Kea leboha ha u etetse Nature.com.Mofuta oa sebatli oo u o sebelisang o na le tšehetso e fokolang ea CSS.Bakeng sa liphetho tse ntle, re khothaletsa ho sebelisa mofuta o mocha oa sebatli sa hau (kapa ho tima mokhoa o lumellanang le Internet Explorer).Khabareng, ho netefatsa ts'ehetso e tsoelang pele, re bonts'a sebaka sena ntle le setaele kapa JavaScript.
Meno a nkoa e le pontšo e nepahetseng ka ho fetisisa ea lilemo tsa 'mele oa motho' me a atisa ho sebelisoa tlhahlobo ea lilemo tsa forensic.Re ne re rerile ho netefatsa likhakanyo tsa lilemo tsa meno tse thehiloeng merafong ka ho bapisa ho nepahala ha likhakanyo le tšebetso ea lihlopha tsa lilemo tse 18 ka mekhoa ea khale le likhakanyo tsa lilemo tse thehiloeng merafong.Kakaretso ea li-radiograph tsa panoramic tse 2657 li ile tsa bokelloa ho tsoa ho baahi ba Korea le Majapane ba lilemo tse 15 ho isa ho tse 23.Li ne li arotsoe ka sete ea koetliso, e 'ngoe le e 'ngoe e na le li-radiograph tsa Korea tse 900, le sete ea tlhahlobo ea ka hare e nang le li-radiograph tse 857 tsa Majapane.Re bapisitse ho nepahala le ho sebetsa hantle ha mekhahlelo ea mekhoa ea setso le lihlopha tsa liteko tsa mefuta ea merafo ea data.Ho nepahala ha mokhoa oa setso ho sete ea tlhahlobo ea ka hare e phahame hanyenyane ho feta ea mohlala oa merafo ea data, 'me phapang e nyenyane (e bolela phoso e feletseng
Ho ithuta ka mochini ke mofuta oa bohlale ba maiketsetso (AI) bo atisang ho ithuta le ho arola lintlha tse ngata, ho rarolla mathata ka bobona, le ho tsamaisa mananeo a data.Ho ithuta ka mochini ho ka sibolla mekhoa e patiloeng ea bohlokoa ka bongata bo boholo ba data6.Ka lehlakoreng le leng, mekhoa ea khale, e leng mosebetsi o boima le nako e ngata, e ka 'na ea e-ba le mefokolo ha e sebetsana le boitsebiso bo bongata bo rarahaneng boo ho leng thata ho bo sebetsa ka letsoho7.Ka hona, liphuputso tse ngata li 'nile tsa etsoa morao tjena ho sebelisoa theknoloji ea morao-rao ea lik'homphieutha ho fokotsa liphoso tsa batho le ho sebetsana ka katleho le data ea multidimensional8,9,10,11,12.Haholo-holo, thuto e tebileng e 'nile ea sebelisoa haholo tlhahlobong ea litšoantšo tsa bongaka,' me mekhoa e fapa-fapaneng ea ho lekanya lilemo ka ho itlhahloba ka mokhoa oa radiographs e tlalehiloe ho ntlafatsa ho nepahala le katleho ea likhakanyo tsa lilemo13,14,15,16,17,18,19,20 .Mohlala, Halabi et al 13 ba thehile algorithm ea ho ithuta ka mochini e thehiloeng ho marang-rang a convolutional neural (CNN) ho hakanya lilemo tsa skeletal ho sebelisa radiograph ea matsoho a bana.Phuputso ena e fana ka tlhahiso ea mohlala o sebelisang ho ithuta ka mochine litšoantšong tsa bongaka 'me e bontša hore mekhoa ena e ka ntlafatsa ho nepahala ha tlhahlobo.Li et al14 lilemo tse hakanyetsoang ho tloha litšoantšong tsa X-ray tsa pelvic li sebelisa CNN ea ho ithuta e tebileng 'me li li bapisa le liphello tsa ho fokotseha ho sebelisa likhakanyo tsa sethala sa ossification.Ba fumane hore mokhoa o tebileng oa ho ithuta oa CNN o bonts'a ts'ebetso ea likhakanyo tsa lilemo tse ts'oanang le mohlala oa tloaelo oa ho theola maemo.Boithuto ba Guo et al. [15] bo ile ba lekola ts'ebetso ea ho mamellana ha lilemo tsa theknoloji ea CNN e ipapisitseng le li-orthophotos tsa meno, 'me liphetho tsa mohlala oa CNN li pakile hore batho ba fetisitse tšebetso ea eona ea mekhahlelo ea lilemo.
