Kea leboha ha le etetse Nature.com. Mofuta wa sebatli seo o se sebedisang o na le tshehetso e fokolang ya CSS. Bakeng sa diphetho tse ntle ka ho fetisisa, re kgothaletsa ho sebedisa mofuta o motjha wa sebatli sa hao (kapa ho tima mokgwa wa ho tsamaisana le di-browser ho Internet Explorer). Ho sa le jwalo, ho netefatsa tshehetso e tswelang pele, re bontsha sebaka sena sa marang-rang ntle le setaele kapa JavaScript.
Meno a nkoa e le sesupo se nepahetseng ka ho fetisisa sa lilemo tsa 'mele oa motho 'me hangata a sebelisoa tlhahlobong ea lilemo tsa forensic. Re ne re ikemiselitse ho netefatsa likhakanyo tsa lilemo tsa meno tse thehiloeng ho merafong ea data ka ho bapisa ho nepahala ha khakanyo le ts'ebetso ea lihlopha tsa moeli oa lilemo tse 18 le mekhoa ea setso le likhakanyo tsa lilemo tse thehiloeng ho merafong ea data. Kakaretso ea li-radiograph tse 2657 tse pharalletseng li ile tsa bokelloa ho baahi ba Korea le Japane ba lilemo li 15 ho isa ho tse 23. Li ile tsa aroloa ka sete ea koetliso, e 'ngoe le e 'ngoe e na le li-radiograph tse 900 tsa Korea, le sete ea liteko tsa kahare e nang le li-radiograph tse 857 tsa Majapane. Re bapisitse ho nepahala ha lihlopha le katleho ea mekhoa ea setso le lihlopha tsa liteko tsa mehlala ea merafo ea data. Ho nepahala ha mokhoa oa setso sete ea liteko tsa kahare ho phahame hanyane ho feta oa mohlala oa merafo ea data, 'me phapang e nyane (phoso e felletseng ea karolelano
Ho ithuta ka mochini ke mofuta oa bohlale ba maiketsetso (AI) bo ithutang khafetsa le ho arola bongata ba data, bo rarolla mathata ka bobona, 'me bo khanna mananeo a data. Ho ithuta ka mochini ho ka sibolla mekhoa e metle e patiloeng ka bongata bo boholo ba data6. Ka lehlakoreng le leng, mekhoa ea khale, e hlokang mosebetsi o mongata le nako e ngata, e ka ba le meeli ha e sebetsana le bongata bo boholo ba data e rarahaneng eo ho leng thata ho e sebetsana ka letsoho7. Ka hona, lithuto tse ngata li entsoe morao tjena ho sebelisoa mahlale a morao-rao a khomphutha ho fokotsa liphoso tsa batho le ho sebetsana ka katleho le data ea mahlakore a mangata8,9,10,11,12. Haholo-holo, ho ithuta ho tebileng ho sebelisitsoe haholo tlhahlobong ea litšoantšo tsa bongaka, 'me mekhoa e fapaneng ea ho lekanya lilemo ka ho sekaseka li-radiograph ka boiketsetso e tlalehiloe ho ntlafatsa ho nepahala le katleho ea ho lekanya lilemo13,14,15,16,17,18,19,20. Mohlala, Halabi et al 13 ba hlahisitse algorithm ea ho ithuta ka mochini e thehiloeng marang-rang a methapo ea kutlo a convolutional (CNN) ho hakanya lilemo tsa masapo ba sebelisa li-radiograph tsa matsoho a bana. Phuputso ena e sisinya mohlala o sebelisang ho ithuta ka mochini litšoantšong tsa bongaka 'me o bontša hore mekhoa ena e ka ntlafatsa ho nepahala ha tlhahlobo. Li et al14 ba hakantse lilemo ho tsoa litšoantšong tsa X-ray tsa pelvic ba sebelisa CNN ea ho ithuta ka botebo 'me ba li bapisa le liphetho tsa ho khutlela morao ba sebelisa khakanyo ea sethala sa ossification. Ba fumane hore mohlala oa CNN oa ho ithuta ka botebo o bontšitse ts'ebetso e tšoanang ea khakanyo ea lilemo le mohlala oa setso oa ho khutlela morao. Phuputso ea Guo et al. [15] e hlahlobile ts'ebetso ea ho hlophisoa ha mamello ea lilemo ea theknoloji ea CNN e thehiloeng ho orthophotos ea meno, 'me liphetho tsa mohlala oa CNN li pakile hore batho ba entse hantle ho feta ts'ebetso ea bona ea ho hlophisoa ha lilemo.
