ak regression tradisyonèl yo.Pèfòmans klasifikasyon nan koupe 18 ane nan estatistik tradisyonèl yo te evalye lè l sèvi avèk yon tab enprevi 2 × 2.Sansiblite kalkile, espesifik, PPV, NPV, ak AUROC nan seri tès la te konpare ak valè yo mezire nan modèl la klasifikasyon DM.Done yo eksprime kòm mwayen ± devyasyon estanda oswa nimewo (%) depann sou karakteristik done yo.Valè P de bò <0.05 yo te konsidere kòm estatistik enpòtan.Tout analiz estatistik woutin yo te fèt lè l sèvi avèk SAS vèsyon 9.4 (SAS Institute, Cary, NC).Modèl regression DM la te aplike nan Python lè l sèvi avèk Keras50 2.2.4 backend ak Tensorflow51 1.8.0 espesyalman pou operasyon matematik.Modèl klasifikasyon DM la te aplike nan anviwònman analiz Konesans Waikato ak platfòm analiz Konstanz Information Miner (KNIME) 4.6.152.
Otè yo rekonèt ke done ki sipòte konklizyon etid la ka jwenn nan atik la ak materyèl siplemantè.Ansanm done yo pwodwi ak/oswa analize pandan etid la disponib nan men otè ki koresponn lan sou demann rezonab.
Ritz-Timme, S. et al.Evalyasyon laj: eta nan atizay la satisfè kondisyon espesifik nan pratik legal.entènasyonalite.J. Medikaman legal.113, 129–136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., ak Olze, A. Estati aktyèl la nan evalyasyon legal laj nan matyè vivan pou rezon pouswit 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 Lachin.klinik.Sondaj oral.25, 3463–3474 (2021).
Lee, SS elatriye Kwonoloji nan devlopman dezyèm ak twazyèm molè nan Koreyen ak aplikasyon li pou evalyasyon laj legal.entènasyonalite.J. Medikaman legal.124, 659–665 (2010).
Oh, S., Kumagai, A., Kim, SY ak Lee, SS Presizyon estimasyon laj ak estimasyon papòt 18 ane ki baze sou matirite dezyèm ak twazyèm molè nan Koreyen ak Japonè.PLoS ONE 17, e0271247 (2022).
Kim, JY, et al.Analiz done ki baze sou aprantisaj machin preoperativ ka predi rezilta tretman operasyon dòmi nan pasyan ki gen OSA.syans la.Rapò 11, 14911 (2021).
Han, M. et al.Estimasyon egzat laj soti nan aprantisaj machin avèk oswa san entèvansyon imen?entènasyonalite.J. Medikaman legal.136, 821–831 (2022).
Khan, S. ak Shaheen, M. Soti nan Data Mining pou Data Mining.J.Enfòmasyon.syans la.https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. ak Shaheen, M. WisRule: Premye algorithm kognitif pou Mining Règ Asosyasyon.J.Enfòmasyon.syans la.https://doi.org/10.1177/01655515221108695 (2022).
Shaheen M. ak Abdullah U. Karm: Tradisyonèl done min ki baze sou règ asosyasyon ki baze sou kontèks.kalkile.Matt.kontinye.68, 3305–3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. ak Habib M. Aprantisaj pwofon ki baze sou deteksyon resanblans semantik 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 videyo espò.miltimedya.Zouti Aplikasyon https://doi.org/10.1007/s11042-021-10519-6 (2021).
Halabi, SS et al.RSNA Machine Learning Challenge nan laj zo timoun yo.Radyoloji 290, 498-503 (2019).
Li, Y. et al.Estimasyon laj legal soti nan radyografi basen lè l sèvi avèk aprantisaj pwofon.EURO.radyasyon.29, 2322–2329 (2019).
Guo, YC, et al.Klasifikasyon egzat laj lè l sèvi avèk metòd manyèl ak gwo twou san fon rezo neral konvolusyon soti nan imaj pwojeksyon òtograf.entènasyonalite.J. Medikaman 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 laj estimasyon nan Afriken Ameriken ak Chinwa ki baze sou volim chanm kaka nan premye molè lè l sèvi avèk kòn-gwo bout bwa tomografi.entènasyonalite.J. Medikaman 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 imaj premye molè ki baze sou entèlijans atifisyèl.syans la.Rapò 11, 1073 (2021).
Stern, D., Payer, C., Giuliani, N., ak Urschler, M. Otomatik estimasyon laj ak klasifikasyon laj majorite soti nan done MRI multivarye.IEEE J. Biomed.Avètisman Sante.23, 1392–1403 (2019).
Cheng, Q., Ge, Z., Du, H. ak Li, G. Estimasyon laj ki baze sou segmantasyon chanm 3D kaka nan premye molè soti nan tomografi kòn gwo bout bwa pa entegre aprantisaj pwofon ak seri nivo.entènasyonalite.J. Medikaman legal.135, 365–373 (2021).
Wu, WT, et al.Done min nan klinik gwo done: baz done komen, etap, ak modèl metòd.Mondyal.remèd.resous.8, 44 (2021).
Yang, J. et al.Entwodiksyon nan baz done medikal ak teknoloji done min nan epòk la gwo done.J. Avid.Medikaman de baz.13, 57–69 (2020).
Shen, S. et al.Metòd Camerer pou estime laj dan lè l sèvi avèk aprantisaj machin.BMC Oral Health 21, 641 (2021).
Galliburg A. et al.Konparezon diferan metòd aprantisaj machin pou predi laj dantè lè l sèvi avèk metòd staging Demirdjian.entènasyonalite.J. Medikaman legal.135, 665–675 (2021).
Demirdjian, A., Goldstein, H. ak Tanner, JM Yon nouvo sistèm pou evalye laj dantè.ronfle.byoloji.45, 211–227 (1973).
Landis, JR, ak Koch, GG Mezi akò obsèvatè sou done kategorik.Byometrik 33, 159-174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK ak Choi HK.Tekstik, mòfolojik ak analiz estatistik nan de dimansyon imaj sonorite mayetik lè l sèvi avèk teknik entèlijans atifisyèl pou diferansyasyon nan timè nan sèvo prensipal yo.Enfòmasyon sou sante.resous.https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Lè poste: Jan-04-2024