Lithuto tse ngata tse mabapi le khakanyo ea lilemo li sebelisa ho ithuta ka mochini li sebelisa mekhoa e tebileng ea ho ithuta13,14,15,16,17,18,19,20.Khakanyo ea lilemo e thehiloeng thutong e tebileng e tlalehoa e nepahetse ho feta mekhoa e tloaelehileng.Leha ho le joalo, mokhoa ona o fana ka monyetla o monyenyane oa ho hlahisa motheo oa saense oa likhakanyo tsa lilemo, tse kang matšoao a lilemo a sebelisoang likhakanyong.Ho boetse ho na le khang ea molao mabapi le hore na ke mang ea etsang tlhahlobo.Ka hona, khakanyo ea lilemo e thehiloeng thutong e tebileng e thata ho amoheloa ke balaoli ba tsamaiso le ba boahloli.Data mining (DM) ke mokhoa o ke keng oa fumana boitsebiso bo lebeletsoeng feela empa hape le boitsebiso bo sa lebelloang e le mokhoa oa ho fumana likamano tse molemo pakeng tsa palo e kholo ea data6,21,22.Ho ithuta ka mochini hangata ho sebelisoa merafong ea data, 'me ho rafa data le ho ithuta ka mochini ho sebelisa mekhoa e tšoanang ea bohlokoa ho fumana mekhoa ea data.Khakanyo ea lilemo tse sebelisang nts'etsopele ea meno e ipapisitse le tlhahlobo ea mohlahlobi ea kholo ea meno a shebiloeng, 'me tlhahlobo ena e hlalosoa e le sethala bakeng 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 mme e na le monyetla oa ho nka sebaka sa tlhahlobo ea lipalo tsa setso.Ka hona, haeba re sebelisa mekhoa ea DM ho hakanya lilemo, re ka kenya ts'ebetsong ho ithuta ka mochini ho hakanya lilemo tsa forensic ntle le ho tšoenyeha ka melato ea molao.Ho phatlalalitsoe lithuto tse 'maloa tsa papiso mabapi le mekhoa e meng e ka bang teng ho fapana le mekhoa ea matsoho e sebelisoang lits'ebetsong tsa 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 o tloaelehileng oa Camerer.Galibourg et al24 ba sebelisitse mekhoa e fapaneng ea DM ho bolela lilemo ho latela maemo a Demirdjian25 'me liphetho li bontšitse hore mokhoa oa DM o tsoetse pele ho feta mekhoa ea Demirdjian le Willems ka ho hakanya lilemo tsa baahi ba Fora.
Ho hakanya lilemo tsa meno tsa bacha ba Korea le bacha ba baholo, mokhoa oa 4 oa Lee o sebelisoa haholo ts'ebetsong ea forensic ea Korea.Mokhoa ona o sebelisa tlhahlobo e tloaelehileng ea lipalo (joalo ka ho fokotseha hangata) ho lekola kamano lipakeng tsa litaba tsa Korea le lilemo tsa tatellano ea liketsahalo.Thutong ena, mekhoa ea khakanyo ea lilemo e fumanoang ho sebelisoa mekhoa ea khale ea lipalo e hlalosoa e le "mekhoa e tloaelehileng."Mokhoa oa Lee ke mokhoa o tloaelehileng, 'me ho nepahala ha oona ho tiisitsoe ke Oh et al.5;leha ho le joalo, ho sebetsa ha tekanyetso ea lilemo ho latela mohlala oa DM ts'ebetsong ea forensic ea Korea e ntse e belaella.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.Sepheo sa thuto ena e ne e le (1) ho bapisa ho nepahala ha mefuta e 'meli ea DM ha ho hakanngoa lilemo tsa meno le (2) ho bapisa ts'ebetso ea lihlopha tsa mefuta ea 7 DM lilemong tsa 18 le tse fumanoeng ho sebelisoa mekhoa ea setso ea lipalo-palo le molars oa boraro mehlahareng ka bobeli.
Mekhoa le liphapang tse tloaelehileng tsa lilemo tsa tatellano ea liketsahalo ho ea ka sethala le mofuta oa leino li bontšoa inthaneteng ho Supplementary Table S1 (sete sa koetliso), Supplementary Table S2 (sete sa tlhahlobo ea ka hare), le Supplementary Table S3 (sete ea tlhahlobo ea kantle).Litekanyetso tsa kappa bakeng sa ts'epahalo ea intra- le interobserver e fumanoeng sehlopheng sa koetliso e ne e le 0.951 le 0.947, ka ho latellana.Litekanyetso tsa P le linako tsa ts'epo tsa 95% bakeng sa boleng ba kappa li bonts'oa tafoleng ea tlatsetso ea inthaneteng S4.Boleng ba kappa bo hlalositsoe e le "e batla e phethahetse", ho latela maemo a Landis le Koch26.
Ha ho bapisoa mean absolute error (MAE), mokhoa oa setso o feta hanyenyane mokhoa oa DM bakeng sa banna bohle le ho sete ea liteko tsa banna ba ka ntle, ntle le multilayer perceptron (MLP).Phapang pakeng tsa mohlala oa setso le mohlala oa DM tekong ea ka hare ea MAE e ne e le lilemo tse 0.12-0.19 bakeng sa banna le lilemo tse 0.17-0.21 bakeng sa basali.Bakeng sa betri ea liteko tsa kantle, liphapang li nyane (lilemo tse 0.001–0.05 bakeng sa banna le lilemo tse 0.05–0.09 bakeng sa basali).Ho phaella moo, motso oa "square error" (RMSE) o tlase hanyenyane ho feta mokhoa oa setso, o nang le liphapang tse nyenyane (0.17-0.24, 0.2-0.24 bakeng sa sete ea tlhahlobo ea ka hare ea banna, le 0.03-0.07, 0.04-0.08 bakeng sa sete ea liteko tsa ka ntle).).MLP e bonts'a ts'ebetso e betere hanyane ho feta Single Layer Perceptron (SLP), ntle le tabeng ea sete ea tlhahlobo ea kantle ea basali.Bakeng sa MAE le RMSE, tlhahlobo ea kantle e beha lintlha tse holimo ho feta tlhahlobo ea ka hare bakeng sa banna le mefuta eohle.Tsohle MAE le RMSE li bonts'itsoe ho Lethathamo la 1 le Setšoantšo sa 1.
MAE le RMSE ea mekhoa ea khale le mekhoa ea ho fokotsa merafo ea data.E bolela phoso e feletseng MAE, motso o bolela phoso ea square RMSE, single layer perceptron SLP, multilayer perceptron MLP, mokhoa oa setso oa CM.