Lithuto tse ngata mabapi le khakanyo ea lilemo tse sebelisang ho ithuta ka mochini li sebelisa mekhoa ea ho ithuta ka botebo13,14,15,16,17,18,19,20. Khakanyo ea lilemo e thehiloeng ho ithuteng ka botebo e tlalehoa e nepahetse ho feta mekhoa ea setso. Leha ho le joalo, mokhoa ona ha o fane ka monyetla o mokaalo oa ho hlahisa motheo oa saense bakeng sa likhakanyo tsa lilemo, joalo ka matšoao a lilemo a sebelisitsoeng likhakanyong. Hape ho na le qabang ea molao mabapi le hore na ke mang ea etsang litlhahlobo. Ka hona, khakanyo ea lilemo e thehiloeng ho ithuteng ka botebo e thata ho e amohela ke balaoli ba tsamaiso le ba boahloli. Ho daela data (DM) ke mokhoa o ka sibollang eseng feela tlhahisoleseling e lebelletsoeng empa hape e sa lebelloang e le mokhoa oa ho sibolla likamano tse molemo lipakeng tsa data e ngata6,21,22. Ho ithuta ka mochini hangata ho sebelisoa ho daela data, 'me ho daela data le ho ithuta ka mochini li sebelisa li-algorithms tse tšoanang tsa bohlokoa ho sibolla mekhoa ea data. Khakanyo ea lilemo e sebelisang nts'etsopele ea meno e ipapisitse le tlhahlobo ea mohlahlobi ea ho hola ha meno a reretsoeng, 'me tlhahlobo ena e hlahisoa e le sethala sa leino le leng le le leng le reretsoeng. DM e ka sebelisoa ho sekaseka kamano pakeng tsa mohato oa tlhahlobo ea meno le lilemo tsa 'nete' me e na le bokhoni ba ho nkela tlhahlobo ea lipalo-palo ea setso sebaka. Ka hona, haeba re sebelisa mekhoa ea DM ho hakanya lilemo, re ka kenya tšebetsong thuto ea mochini ho hakanya lilemo tsa forensic ntle le ho tšoenyeha ka boikarabello ba molao. Lithuto tse 'maloa tsa papiso li phatlalalitsoe mabapi le mekhoa e meng e ka sebelisoang ho fapana le mekhoa ea setso ea matsoho e sebelisoang ts'ebetsong ea forensic le mekhoa e thehiloeng ho EBM bakeng sa ho fumana lilemo tsa meno. Shen et al23 ba bontšitse hore mohlala oa DM o nepahetse ho feta mokhoa oa setso oa Camerer. Galibourg et al24 ba sebelisitse mekhoa e fapaneng ea DM ho bolela esale pele lilemo ho latela criterion ea Demirdjian25 'me liphetho li bontšitse hore mokhoa oa DM o fetile mekhoa ea Demirdjian le Willems ho hakanyeng lilemo tsa baahi ba Mafora.
Ho hakanya lilemo tsa meno tsa bacha ba Korea le batho ba baholo ba bacha, mokhoa oa Lee oa 4 o sebelisoa haholo mokhoeng oa bongaka ba meno oa Korea. Mokhoa ona o sebelisa tlhahlobo ea lipalo-palo ea setso (joalo ka ho khutlela morao ka makhetlo a mangata) ho hlahloba kamano pakeng tsa batho ba Korea le lilemo tsa tatellano ea liketsahalo. Thutong ena, mekhoa ea ho hakanya lilemo e fumanoeng ho sebelisoa mekhoa ea lipalo-palo ea setso e hlalosoa e le "mekhoa ea setso." Mokhoa oa Lee ke mokhoa oa setso, 'me ho nepahala ha oona ho tiisitsoe ke Oh et al. 5; leha ho le joalo, ho sebetsa ha khakanyo ea lilemo ho latela mohlala oa DM mokhoeng oa bongaka ba meno oa Korea ho ntse ho belaetsa. Sepheo sa rona e ne e le ho netefatsa ka saense molemo o ka bang teng oa khakanyo ea lilemo ho latela mohlala oa DM. Morero oa thuto ena e ne e le (1) ho bapisa ho nepahala ha mehlala e 'meli ea DM ho hakanyetseng lilemo tsa meno le (2) ho bapisa ts'ebetso ea ho arola mehlala e 7 ea DM ha e le lilemo li 18 le e fumanoeng ho sebelisoa mekhoa ea lipalo-palo ea setso. Botsofali ba molars oa bobeli le oa boraro mehlahareng ka bobeli.
Mekhoa le mekhoa e tloaelehileng ea ho kheloha ha lilemo tsa tatellano ea liketsahalo ka sethala le mofuta oa leino li bontšoa inthaneteng ho Tafole e Tlatsetsang S1 (sete ea koetliso), Tafole e Tlatsetsang S2 (sete ea teko ea kahare), le Tafole e Tlatsetsang S3 (sete ea teko ea kantle). Litekanyetso tsa kappa bakeng sa ts'epo ea kahare le ea bashebelli ba kopaneng tse fumanoeng ho tsoa sete ea koetliso e ne e le 0.951 le 0.947, ka ho latellana. Litekanyetso tsa P le linako tsa kholiseho tsa 95% bakeng sa litekanyetso tsa kappa li bontšitsoe tafoleng e tlatselletsang ea inthanete S4. Boleng ba kappa bo ile ba hlalosoa e le "bo batlang bo phethahetse", bo lumellanang le litekanyetso tsa Landis le Koch26.
Ha ho bapiswa phoso e akaretsang (MAE), mokhoa wa setso o feta hanyane mohlala wa DM bakeng sa bong bohle le sete ya teko ya banna ba kantle, ntle le multilayer perceptron (MLP). Phapang pakeng tsa mohlala wa setso le mohlala wa DM sete ya teko ya MAE ya kahare e ne e le dilemo tse 0.12–0.19 bakeng sa banna le dilemo tse 0.17–0.21 bakeng sa basadi. Bakeng sa betri ya teko ya kantle, diphapang di nyane (dilemo tse 0.001–0.05 bakeng sa banna le dilemo tse 0.05–0.09 bakeng sa basadi). Ho feta moo, phoso ya sekwere sa karolelano ya motso (RMSE) e tlase hanyane ho feta mokgwa wa setso, ka diphapang tse nyane (0.17–0.24, 0.2–0.24 bakeng sa sete ya teko ya banna ba kahare, le 0.03–0.07, 0.04–0.08 bakeng sa sete ya teko ya kantle). ). MLP e bontsha tshebetso e betere hanyane ho feta Single Layer Perceptron (SLP), ntle le tabeng ya sete ya teko ya kantle ya basadi. Bakeng sa MAE le RMSE, sete ea liteko tsa kantle e fumana lintlha tse phahameng ho feta sete ea liteko tsa kahare bakeng sa bong bohle le mehlala. MAE le RMSE tsohle li bontšitsoe ho Tafole ea 1 le Setšoantšo sa 1.
MAE le RMSE tsa mehlala ea khale le ea ho fokotsa merafo ea data. Phoso e feletseng ea karolelano MAE, phoso e akaretsang ea sekwere ea karolelano RMSE, perceptron ea lera le le leng SLP, perceptron ea lera le lengata MLP, mokhoa oa CM oa setso.
Tshebetso ya ho arola (ka kgaotso ya dilemo tse 18) ya mehlala ya setso le ya DM e bontshitswe mabapi le kutlwisiso, ho ikgetha, boleng bo botle ba ho bolela esale pele (PPV), boleng bo bobe ba ho bolela esale pele (NPV), le sebaka se ka tlasa sekgahla sa tshebetso sa moamoheli (AUROC) 27 (Tafole ya 2, Setšoantšo sa 2 le Setšoantšo se Tlatsetsang sa 1 inthaneteng). Mabapi le kutlwisiso ya betri ya teko ya kahare, mekgwa ya setso e sebeditse hantle hara banna mme e mpe le ho feta hara basadi. Leha ho le jwalo, phapang tshebetsong ya ho arola pakeng tsa mekgwa ya setso le SD ke 9.7% bakeng sa banna (MLP) mme ke 2.4% feela bakeng sa basadi (XGBoost). Har'a mehlala ya DM, logistic regression (LR) e bontshitse kutlwisiso e betere ho bong ka bobedi. Mabapi le ho ikgetha ha sete ya teko ya kahare, ho ile ha bonwa hore mehlala e mene ya SD e sebeditse hantle ho banna, ha mohlala wa setso o sebeditse hantle ho basadi. Diphapang tshebetsong ya ho arola bakeng sa banna le basadi ke 13.3% (MLP) le 13.1% (MLP), ka ho latellana, e leng se bontshang hore phapang tshebetsong ya ho arola pakeng tsa mehlala e feta kutlwisiso. Har'a mehlala ea DM, mochini oa vector oa tšehetso (SVM), sefate sa liqeto (DT), le mehlala ea meru e sa reroang (RF) e sebelitse hantle har'a banna, ha mohlala oa LR o sebelitse hantle har'a basali. AUROC ea mohlala oa setso le mehlala eohle ea SD e ne e le kholo ho feta 0.925 (k-moahelani ea haufi-ufi (KNN) ho banna, e bonts'a ts'ebetso e ntle ea ho arola lisampole tsa lilemo tse 1828. Bakeng sa sete ea liteko tsa kantle, ho bile le phokotseho ea ts'ebetso ea ho arola mabapi le kutloelo-bohloko, ho hlaka le AUROC ha ho bapisoa le sete ea liteko tsa kahare. Ho feta moo, phapang ea kutloelo-bohloko le ho hlaka pakeng tsa ts'ebetso ea ho arola ea mehlala e metle le e mebe e ne e tloha ho 10% ho isa ho 25% 'me e ne e le kholo ho feta phapang sete ea liteko tsa kahare.
Kutloisiso le ho totobala ha mehlala ea ho arola data ho bapisoa le mekhoa ea setso e nang le cutoff ea lilemo tse 18. Moahelani ea haufi oa KNN k, mochini oa vector oa tšehetso oa SVM, regression ea logistic ea LR, sefate sa qeto sa DT, moru o sa reroang oa RF, XGB XGBoost, perceptron ea MLP e mengata, mokhoa oa setso oa CM.
Mohato oa pele thutong ena e ne e le ho bapisa ho nepahala ha likhakanyo tsa lilemo tsa meno tse fumanoeng ho tsoa mehlaleng e supileng ea DM le tse fumanoeng ho sebelisoa mokhoa oa setso oa ho fokotsa khatello. MAE le RMSE li ile tsa hlahlojoa litekong tsa ka hare bakeng sa bong ka bobeli, 'me phapang pakeng tsa mokhoa oa setso le mohlala oa DM e ne e tloha matsatsing a 44 ho isa ho a 77 bakeng sa MAE le ho tloha matsatsing a 62 ho isa ho a 88 bakeng sa RMSE. Le hoja mokhoa oa setso o ne o nepahetse hanyane thutong ena, ho thata ho etsa qeto ea hore na phapang e nyane joalo e na le bohlokoa ba bongaka kapa bo sebetsang. Liphetho tsena li bontša hore ho nepahala ha khakanyo ea lilemo tsa meno ho sebelisoa mohlala oa DM ho batla ho tšoana le ha mokhoa oa setso. Papiso e tobileng le liphetho tse tsoang lithutong tse fetileng ho thata hobane ha ho na thuto e bapisitseng ho nepahala ha mehlala ea DM le mekhoa ea lipalo-palo ea setso ho sebelisoa mokhoa o tšoanang oa ho rekota meno ka tekanyo e tšoanang ea lilemo le thutong ena. Galibourg et al24 ba bapisitse MAE le RMSE pakeng tsa mekhoa e 'meli ea setso (mokhoa oa Demirjian25 le mokhoa oa Willems29) le mehlala e 10 ea DM ho baahi ba Mafora ba lilemo li 2 ho isa ho tse 24. Ba tlalehile hore mehlala eohle ea DM e ne e nepahetse ho feta mekhoa ea setso, ka phapang ea lilemo tse 0.20 le 0.38 ho MAE le lilemo tse 0.25 le 0.47 ho RMSE ha e bapisoa le mekhoa ea Willems le Demirdjian, ka ho latellana. Phapang pakeng tsa mohlala oa SD le mekhoa ea setso e bontšitsoeng thutong ea Halibourg e ela hloko litlaleho tse ngata30,31,32,33 tsa hore mokhoa oa Demirdjian ha o hakanye lilemo tsa meno ka nepo ho baahi ba bang ntle le MaCanada a Fora ao thuto e neng e thehiloe ho 'ona. thutong ena. Tai le ba bang 34 ba sebelisitse algorithm ea MLP ho bolela esale pele lilemo tsa meno ho tsoa lifoto tsa orthodontic tsa Machaena tsa 1636 'me ba bapisa ho nepahala ha eona le liphetho tsa mokhoa oa Demirjian le Willems. Ba tlalehile hore MLP e na le ho nepahala ho hoholo ho feta mekhoa ea setso. Phapang pakeng tsa mokhoa oa Demirdjian le mokhoa oa setso ke lilemo tse <0.32, 'me mokhoa oa Willems ke lilemo tse 0.28, e leng se tšoanang le liphetho tsa thuto ea hona joale. Liphetho tsa lithuto tsena tse fetileng24,34 le tsona li lumellana le liphetho tsa thuto ea hona joale, 'me ho nepahala ha khakanyo ea lilemo tsa mohlala oa DM le mokhoa oa setso lia tšoana. Leha ho le joalo, ho latela liphetho tse hlahisitsoeng, re ka etsa qeto ka hloko feela ea hore tšebeliso ea mehlala ea DM ho hakanya lilemo e ka nkela mekhoa e seng e ntse e le teng sebaka ka lebaka la khaello ea lithuto tse fetileng tse bapisoang le tse boletsoeng. Lithuto tse latelang tse sebelisang lisampole tse kholo lia hlokahala ho netefatsa liphetho tse fumanoeng thutong ena.