Ts'ebetso ea Classification (e nang le khaello ea lilemo tse 18) ea mefuta ea setso le ea DM e ile ea bontšoa ho latela kutloisiso, ho hlaka, boleng bo nepahetseng ba ho bolela esale pele (PPV), boleng bo fosahetseng ba ho bolela esale pele (NPV), le sebaka se tlas'a moamoheli oa tšebetso ea curve (AUROC) 27 (Letlapa la 2, Setšoantšo sa 2 le Setšoantšo sa Tlatsetso 1 Inthaneteng).Mabapi le kutlo ea betri ea teko ea ka hare, mekhoa ea setso e sebetsa hantle ka ho fetisisa har'a banna le ho feta har'a basali.Leha ho le joalo, phapang ea ts'ebetso ea lihlopha pakeng tsa mekhoa ea setso le SD ke 9.7% bakeng sa banna (MLP) le 2.4% feela bakeng sa basali (XGBoost).Har'a mehlala ea DM, logistic regression (LR) e bontšitse kutlo e betere ho batho ba bong ka bobeli.Mabapi le ho khetheha ha tlhahlobo ea ka hare ea tlhahlobo, ho ile ha hlokomeloa hore mefuta e mene ea SD e sebetsa hantle ho banna, ha mohlala oa setso o sebetsa hantle ho basali.Phapang ea ts'ebetso ea lihlopha bakeng sa banna le basali ke 13.3% (MLP) le 13.1% (MLP), ka ho latellana, e leng se bontšang hore phapang ea ts'ebetso ea lihlopha pakeng tsa mehlala e feta kutloisiso.Har'a mefuta ea DM, mochini oa tšehetso oa vector (SVM), sefate sa liqeto (DT), le mefuta e sa tloaelehang ea meru (RF) e sebetsa hantle ka ho fetisisa har'a banna, ha mohlala oa LR o ne o sebetsa hantle ka ho fetisisa har'a basali.AUROC ea mohlala oa setso le mefuta eohle ea SD e ne e le kholo ho feta 0.925 (moahelani ea haufi-ufi (KNN) ka banna), e bonts'a ts'ebetso e ntle ea likarolo ho khetholla lisampole tsa lilemo tse 1828.Bakeng sa sete ea liteko tsa kantle, ho bile le phokotseho ea ts'ebetso ea lihlopha ho latela kutloisiso, ho khetheha le AUROC ha e bapisoa le sete ea liteko tsa ka hare.Ho feta moo, phapang ea kutloisiso le ho khetheha pakeng tsa ts'ebetso ea lihlopha tsa mefuta e metle le e mpe ka ho fetisisa e ne e tloha ho 10% ho ea ho 25% 'me e ne e le kholo ho feta phapang ea tlhahlobo ea tlhahlobo ea ka hare.
Kutloelo-bohloko le ho hlaka ha mefuta ea likarolo tsa merafo ea data ha e bapisoa le mekhoa ea setso e nang le nako ea lilemo tse 18.KNN k moahelani ea haufi, mochini oa SVM oa ts'ehetso ea vector, LR logistic regression, DT decision tree, RF random forest, XGB XGBoost, MLP multilayer perceptron, mokhoa oa setso oa CM.
Mohato oa pele phuputsong ena e ne e le ho bapisa ho nepahala ha likhakanyo tsa lilemo tsa meno tse fumanoeng ho mefuta e supileng ea DM le e fumanoang ho sebelisoa ho khutlela morao.MAE le RMSE li ile tsa hlahlojoa ka lihlopha tsa liteko tsa ka hare bakeng sa bong ka bobeli, 'me phapang pakeng tsa mokhoa oa setso le mohlala oa DM o ne o tloha 44 ho ea ho matsatsi a 77 bakeng sa MAE le ho tloha 62 ho ea ho matsatsi a 88 bakeng sa RMSE.Le hoja mokhoa oa setso o ne o nepahetse hanyenyane thutong ena, ho thata ho etsa qeto ea hore na phapang e nyenyane joalo e na le bohlokoa ba bongaka kapa bo sebetsang.Liphetho tsena li bontša hore ho nepahala ha tekanyo ea lilemo tsa meno ho sebelisoa mohlala oa DM e batla e tšoana le ea mokhoa o tloaelehileng.Ho bapisa ka ho toba le liphetho tse tsoang lithutong tse fetileng ho thata hobane ha ho phuputso e bapisitseng ho nepahala ha mefuta ea DM le mekhoa e tloaelehileng ea lipalo-palo e sebelisang mokhoa o tšoanang oa ho rekota meno ka lilemo tse lekanang le thutong ena.Galibourg et al24 ba ile ba bapisa MAE le RMSE pakeng tsa mekhoa e 'meli ea setso (mokhoa oa Demirjian25 le Willems method29) le mehlala ea 10 DM ho baahi ba Mafora ba lilemo li 2 ho isa ho tse 24.Ba tlalehile hore mefuta eohle ea DM 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 bapisoa le mekhoa ea Willems le Demirdjian, ka ho latellana.Phapang lipakeng tsa mofuta oa SD le mekhoa ea setso e bonts'itsoeng boithutong ba Halibourg e ela hloko litlaleho tse ngata30,31,32,33 tsa hore mokhoa oa Demirdjian ha o hakanye ka nepo lilemo tsa meno ho batho ba bang ntle le MaCanada a Fora moo thuto e thehiloeng ho bona.thutong ena.Tai et al 34 o sebelisitse algorithm ea MLP ho bolela lilemo tsa meno ho tloha lifoto tsa 1636 tsa Chinese orthodontic le ho bapisa ho nepahala ha eona le liphello tsa mokhoa oa Demirjian le Willems.Ba tlaleha hore MLP e na le ho nepahala ho phahameng ho feta mekhoa ea setso.Phapang pakeng tsa mokhoa oa Demirdjian le mokhoa oa setso ke <0.32 lilemo, 'me mokhoa oa Willems ke lilemo tse 0.28, tse tšoanang le liphetho tsa thuto ea hona joale.Liphello tsa lithuto tsena tse fetileng24,34 li boetse li lumellana le liphello tsa thuto ea hona joale, le ho nepahala ha tekanyo ea lilemo tsa mohlala oa DM le mokhoa oa setso o tšoana.Leha ho le joalo, ho ipapisitse le liphetho tse hlahisitsoeng, re ka fihlela qeto ka hloko hore tšebeliso ea mehlala ea DM ho hakanya lilemo e ka nka sebaka sa mekhoa e teng ka lebaka la khaello ea lithuto tse fetileng tsa papiso le litšupiso.Lithuto tsa morao-rao tse sebelisang lisampole tse kholoanyane lia hlokahala ho netefatsa liphetho tse fumanoeng thutong ena.