Har'a lithuto tse lekang ho nepahala ha SD ho hakanyetseng lilemo tsa meno, tse ling li bontšitse ho nepahala ho hoholo ho feta phuputso ea rona. Stepanovsky le ba bang 35 ba sebelisitse mehlala e 22 ea SD ho li-radiograph tsa panoramic tsa baahi ba 976 ba Czech ba lilemo li 2.7 ho isa ho 20.5 'me ba leka ho nepahala ha mohlala ka mong. Ba ile ba hlahloba nts'etsopele ea meno a 16 a sa feleng a holimo le a tlase ka letsohong le letšehali ba sebelisa litekanyetso tsa ho arola tse hlahisitsoeng ke Moorrees le ba bang 36. MAE e tloha ho lilemo tse 0.64 ho isa ho 0.94 'me RMSE e tloha ho lilemo tse 0.85 ho isa ho 1.27, tse nepahetseng ho feta mehlala e 'meli ea DM e sebelisitsoeng phuputsong ena. Shen le ba bang23 ba sebelisitse mokhoa oa Cameriere ho hakanya lilemo tsa meno tsa meno a supileng a sa feleng karolong e ka letsohong le letšehali ho baahi ba bochabela ba Chaena ba lilemo li 5 ho isa ho tse 13 'me ba e bapisa le lilemo tse hakantsoeng ho sebelisoa linear regression, SVM le RF. Ba bontšitse hore mehlala eohle e meraro ea DM e na le ho nepahala ho hoholo ha e bapisoa le mokhoa oa setso oa Cameriere. MAE le RMSE thutong ea Shen li ne li le tlase ho feta tse mohlaleng oa DM thutong ena. Ho nepahala ho eketsehileng ha lithuto tse entsoeng ke Stepanovsky et al. 35 le Shen et al. 23 ho ka bakoa ke ho kenyelletsoa ha batho ba banyenyane lisampoleng tsa bona tsa thuto. Hobane likhakanyo tsa lilemo bakeng sa barupeluoa ba nang le meno a ntseng a hola li nepahala haholoanyane ha palo ea meno e ntse e eketseha nakong ea nts'etsopele ea meno, ho nepahala ha mokhoa oa khakanyo ea lilemo o hlahisoang ho ka 'na ha senyeha ha barupeluoa ba thuto ba le banyenyane. Ho phaella moo, phoso ea MLP khakanyong ea lilemo e nyane hanyane ho feta ea SLP, ho bolelang hore MLP e nepahetse ho feta SLP. MLP e nkoa e le betere hanyane bakeng sa khakanyo ea lilemo, mohlomong ka lebaka la likarolo tse patiloeng ho MLP38. Leha ho le joalo, ho na le mokhelo bakeng sa sampole ea kantle ea basali (SLP 1.45, MLP 1.49). Ho fumanoa ha hore MLP e nepahetse ho feta SLP ha ho hlahlojoa lilemo ho hloka lithuto tse ling tsa morao.
Tshebetso ya ho arola mohlala wa DM le mokgwa wa setso moeding wa dilemo tse 18 le yona e ile ya bapiswa. Mehlala yohle ya SD e lekilweng le mekgwa ya setso sete ya teko ya ka hare e bontshitse maemo a amohelehang a kgethollo bakeng sa sampole ya dilemo tse 18. Kutloelo-bohloko bakeng sa banna le basadi e ne e le hodimo ho 87.7% le 94.9%, ka ho latellana, mme ho ikgetha ho ne ho le hodimo ho 89.3% le 84.7%. AUROC ya mehlala yohle e lekilweng le yona e feta 0.925. Ho ya ka tsebo ya rona e ntle, ha ho na phuputso e lekileng tshebetso ya mohlala wa DM bakeng sa ho arola dilemo tse 18 ho latela kgolo ya meno. Re ka bapisa diphetho tsa thuto ena le tshebetso ya ho arola mehlala ya ho ithuta ho tebileng ho di-radiograph tsa panoramic. Guo le ba bang ba badile tshebetso ya ho arola mohlala wa ho ithuta ho tebileng o thehilweng ho CNN le mokgwa wa letsoho o thehilweng mokgweng wa Demirjian bakeng sa moedi o itseng wa dilemo. Bohloko le ho totobala ha mokhoa oa letsoho e ne e le 87.7% le 95.5%, ka ho latellana, 'me bohloko le ho totobala ha mohlala oa CNN li fetile 89.2% le 86.6%, ka ho latellana. Ba fihletse qeto ea hore mehlala ea ho ithuta ka botebo e ka nkela kapa ea etsa tlhahlobo ea letsoho sebaka ho hlophisiseng meeli ea lilemo. Liphetho tsa phuputso ena li bontšitse ts'ebetso e ts'oanang ea ho arola; Ho lumeloa hore ho arola ka ho sebelisa mehlala ea DM ho ka nkela mekhoa ea lipalo-palo ea setso bakeng sa ho hakanya lilemo sebaka. Har'a mehlala, DM LR e ne e le mohlala o motle ka ho fetisisa mabapi le ho totobala bakeng sa sampole ea banna le ho totobala le ho totobala bakeng sa sampole ea basali. LR e boemong ba bobeli ka ho totobala bakeng sa banna. Ho feta moo, LR e nkoa e le e 'ngoe ea mehlala ea DM35 e bonolo ho e sebelisa 'me ha e rarahane ebile e thata ho e sebetsana. Ho latela liphetho tsena, LR e ne e nkoa e le mohlala o motle ka ho fetisisa oa ho arola bakeng sa bana ba lilemo li 18 ho baahi ba Korea.