Har'a liphuputso tse lekang ho nepahala ha SD ha li hakanya lilemo tsa meno, tse ling li bontšitse ho nepahala ho feta thuto ea rona.Stepanovsky et al 35 ba sebelisitse mehlala ea 22 SD ho li-radiographs tsa panoramic tsa baahi ba 976 ba Czech ba lilemo tse 2,7 ho isa ho tse 20.5 mme ba lekola ho nepahala ha mofuta o mong le o mong.Ba ile ba hlahloba tsoelo-pele ea meno a 16 a ka holimo le a tlaase a ka tlaase ho le letšehali ho sebelisa mekhoa ea lihlopha e hlahisitsoeng ke Moorrees et al 36.Mefuta ea MAE e tloha ho 0.64 ho ea ho lilemo tse 0.94 'me RMSE e tloha ho 0.85 ho ea ho lilemo tse 1.27, tse nepahetseng ho feta mefuta e' meli ea DM e sebelisitsoeng thutong ena.Shen et al23 ba sebelisitse mokhoa oa Cameriere ho hakanya lilemo tsa meno a meno a supileng a sa feleng karolong e ka letsohong le letšehali ho baahi ba Chaena ba ka bochabela ba lilemo tse 5 ho isa ho tse 13 'me ba e bapisa le lilemo tse hakantsoeng ho sebelisa mokhoa oa ho khutlela morao, SVM le RF.Ba bontšitse hore mefuta eohle e meraro ea DM e na le ho nepahala ho holimo ha ho bapisoa le mokhoa o tloaelehileng oa Cameriere.MAE le RMSE phuputsong ea Shen li ne li le tlase ho feta tsa mohlala oa DM thutong ena.Ho nepahala ho eketsehileng ha lithuto tsa Stepanovsky et al.35 le Shen et al.23 e kanna ea bakoa ke ho kenyeletsoa ha barutoana ba banyenyane lisampoleng tsa bona tsa boithuto.Hobane likhakanyo tsa lilemo bakeng sa bankakarolo ba nang le meno a ntseng a hola e ba tse nepahetseng haholoanyane ha palo ea meno e ntse e eketseha nakong ea nts'etsopele ea meno, ho nepahala ha mokhoa o hlahisoang oa khakanyo ea lilemo ho ka senyeha ha bankakarolo thutong ba le banyane.Ho feta 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 nkuoa 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 fumana hore MLP e nepahetse ho feta SLP ha ho hlahlojoa lilemo ho hloka lithuto tsa tlatsetso tsa morao-rao.
Ts'ebetso ea lihlopha tsa mohlala oa DM le mokhoa oa setso nakong ea lilemo tse 18 le tsona li ile tsa bapisoa.Mefuta eohle e lekiloeng ea SD le mekhoa ea setso sete ea tlhahlobo ea kahare e bonts'itse maemo a amohelehang a khethollo bakeng sa sampole ea lilemo tse 18.Kutloelo-bohloko ho banna le basali e ne e le kholo ho feta 87.7% le 94.9%, ka ho latellana, 'me ho khetheha ho ne ho feta 89.3% le 84.7%.AUROC ea mefuta eohle e lekiloeng le eona e feta 0.925.Ho ea ka tsebo ea rona, ha ho boithuto bo lekileng ts'ebetso ea mohlala oa DM bakeng sa ho hlophisoa ha lilemo tse 18 ho ipapisitse le kholo ea meno.Re ka bapisa liphetho tsa thuto ena le ts'ebetso ea lihlopha tsa mefuta e tebileng ea ho ithuta ho li-radiograph tsa panoramic.Guo et al.15 ba ile ba bala tšebetso ea lihlopha tsa mokhoa oa ho ithuta o tebileng oa CNN le mokhoa oa matsoho o thehiloeng ho mokhoa oa Demirjian bakeng sa moeli o itseng oa lilemo.Boikutlo le boits'oaro ba mokhoa oa tataiso e ne e le 87.7% le 95.5%, ka ho latellana, 'me kutloisiso le ho khetheha ha mohlala oa CNN ho feta 89.2% le 86.6%, ka ho latellana.Ba fihletse qeto ea hore mekhoa e tebileng ea ho ithuta e ka nkela sebaka kapa ea fetisa tlhahlobo ea matsoho ka ho arola menyako ea lilemo.Liphello tsa thuto ena li bontšitse ts'ebetso e tšoanang ea lihlopha;Ho lumeloa hore ho arola ka lihlopha ho sebelisa mefuta ea DM ho ka nka sebaka sa mekhoa e tloaelehileng ea lipalo-palo bakeng sa khakanyo ea lilemo.Har'a mehlala, DM LR e ne e le mohlala o motle ka ho fetisisa mabapi le kutloisiso bakeng sa sampuli ea banna le kutloisiso le ho khetheha bakeng sa sampole ea basali.LR e boemong ba bobeli ka ho khetheha bakeng sa banna.Ho feta moo, LR e nkoa e le e 'ngoe ea mefuta ea DM35 e sebelisoang haholo ke basebelisi' me ha e rarahane ebile e thata ho e sebetsa.Ho ipapisitsoe le liphetho tsena, LR e nkuoe e le mohlala o motle ka ho fetisisa oa ho arola bana ba lilemo li 18 ho baahi ba Korea.
Ka kakaretso, ho nepahala ha khakanyo ea lilemo kapa tšebetso ea sehlopha sete ea liteko tsa kantle e ne e fokola kapa e le tlase ha e bapisoa le liphetho tsa sehlopha sa liteko tsa kahare.Litlaleho tse ling li bontša hore ho nepahala ha lihlopha kapa ho sebetsa hantle hoa 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 ile oa boela oa hlokomeloa ka mokhoa oa DM.Ka hona, ho lekanya ka nepo lilemo, esita le ha ho sebelisoa DM ts'ebetsong ea tlhahlobo, mekhoa e tsoang 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 e tebileng e ka bontša mekhoa e ts'oanang, lithuto tse bapisang ho nepahala ha lihlopha le bokhoni ba ho sebelisa mekhoa ea setso, mefuta ea DM, le mekhoa e tebileng ea ho ithuta ka lisampole tse ts'oanang lia hlokahala ho netefatsa hore na bohlale ba maiketsetso bo ka hlola liphapang tsena tsa merabe lilemong tse fokolang.ditekolo.
Re bontša hore mekhoa ea khale e ka nkeloa sebaka ke khakanyo ea lilemo e ipapisitseng le mofuta oa DM ts'ebetsong ea khakanyo ea lilemo tsa Korea.Hape re fumane monyetla oa ho kenya tšebetsong thuto ea mochini bakeng sa tlhahlobo ea lilemo tsa forensic.Leha ho le joalo, ho na le mefokolo e hlakileng, e kang palo e sa lekaneng ea barupeluoa thutong ena ho fumana hantle liphello, le ho haella ha lithuto tsa pele ho bapisa le ho tiisa liphello tsa thuto ena.Nakong e tlang, lithuto tsa DM li lokela ho etsoa ka lipalo tse kholoanyane tsa lisampole le mefuta e mengata e fapaneng ho ntlafatsa ts'ebetso ea eona e sebetsang ha e bapisoa le mekhoa ea khale.Ho netefatsa monyetla oa ho sebelisa bohlale ba maiketsetso ho hakanya lilemo ho baahi ba bangata, ho hlokahala lithuto tsa nakong e tlang ho bapisa ho nepahala ha lihlopha le katleho ea DM le mekhoa e tebileng ea ho ithuta ka mekhoa ea setso ka lisampole tse tšoanang.
Boithuto bona bo sebelisitse lifoto tsa 2,657 tsa orthographic tse bokelletsoeng ho batho ba baholo ba Korea le Majapane ba lilemo tse 15 ho isa ho tse 23.Li-radiograph tsa Korea li arotsoe ka lihlopha tse 900 tsa koetliso (lilemo tse 19.42 ± 2.65) le lihlopha tse 900 tsa liteko tsa ka hare (lilemo tse 19.52 ± 2.59).Sehlopha sa koetliso se ile sa bokelloa setsing se le seng (Sepetlele sa Seoul St. Mary's), 'me sete sa tlhahlobo ea sona se ile sa bokelloa litsing tse peli (Sepetlele sa Seoul National University Dental le Yonsei University Dental Hospital).Re boetse re bokelletse li-radiograph tse 857 ho tsoa ho data e 'ngoe e thehiloeng ho baahi (Iwate Medical University, Japan) bakeng sa tlhahlobo ea kantle.Li-radiograph tsa lithuto tsa Majapane (lilemo tse 19.31 ± 2.60) li khethiloe e le sete ea liteko tsa kantle.Lintlha li ile tsa bokelloa ka morao ho hlahloba mekhahlelo ea nts'etsopele ea meno ka li-radiographs tsa panoramic tse nkiloeng nakong ea phekolo ea meno.Lintlha tsohle tse bokelletsoeng li ne li sa tsejoe ka mabitso 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.Nako ea sebele ea sampuli e ne e baloa ka ho tlosa letsatsi la tsoalo ho tloha letsatsing leo radiograph e nkiloeng ka lona.Sehlopha sa mohlala se ile sa aroloa ka lihlopha tsa lilemo tse robong.Kabo ea lilemo le thobalano e bontšoa ho Lethathamo la 3 Thuto ena e entsoe ho latela Phatlalatso ea Helsinki 'me e amohetsoe ke Boto ea Tlhahlobo ea Setsi (IRB) ea Seoul St. Mary's Hospital ea K'hatholike ea Korea (KC22WISI0328).Ka lebaka la moralo oa morao-rao oa thuto ena, tumello e nang le tsebo e ne e ke ke ea fumanoa ho bakuli bohle ba neng ba etsoa tlhahlobo ea radiographic bakeng sa merero ea phekolo.Seoul Korea University St. Mary's Hospital (IRB) e tlositse tlhokahalo ea tumello e nang le tsebo.