Ka kakaretso, ho nepahala ha khakanyo ea lilemo kapa ts'ebetso ea lihlopha sehlopheng sa liteko tsa kantle ho ne ho le mpe kapa ho le tlase ha ho bapisoa le liphetho sehlopheng sa liteko tsa kahare. Litlaleho tse ling li bontša hore ho nepahala ha lihlopha kapa bokhoni bo fokotseha ha likhakanyo tsa lilemo tse thehiloeng ho baahi ba Korea li sebelisoa ho baahi ba Majapane5,39, 'me mokhoa o tšoanang o fumanoe thutong ea hona joale. Mokhoa ona oa ho senyeha o boetse oa bonoa mohlaleng oa DM. Ka hona, ho hakanya lilemo ka nepo, esita le ha ho sebelisoa DM ts'ebetsong ea tlhahlobo, mekhoa e nkiloeng ho data ea baahi ba matsoalloa, joalo ka mekhoa ea setso, e lokela ho khethoa5,39,40,41,42. Kaha ha ho hlake hore na mehlala ea ho ithuta ka botebo e ka bontša mekhoa e tšoanang, lithuto tse bapisang ho nepahala ha lihlopha le bokhoni bo sebelisang mekhoa ea setso, mehlala ea DM, le mehlala ea ho ithuta ka botebo lisampoleng tse tšoanang lia hlokahala ho netefatsa hore na bohlale ba maiketsetso bo ka hlola ho se lekane hona ha merabe litekong tsa lilemo tse fokolang.
Re bontša hore mekhoa ea setso e ka nkeloa sebaka ke khakanyo ea lilemo e thehiloeng mohlaleng oa DM mokhoa oa khakanyo ea lilemo tsa forensic Korea. Re boetse ra fumana monyetla oa ho kenya tšebetsong thuto ea mochini bakeng sa tlhahlobo ea lilemo tsa forensic. Leha ho le joalo, ho na le meeli e hlakileng, joalo ka palo e sa lekaneng ea barupeluoa thutong ena ho fumana liphetho ka botlalo, le khaello ea lithuto tse fetileng ho bapisa le ho tiisa liphetho tsa thuto ena. Nakong e tlang, lithuto tsa DM li lokela ho etsoa ka palo e kholo ea lisampole le baahi ba fapaneng ho ntlafatsa ts'ebeliso ea eona e sebetsang ha e bapisoa le mekhoa ea setso. Ho netefatsa monyetla oa ho sebelisa bohlale ba maiketsetso ho hakanya lilemo ho baahi ba bangata, lithuto tsa nakong e tlang lia hlokahala ho bapisa ho nepahala le katleho ea DM le mehlala ea ho ithuta ka botebo ka mekhoa ea setso lisampoleng tse tšoanang.
Phuputso ena e sebelisitse linepe tse 2,657 tsa orthographic tse bokelletsoeng ho batho ba baholo ba Korea le Majapane ba lilemo li 15 ho isa ho tse 23. Li-radiograph tsa Korea li ne li arotsoe ka lihlopha tse 900 tsa koetliso (lilemo tse 19.42 ± 2.65) le lihlopha tse 900 tsa liteko tsa kahare (lilemo tse 19.52 ± 2.59). Sete ea koetliso e bokelletsoe setsing se le seng (Sepetlele sa Seoul St. Mary's), 'me sehlopha sa liteko se bokelletsoe litsi tse peli (Sepetlele sa Meno sa Univesithi ea Seoul National le Sepetlele sa Meno sa Univesithi ea Yonsei). Re boetse re bokelletse li-radiograph tse 857 ho tsoa tlhahisoleseling e 'ngoe e thehiloeng ho baahi (Univesithi ea Bongaka ea Iwate, Japane) bakeng sa liteko tsa kantle. Li-radiograph tsa batho ba Majapane (lilemo tse 19.31 ± 2.60) li khethiloe e le sehlopha sa liteko tsa kantle. Lintlha li bokelletsoe morao ho sekaseka mekhahlelo ea nts'etsopele ea meno ho li-radiograph tsa panoramic tse nkiloeng nakong ea kalafo ea meno. Lintlha tsohle tse bokelletsoeng li ne li sa tsejoe ntle le bong, letsatsi la tsoalo le letsatsi la radiograph. Mekhoa ea ho kenyelletsa le ho qheleloa ka thoko e ne e tšoana le lithuto tse hatisitsoeng pele 4, 5. Lilemo tsa sebele tsa sampole li baloa ka ho tlosa letsatsi la tsoalo ho tloha letsatsing leo radiograph e nkiloeng ka lona. Sehlopha sa sampole se arotsoe ka lihlopha tsa lilemo tse robong. Kabo ea lilemo le bong li bontšitsoe ho Tafole ea 3 Phuputso ena e entsoe ho latela Phatlalatso ea Helsinki 'me ea amoheloa ke Boto ea Tlhahlobo ea Setsi (IRB) ea Sepetlele sa Seoul St. Mary's sa Univesithi ea K'hatholike ea Korea (KC22WISI0328). Ka lebaka la moralo oa morao oa thuto ena, tumello e nang le tsebo e ne e ke ke ea fumanoa ho bakuli bohle ba hlahlojoang ka radiographic bakeng sa merero ea kalafo. Sepetlele sa Seoul Korea University St. Mary's (IRB) se ile sa tlohela tlhoko ea tumello e nang le tsebo.
Mehato ea nts'etsopele ea bimaxillary second and third molars e ile ea hlahlojoa ho latela litekanyetso tsa Demircan25. Ho ile ha khethoa leino le le leng feela haeba mofuta o tšoanang oa leino o fumanoe mahlakoreng a le letšehali le a letona a mohlahare ka mong. Haeba meno a tšoanang mahlakoreng ka bobeli a ne a le mekhahlelong e fapaneng ea nts'etsopele, leino le nang le mohato o tlase oa nts'etsopele le ile la khethoa ho ikarabella bakeng sa ho se tsitse ha lilemo tse hakantsoeng. Li-radiograph tse lekholo tse khethiloeng ka mokhoa o sa reroang ho tsoa sete ea koetliso li ile tsa fumanoa ke bashebelli ba babeli ba nang le boiphihlelo ho leka botšepehi ba bashebelli kamora ho hlahlojoa pele ho nako ho fumana boemo ba khōlo ea meno. Botšepehi ba bashebelli ba ka hare ho 'mele bo ile ba hlahlojoa habeli ka linako tsa likhoeli tse tharo ke moshebelli oa mantlha.
Mokhahlelo oa bong le oa nts'etsopele oa molars oa bobeli le oa boraro oa mohlahare o mong le o mong sete ea koetliso o hakantsoe ke moshebelli oa mantlha ea koetlisitsoeng ka mehlala e fapaneng ea DM, 'me lilemo tsa sebele li behiloe e le boleng ba sepheo. Mehlala ea SLP le MLP, e sebelisoang haholo ho ithuteng ha mochini, e ile ea lekoa khahlanong le li-algorithms tsa regression. Mohlala oa DM o kopanya mesebetsi e otlolohileng ho sebelisoa mekhahlelo ea nts'etsopele ea meno a mane 'me o kopanya lintlha tsena ho hakanya lilemo. SLP ke marang-rang a bonolo ka ho fetisisa a methapo 'me ha e na le mekhahlelo e patiloeng. SLP e sebetsa ho latela phetiso ea moeli pakeng tsa li-node. Mohlala oa SLP ho regression o tšoana ka lipalo le regression e mengata e otlolohileng. Ho fapana le mohlala oa SLP, mohlala oa MLP o na le mekhahlelo e mengata e patiloeng e nang le mesebetsi ea ts'ebetso e seng ea mola. Liteko tsa rona li sebelisitse lera le patiloeng le nang le li-node tse 20 tse patiloeng feela tse nang le mesebetsi ea ts'ebetso e seng ea mola. Sebelisa ho theoha ha gradient e le mokhoa oa ho ntlafatsa le MAE le RMSE e le mosebetsi oa tahlehelo ho koetlisa mohlala oa rona oa ho ithuta ha mochini. Mohlala oa regression o fumanoeng hantle ka ho fetisisa o sebelisitsoe ho li-sete tsa liteko tsa kahare le tsa kantle 'me lilemo tsa meno li hakantsoe.
Ho ile ha ntshetswa pele algorithm ya ho arola e sebedisang ho hola ha meno a mane sete ya koetliso ho bolela esale pele hore na sampole e na le dilemo tse 18 kapa tjhe. Ho aha mohlala, re fumane algorithm tse supileng tsa ho ithuta ka mochini tse emetsweng6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, le (7) MLP. LR ke e nngwe ya algorithm ya ho ithuta e sebediswang haholo44. Ke algorithm ya ho ithuta e hlahlobilweng e sebedisang regression ho bolela esale pele kgonahalo ya data e leng ya sehlopha se itseng ho tloha ho 0 ho isa ho 1 mme e arola data e le ya sehlopha se ka bang teng ho latela kgonahalo ena; haholoholo e sebediswa bakeng sa ho arola binary. KNN ke e nngwe ya algorithm e bonolo ka ho fetisisa ya ho ithuta ka mochini45. Ha e fuwa data e ntjha ya ho kenya, e fumana data ya k e haufi le sete e teng ebe e e arola ka sehlopheng ka maqhubu a hodimo ka ho fetisisa. Re beha 3 bakeng sa palo ya baahelani ba nahannweng (k). SVM ke algorithm e eketsang sebaka pakeng tsa dihlopha tse pedi ka ho sebedisa mosebetsi wa kernel ho atolosa sebaka se otlolohileng sebakeng se seng se otlolohileng se bitswang masimo46. Bakeng sa mohlala ona, re sebedisa leeme = 1, matla = 1, le gamma = 1 e le di-hyperparameter bakeng sa kernel ya polynomial. DT e sebedisitswe masimong a fapaneng e le algorithm bakeng sa ho arola sete yohle ya data ka dihlopha tse mmalwa ka ho emela melao ya diqeto sebopehong sa sefate47. Mohlala o hlophisitswe ka palo e fokolang ya direkoto ka node ya 2 mme o sebedisa index ya Gini e le tekanyo ya boleng. RF ke mokgwa wa sehlopha o kopanyang DT tse ngata ho ntlafatsa tshebetso o sebedisa mokgwa wa ho kopanya bootstrap o hlahisang sehlopha se fokolang bakeng sa sampole ka nngwe ka ho taka disampole tsa boholo bo lekanang ka makgetlo a mangata ho tswa ho dataset ya pele48. Re sebedisitse difate tse 100, botebo ba difate tse 10, boholo ba node bo bonyane bo le 1, le index ya ho kopanya Gini e le ditekanyetso tsa karohano ya node. Tlhophiso ya data e ntjha e etswa ke voutu ya bongata. XGBoost ke algorithm e kopanyang mekgwa ya ho matlafatsa e sebedisang mokgwa o nkang e le data ya koetliso phoso pakeng tsa boleng ba nnete le bo boletsweng esale pele ba mohlala o fetileng mme o eketsa phoso ka ho sebedisa di-gradients49. Ke algorithm e sebelisoang haholo ka lebaka la ts'ebetso ea eona e ntle le bokhoni ba mehlodi, hammoho le ts'epo e phahameng joalo ka ts'ebetso ea tokiso e fetang tekano. Mohlala ona o na le mabili a tšehetso a 400. MLP ke marang-rang a methapo moo perceptron e le 'ngoe kapa ho feta li thehang mekhahlelo e mengata ka lera le le leng kapa ho feta le patiloeng pakeng tsa mekhahlelo ea ho kenya le ho ntša38. U sebelisa sena, u ka etsa karohano e seng ea mola moo ha u eketsa lera la ho kenya 'me u fumana boleng ba sephetho, boleng ba sephetho bo boletsoeng esale pele bo bapisoa le boleng ba 'nete ba sephetho 'me phoso e phatlalatsoa hape. Re thehile lera le patiloeng le nang le li-neuron tse 20 tse patiloeng lera ka leng. Mohlala o mong le o mong oo re o hlahisitseng o sebelisitsoe ho li-sete tsa ka hare le tsa kantle ho leka ts'ebetso ea karohano ka ho bala kutloelo-bohloko, ho hlaka, PPV, NPV, le AUROC. Kutloelo-bohloko e hlalosoa e le karolelano ea sampole e hakanyetsoang ho ba lilemo li 18 kapa ho feta ho sampole e hakanyetsoang ho ba lilemo li 18 kapa ho feta. Ho hlaka ke karolo ea lisampole tse ka tlase ho lilemo tse 18 le tse hakanyetsoang ho ba ka tlase ho lilemo tse 18.