Mekhahlelo ea nts'etsopele ea molars ea bobeli le ea boraro ea bimaxillary e ile ea hlahlojoa ho latela mekhoa ea Demircan25.Ho ne ho khethoa leino le le leng feela haeba ho ne ho fumanoa mofuta o tšoanang oa leino ka lehlakoreng le letšehali le le letona la mohlahare ka mong.Haeba meno a homologous mahlakoreng ka bobeli a ne a le mekhahlelo e fapaneng ea tsoelo-pele, leino le nang le boemo bo tlaase ba nts'etsopele le ile la khethoa ho ikarabella bakeng sa ho se tsitse ha lilemo tse hakanyetsoang.Li-radiographs tse lekholo tse khethiloeng ka mokhoa o sa reroang ho tloha setsing sa koetliso li ile tsa fumanoa ke bashebelli ba babeli ba nang le phihlelo ho hlahloba botšepehi ba li-interobserver ka mor'a ho hlahlojoa pele ho fumana boemo ba ho hōla ha meno.Ho tšepahala ha intraobserver ho ile ha hlahlojoa habeli ka nako ea likhoeli tse tharo ke moshebelli ea ka sehloohong.
Sekhahla sa thobalano le tsoelo-pele ea molars oa bobeli le oa boraro oa mohlahare o mong le o mong ka har'a setsi sa koetliso se ne se hakanngoa ke motho ea ka sehloohong ea shebelletseng a koetlisitsoeng ka mefuta e fapaneng ea DM, 'me lilemo tsa sebele li ne li behiloe e le boleng ba sepheo.Mefuta ea SLP le MLP, e sebelisoang haholo ho ithuteng ka mochini, e ile ea lekoa khahlano le li-algorithms tsa regression.Moetso oa DM o kopanya mesebetsi ea mela e sebelisang mekhahlelo ea nts'etsopele ea meno a mane mme o kopanya lintlha tsena ho hakanya lilemo.SLP ke neural network e bonolo ka ho fetisisa 'me ha e na likarolo tse patehileng.SLP e sebetsa ho ipapisitse le phetisetso ea liphatlalatso lipakeng tsa li-node.Mohlala oa SLP ha o khutlela morao o tšoana le lipalo tse ngata.Ho fapana le mofuta oa SLP, mofuta oa MLP o na le likarolo tse ngata tse patiloeng tse nang le ts'ebetso ea ts'ebetso e sa sebetseng.Liteko tsa rona li sebelisitse lera le patiloeng le nang le li-node tse patiloeng tse 20 feela tse nang le mesebetsi e sa sebetseng ea ts'ebetso.Sebelisa li-gradient descent e le mokhoa oa ho ntlafatsa le MAE le RMSE e le mosebetsi oa tahlehelo ho koetlisa mohlala oa rona oa ho ithuta mochine.Mokhoa o motle ka ho fetisisa o fumanoeng oa ho khutlisa o ile oa sebelisoa ho lihlopha tsa liteko tsa ka hare le tsa ka ntle 'me ho hakanngoa lilemo tsa meno.
Ho ile ha etsoa algorithm ea classification e sebelisang kholo ea meno a mane thupelong e behiloeng ho bolela esale pele hore na sampole e lilemo li 18 kapa che.Ho aha mohlala, re hlahisitse li-algorithms tse supileng tsa ho ithuta ka mochini6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, le (7) MLP. .LR ke e 'ngoe ea li-algorithms tse sebelisoang ka ho fetesisa tsa mekhahlelo44.Ke algorithm ea ho ithuta e hlokometsoeng e sebelisang ho fokotseha ha maemo ho bolela esale pele monyetla oa hore data e be karolo ea sehlopha se itseng ho tloha ho 0 ho isa ho 1, 'me e hlophisa data e le ea sehlopha se ka bang teng ho latela monyetla ona;e sebedisoang haholo bakeng sa tlhophiso ya binary.KNN ke e 'ngoe ea li-algorithms tse bonolo tsa ho ithuta ka mochini45.Ha e fuoa lintlha tse ncha tsa ho kenya, e fumana k data e haufi le sete e teng ebe e e arola sehlopheng ka lebelo le phahameng ka ho fetisisa.Re beha 3 bakeng sa palo ea baahisani ba nkiloeng (k).SVM ke algorithm e eketsang sebaka se pakeng tsa lihlopha tse peli ka ho sebelisa ts'ebetso ea kernel ho atolosa sebaka se se nang moeli sebakeng se se nang moeli se bitsoang fields46.Bakeng sa mohlala ona, re sebelisa bias = 1, matla = 1, le gamma = 1 e le li-hyperparameters tsa polynomial kernel.DT e 'nile ea sebelisoa likarolong tse sa tšoaneng e le algorithm bakeng sa ho arola boitsebiso bohle bo behiloeng ka lihlopha tse' maloa ka ho emela melao ea liqeto mohahong oa sefate47.Mohlala o hlophisoa ka palo e fokolang ea lirekoto ka node ea 2 mme o sebelisa index ea Gini e le tekanyo ea boleng.RF ke mokhoa oa ho kopanya o kopanyang li-DT tse ngata ho ntlafatsa ts'ebetso ho sebelisa mokhoa oa ho kopanya oa bootstrap o hlahisang sehlopha se fokolang sa sampole ka 'ngoe ka ho toroea lisampole tsa boholo bo lekanang makhetlo a mangata ho dataset ea mantlha48.Re sebelisitse lifate tse 100, botebo ba lifate tse 10, boholo ba 1 bonyane ba node, le Gini admixture index e le mekhoa ea karohano ea li-node.Khethollo ea data e ncha e