Mekhahlelo ea meno e lekotsoeng sete ea koetliso e fetotsoe mekhahlelo ea lipalo bakeng sa tlhahlobo ea lipalo-palo. Ho ile ha etsoa mokhoa oa ho fetola linear le logistic regression tse ngata ho nts'etsapele mehlala ea ho bolela esale pele bakeng sa bong bo bong le ho fumana mekhoa ea ho fetola e ka sebelisoang ho hakanya lilemo. Re sebelisitse mekhoa ena ho hakanya lilemo tsa meno bakeng sa liteko tsa ka hare le tsa kantle. Tafole ea 4 e bontša mehlala ea ho fetola le ho arola e sebelisitsoeng thutong ena.
Ho tshepahala ha bashebelli ba ka hare le ba bashebelli ho badilwe ho sebediswa dipalopalo tsa Cohen tsa kappa. Ho leka ho nepahala ha DM le mehlala ya regression ya setso, re badile MAE le RMSE re sebedisa dilemo tse hakantsweng le tsa nnete tsa disete tsa diteko tsa ka hare le tsa kantle. Diphoso tsena di sebediswa hangata ho lekola ho nepahala ha diponelopele tsa mohlala. Ha phoso e le nyane, ho nepahala ha ponelopele ho hodimo24. Bapisa MAE le RMSE ya disete tsa diteko tsa ka hare le tsa kantle tse balwang ho sebediswa DM le regression ya setso. Tshebetso ya ho arola ya ho kgaola ha dilemo tse 18 dipalopalong tsa setso e ile ya lekolwa ho sebediswa tafole ya maemo a tshohanyetso ya 2 × 2. Kutloisiso e balwang, ho ikgetha, PPV, NPV, le AUROC ya sete ya teko e ile ya bapiswa le boleng bo lekantsweng ba mohlala wa tlhophiso ya DM. Lintlha di hlahiswa e le karolelano ± ho kheloha ho tloaelehileng kapa palo (%) ho latela dibopeho tsa data. Boleng ba P bo mahlakore a mabedi <0.05 bo ne bo nkwa bo le bohlokwa ka dipalopalo. Ditlhahlobo tsohle tsa dipalopalo tse tlwaelehileng di entswe ho sebediswa mofuta wa SAS 9.4 (SAS Institute, Cary, NC). Mohlala wa ho kgutlisa DM o kentswe tshebetsong ho Python ho sebediswa Keras50 2.2.4 backend le Tensorflow51 1.8.0 ka ho kgetheha bakeng sa tshebetso ya dipalo. Mohlala wa ho arola DM o kentswe tshebetsong ho Waikato Knowledge Analysis Environment le sethaleng sa tlhahlobo sa Konstanz Information Miner (KNIME) 4.6.152.
Bangoli ba lumela hore lintlha tse tšehetsang liqeto tsa phuputso li ka fumanoa sehloohong le lisebelisoa tse ling tse tlatsetsang. Li-dataset tse hlahisitsoeng le/kapa tse hlahlobiloeng nakong ea phuputso li fumaneha ho mongoli ea tsamaellanang le tsona ha ho kopuoa ka nepo.
Ritz-Timme, S. et al. Tlhahlobo ea lilemo: boemo ba morao-rao ba ho fihlela litlhoko tse khethehileng tsa mokhoa oa ho etsa lipatlisiso tsa bongaka. machaba. J. Bongaka ba molao. 113, 129–136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., le Olze, A. Boemo ba hona joale ba tlhahlobo ea lilemo tsa bo-forensiki ba batho ba phelang bakeng sa merero ea qoso ea botlokotsebe. Forensic. bongaka. Pathology. 1, 239–246 (2005).
Pan, J. et al. Mokhoa o fetotsoeng oa ho hlahloba lilemo tsa meno tsa bana ba lilemo li 5 ho isa ho tse 16 bochabela ho Chaena. kliniki. Phuputso ea molomo. 25, 3463–3474 (2021).
Lee, SS jj. Kemiso ea nako ea nts'etsopele ea molars ea bobeli le ea boraro ho Makorea le ts'ebeliso ea eona bakeng sa tlhahlobo ea lilemo tsa forensic. machaba. J. Bongaka ba molao. 124, 659–665 (2010).