khethoa ke likhetho tse ngata.XGBoost ke algorithm e kopanyang mekhoa e matlafatsang e sebelisang mokhoa o nkang e le data ea koetliso phoso pakeng tsa boleng ba 'nete le bo boletsoeng esale pele ba mohlala o fetileng mme e eketsa phoso ka ho sebelisa gradients49.Ke algorithm e sebelisoang haholo ka lebaka la ts'ebetso ea eona e ntle le ts'ebetso ea lisebelisoa, hammoho le ts'epo e phahameng joalo ka ts'ebetso ea tokiso e fetelletseng.Moetso ona o na le mabili a tšehetso a 400.MLP ke marang-rang a marang-rang ao ho oona li-perceptron tse le 'ngoe kapa tse ngata li etsang lihlopha tse ngata tse nang le lesela le le leng kapa tse ngata tse patehileng pakeng tsa likarolo tse kenang le tse hlahisoang38.U sebelisa sena, u ka etsa lihlopha tse se nang moeli moo ha u eketsa lesela la ho kenya le ho fumana boleng ba sephetho, boleng bo boletsoeng esale pele bo bapisoa le boleng ba sebele ba sephetho 'me phoso e phatlalatsoa hape.Re thehile lera le patiloeng le nang le li-neurone tse 20 tse patiloeng karolong ka 'ngoe.Mohlala o mong le o mong oo re o hlahisitseng o ne o sebelisoa ho lihlopha tsa ka hare le tsa ka ntle ho hlahloba ts'ebetso ea lihlopha ka ho bala sensitivity, specificity, PPV, NPV, le AUROC.Sensitivity e hlalosoa e le karo-karolelano ea sampole e hakanyetsoang ho ba lilemo li 18 kapa ho feta ho sampole e hakantsoeng e le lilemo tse 18 kapa ho feta.Specification 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 hlahlobiloeng sehlopheng sa koetliso e ile ea fetoloa mekhahlelo ea lipalo bakeng sa tlhahlobo ea lipalo.Multivariate linear le logistic regression li ile tsa etsoa ho nts'etsapele mefuta e boletsoeng esale pele bakeng sa bong bo bong le bo bong le ho fumana mekhoa ea ho khutlisa e ka sebelisoang ho hakanya lilemo.Re sebelisitse mekhoa ena ho hakanya lilemo tsa meno bakeng sa lihlopha tsa liteko tsa kahare le kantle.Lethathamo la 4 le bonts'a mehlala ea ho hatela pele le ea karohano e sebelisitsoeng phuputsong ena.
Ho tšepahala ha Intra- le interrobserver ho ile ha baloa ho sebelisoa lipalo-palo tsa Cohen tsa kappa.E le ho hlahloba ho nepahala ha DM le mefuta e tloaelehileng ea ho khutlela morao, re balile MAE le RMSE re sebelisa lilemo tse hakantsoeng le tsa sebele tsa lihlopha tsa liteko tsa ka hare le tsa ka ntle.Hangata liphoso tsena li sebelisoa ho lekola bonnete ba likhakanyo tsa mohlala.Ha phoso e le nyane, ho nepahala ha ponelopele24.Bapisa MAE le RMSE ea lihlopha tsa liteko tsa ka hare le tsa ka ntle tse baloang ho sebelisoa DM le ho fokotseha ha setso.Ts'ebetso ea Classification ea nako ea lilemo tse 18 lipalo-palo tsa setso e ile ea hlahlojoa ho sebelisoa tafole ea 2 × 2 ea maemo a tšohanyetso.Kutloisiso e baliloeng, boits'oaro, PPV, NPV, le AUROC ea sete ea liteko li ile tsa bapisoa le litekanyetso tse lekantsoeng tsa mofuta oa sehlopha sa DM.Lintlha li hlahisoa joalo ka ± tšitiso e tloaelehileng kapa palo (%) ho latela litšobotsi tsa data.Boleng ba mahlakore a mabeli a P <0.05 bo ne bo nkoa e le ba bohlokoa ka lipalo.Litlhahlobo tsohle tsa lipalo-palo tse tloaelehileng li entsoe ho sebelisoa SAS version 9.4 (SAS Institute, Cary, NC).DM regression model e ile ea sebelisoa Python ho sebelisa Keras50 2.2.4 backend le Tensorflow51 1.8.0 ka ho khetheha bakeng sa ts'ebetso ea lipalo.Mokhoa oa ho khetholla DM o ile oa kenngoa ts'ebetsong ea Tikoloho ea Tlhahlobo ea Tsebo ea Waikato le Konstanz Information Miner (KNIME) 4.6.152 sethaleng sa tlhahlobo.
Bangoli ba lumela hore lintlha tse tšehetsang liqeto tsa thuto li ka fumanoa sehloohong le lisebelisoa tse tlatselletsang.Lintlha tse hlahisitsoeng le/kapa tse hlahlobiloeng nakong ea thuto li fumaneha ho tsoa ho sengoli se tsamaisanang le sona ka kopo e utloahalang.
Ritz-Timme, S. et al.Tekanyetso ea lilemo: boemo ba bonono ho fihlela litlhoko tse ikhethileng tsa boikoetliso ba forensic.machaba.J. Meriana ea molao.113, 129-136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., le Olze, A. Boemo ba hajoale ba tlhahlobo ea lilemo tsa forensic ea batho ba phelang ka sepheo sa qoso ea botlokotsebe.Forensics.moriana.Pathology.1, 239-246 (2005).
Pan, J. et al.Mokhoa o fetotsoeng oa ho lekola lilemo tsa meno tsa bana ba lilemo tse 5 ho isa ho tse 16 ka bochabela ho China.tleleniki.Tlhahlobo ea molomo.25, 3463–3474 (2021).