Oh, S., Kumagai, A., Kim, SY le Lee, SS Ho nepahala ha khakanyo ea lilemo le khakanyo ea moeli oa lilemo tse 18 ho latela khōlo ea molars ea bobeli le ea boraro ho Makorea le Majapane. PLoS ONE 17, e0271247 (2022).
Kim, JY, et al. Tlhahlobo ea data e thehiloeng thutong ea mochini pele ho opereishene e ka bolela esale pele sephetho sa kalafo ea opereishene ea boroko ho bakuli ba nang le OSA. saense. Tlaleho ea 11, 14911 (2021).
Han, M. et al. Khakanyo e nepahetseng ea lilemo ho tsoa ho ithuteng ha mochini ka ho kenella ha batho kapa ntle le hona? machaba. J. Bongaka ba molao. 136, 821–831 (2022).
Khan, S. le Shaheen, M. Ho tloha ho Merafong ea Lintlha ho ea ho Merafong ea Lintlha. J.Tlhahisoleseding. saense. https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. le Shaheen, M. WisRule: Algorithm ea Pele ea Kelello bakeng sa Merafo ea Molao oa Kopano. J.Information. saense. https://doi.org/10.1177/01655515221108695 (2022).
Shaheen M. le Abdullah U. Karm: Ho qapa tlhahisoleseding ya setso ho itshetlehile melaong ya ho kopanya e thehilweng moelelong. bala. Matt. tswela pele. 68, 3305–3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. le Habib M. Ho lemoha ho tšoana ha moelelo ho thehiloeng thutong e tebileng ho sebelisa data ea mongolo. inform. technologies. control. https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
Tabish, M., Tanoli, Z., le Shahin, M. Sistimi ea ho lemoha mesebetsi livideong tsa lipapali. multimedia. Lisebelisoa tsa Lisebelisoa https://doi.org/10.1007/s11042-021-10519-6 (2021).
Halabi, SS et al. RSNA Machine Ithuta Bothata ba ho Ithuta ka Mochini Mehleng ea Masapo ea Bana. Radiology 290, 498–503 (2019).
Li, Y. et al. Tekanyo ea lilemo tsa forensic ho tsoa ho X-rays ea pelvic ho sebelisoa thuto e tebileng. Mahlaseli a EURO. 29, 2322–2329 (2019).
Guo, YC, et al. Ho arola lilemo ka nepo ho sebelisoa mekhoa ea matsoho le marang-rang a tebileng a methapo ea kutlo ho tsoa litšoantšong tsa projeke ea orthographic. machaba. J. Bongaka ba molao. 135, 1589–1597 (2021).
Alabama Dalora le ba bang. Khakanyo ea lilemo tsa masapo ho sebelisoa mekhoa e fapaneng ea ho ithuta ka mochini: tlhahlobo e hlophisitsoeng ea lingoliloeng le tlhahlobo ea meta. PLoS ONE 14, e0220242 (2019).
Du, H., Li, G., Cheng, K., le Yang, J. Khakanyo ea lilemo tse ikhethileng tsa baahi ba Maafrika le Machaena e thehiloeng holim'a bophahamo ba kamore ea pulp ea molars ea pele e sebelisang cone-beam computed tomography. internationality. J. Legal medicine. 136, 811–819 (2022).
Kim S., Lee YH, Noh YK, Park FK le Oh KS Ho fumana lihlopha tsa lilemo tsa batho ba phelang ho sebelisoa litšoantšo tse thehiloeng bohlaleng ba maiketsetso tsa molars ea pele. saense. Tlaleho ea 11, 1073 (2021).
Stern, D., Payer, C., Giuliani, N., le Urschler, M. Khakanyo ea lilemo ka boiketsetso le karohano ea lilemo tsa bongata ho tsoa ho data ea MRI ea multivariate. IEEE J. Biomed. Litemoso tsa Bophelo bo Botle. 23, 1392–1403 (2019).
Cheng, Q., Ge, Z., Du, H. le Li, G. Khakanyo ea lilemo e ipapisitseng le karohano ea kamore ea pulp ea molars ea pele ho tsoa ho cone beam computed tomography ka ho kopanya thuto e tebileng le lihlopha tsa maemo. machaba. J. Legal medicine. 135, 365–373 (2021).
Wu, WT, et al. Ho epolloa ha data ho data e kholo ea kliniki: mehlala ea li-database tse tloaelehileng, mehato le mekhoa. Lefatše. meriana. mohloli. 8, 44 (2021).
Yang, J. et al. Selelekela ho Di-database tsa Bongaka le Ditheknoloji tsa Merafo ya Dintlha Mehleng e Kgolo ya Dintlha. J. Avid. Bongaka ba Motheo. 13, 57–69 (2020).
Shen, S. et al. Mokhoa oa Camerer oa ho hakanya lilemo tsa meno ka ho sebelisa mochini oa ho ithuta. BMC Oral Health 21, 641 (2021).
Galliburg A. et al. Papiso ea mekhoa e fapaneng ea ho ithuta ka mochini bakeng sa ho bolela esale pele lilemo tsa meno ho sebelisoa mokhoa oa Demirdjian oa ho etsa lipalo. machaba. J. Legal medicine. 135, 665–675 (2021).
Demirdjian, A., Goldstein, H. le Tanner, JM Sistimi e ncha ea ho hlahloba lilemo tsa meno. snort. biology. 45, 211–227 (1973).
Landis, JR, le Koch, GG Litekanyo tsa tumellano ea bashebelli mabapi le lintlha tsa sehlopha. Biometrics 33, 159–174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK le Choi HK. Tlhahlobo ea mongolo, sebopeho le lipalo-palo tsa setšoantšo sa resonance ea makenete ea mahlakore a mabeli ho sebelisoa mekhoa ea bohlale ba maiketsetso bakeng sa ho khetholla lihlahala tsa mantlha tsa boko. Tlhahisoleseling ea bophelo bo botle. mohloli. https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Nako ea poso: Pherekhong-04-2024