Lee, SS joalo-joalo Ho latela nako ea tsoelo-pele ea molars ea bobeli le ea boraro ho Makorea le kopo ea eona ea tlhahlobo ea lilemo tsa forensic.machaba.J. Meriana ea molao.124, 659-665 (2010).
Oh, S., Kumagai, A., Kim, SY le Lee, SS Ho nepahala ha tekanyo ea lilemo le khakanyo ea lilemo tsa 18 tse thehiloeng ho kholo ea molars ea bobeli le ea boraro ho Makorea le Majapane.PLoS ONE 17, e0271247 (2022).
Kim, JY, le al.Tlhahlobo ea data e thehiloeng ho mochini oa preoperative e ka bolela esale pele sephetho sa kalafo ea opereishene ea boroko ho bakuli ba OSA.saense.Tlaleho 11, 14911 (2021).
Han, M. et al.Khakanyo e nepahetseng ea lilemo ho tsoa ho thuto ea mochini ka kapa ntle le ho kenella ha motho?machaba.J. Meriana ea molao.136, 821–831 (2022).
Khan, S. and Shaheen, M. From Data Mining to Data Mining.J. Litaba.saense.https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. le Shaheen, M. WisRule: The First Cognitive Algorithm for Association Rule Mining.J. Litaba.saense.https://doi.org/10.1177/01655515221108695 (2022).
Shaheen M. le Abdullah U. Karm: Merafo ea data ea setso e thehiloeng ho melaoana e thehiloeng ho maemo.bala.Matt.tswela pele.68, 3305–3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. le Habib M. Ho ithuta ka botebo ho ipapisitse le ho tšoana ha semantic ho sebelisa data ea mongolo.tsebisa.mahlale.taolo.https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
Tabish, M., Tanoli, Z., le Shahin, M. A tsamaiso ea ho lemoha mesebetsi ea lipapali tsa lipapali.multimedia.Lisebelisoa tsa Lisebelisoa https://doi.org/10.1007/s11042-021-10519-6 (2021).
Halabi, SS et al.Phephetso ea ho Ithuta Mochini oa RSNA Mehleng ea Bone ea Bana.Radiology 290, 498–503 (2019).
Li, Y. et al.Tekanyo ea lilemo tsa forensic ho tsoa ho X-ray ea pelvic ho sebelisoa thuto e tebileng.EURO.mahlaseli.29, 2322–2329 (2019).
Guo, YC, le ba bang.Karolelano e nepahetseng ea lilemo ho sebelisoa mekhoa ea matsoho le marang-rang a tebileng a convolutional neural ho tsoa litšoantšong tsa projeke ea orthographic.machaba.J. Meriana ea molao.135, 1589–1597 (2021).
Alabama Dalora et al.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 khethehileng tsa baahi ea MaAmerika a Amerika le Machaena a ipapisitseng le pulp chamber volumes of first molars using cone-beam computed tomography.machaba.J. Meriana ea molao.136, 811–819 (2022).
Kim S., Lee YH, Noh YK, Park FK le Oh KS Ho khetholla lihlopha tsa lilemo tsa batho ba phelang ba sebelisang litšoantšo tsa maiketsetso tse thehiloeng bohlaleng ba molars oa pele.saense.Tlaleho 11, 1073 (2021).
Stern, D., Payer, C., Giuliani, N., le Urschler, M. Khakanyo ea lilemo tse ikemetseng le lihlopha tse ngata tsa lilemo tse tsoang ho data ea multivariate MRI.IEEE J. Biomed.Litlhokomeliso tsa Bophelo bo Botle.23, 1392–1403 (2019).
Cheng, Q., Ge, Z., Du, H. le Li, G. Khakanyo ea lilemo e thehiloeng ho karolo ea 3D pulp chamber ea molars ea pele ho tloha ho cone beam computed tomography ka ho kopanya thuto e tebileng le lihlopha tsa boemo.machaba.J. Meriana ea molao.135, 365–373 (2021).
Wu, WT, et al.Merafo ea data ho data e kholo ea kliniki: li-database tse tloaelehileng, mehato, le mefuta ea mekhoa.Lefatshe.moriana.mohlodi.8, 44 (2021).
Yang, J. et al.Kenyelletso ea Melaetsa ea Bongaka le Theknoloji ea Meepo ea Boitsebiso ka Nako e Khōlō ea Boitsebiso.J. Avid.Meriana ea motheo.13, 57–69 (2020).
Shen, S. et al.Mokhoa oa Camerer oa ho hakanya lilemo tsa meno ka ho ithuta ka mochini.BMC Oral Health 21, 641 (2021).
Galliburg A. et al.Papiso ea mekhoa e fapaneng ea ho ithuta ka mochini bakeng sa ho bolela lilemo tsa meno ka mokhoa oa Demirdjian.machaba.J. Meriana ea molao.135, 665–675 (2021).
Demirdjian, A., Goldstein, H. and Tanner, JM Sistimi e ncha ea ho lekola lilemo tsa meno.kurutla.baeloji.45, 211–227 (1973).
Landis, JR, le Koch, GG Mehato ea tumellano ea moshebelli mabapi le data ea sehlopha.Biometrics 33, 159-174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK le Choi HK.Tlhahlobo ea mongolo, ea morphological le lipalo-palo ea litšoantšo tse mahlakore a mabeli a matla a khoheli a sebelisa mekhoa ea bohlale ba maiketsetso bakeng sa ho khetholla lihlahala tsa mantlha tsa boko.Litaba tsa bophelo bo botle.mohlodi.https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Nako ea poso: Jan-04-2024