Mahalo no kou kipa ʻana iā Nature.com.ʻO ka mana o ka polokalamu kele pūnaewele āu e hoʻohana nei he kākoʻo CSS palena ʻole.No nā hualoaʻa maikaʻi loa, manaʻo mākou e hoʻohana i kahi mana hou o kāu polokalamu kele pūnaewele (a i ʻole e hoʻopau i ke ʻano hoʻohālikelike ma Internet Explorer).I kēia manawa, e hōʻoia i ke kākoʻo mau ʻana, ke hōʻike nei mākou i ka pūnaewele me ka ʻole o ka styling a i ʻole JavaScript.
Manaʻo ʻia nā niho ka hōʻailona pololei loa o ka makahiki o ke kino kanaka a hoʻohana pinepine ʻia i ka loiloi makahiki forensic.Ua manaʻo mākou e hōʻoia i nā kuhi makahiki niho ma muli o ka mining ma ka hoʻohālikelike ʻana i ka pololei o ka manaʻo a me ka hana helu ʻana o ka paepae 18-makahiki me nā ʻano kuʻuna a me nā koho makahiki e pili ana i ka mining data.Ua hōʻiliʻili ʻia he 2657 panoramic radiographs mai nā kamaʻāina Korea a me Iapana mai 15 a 23 mau makahiki.Ua māhele ʻia lākou i kahi pūʻulu hoʻomaʻamaʻa, ʻo kēlā me kēia me 900 mau lekiō Korean, a me kahi hoʻāʻo kūloko i loaʻa i 857 mau lekiō Iapana.Ua hoʻohālikelike mākou i ka pololei o ka hoʻonohonoho ʻana a me ka maikaʻi o nā ʻano kuʻuna me nā pūʻulu hoʻāʻo o nā hiʻohiʻona mining data.ʻOi aku ka kiʻekiʻe o ka pololei o ke ʻano kuʻuna ma ka hoʻāʻo kūloko ma mua o ke kumu hoʻohālike eli ana i ka ʻikepili, a liʻiliʻi ka ʻokoʻa (ke kuhi hewa ʻole <0.21 mau makahiki, hewa kuhi kumu kumu <0.24 makahiki).ʻO ka hana hoʻokaʻawale ʻana no ka ʻoki ʻana o 18 mau makahiki he ʻano like nō ia ma waena o nā ʻano kuʻuna a me nā hiʻohiʻona mining data.No laila, hiki ke hoʻololi ʻia nā ʻano hana kuʻuna e nā hiʻohiʻona mining data i ka wā e hana ana i ka loiloi makahiki forensic me ka hoʻohana ʻana i ke oʻo ʻana o ka lua a me ke kolu molars i nā ʻōpio Korea a me nā ʻōpio makua.
Hoʻohana nui ʻia ka helu makahiki niho i ka lāʻau forensic a me nā niho pediatric.ʻO ka mea nui, ma muli o ka pilina kiʻekiʻe ma waena o ka makahiki chronological a me ka ulu ʻana o nā niho, ʻo ka loiloi makahiki ma nā pae hoʻomohala niho he mea koʻikoʻi no ka loiloi ʻana i nā makahiki o nā keiki a me nā ʻōpio1,2,3.Eia nō naʻe, no ka poʻe ʻōpio, ʻo ka manaʻo ʻana i ka makahiki niho ma muli o ke oʻo ʻana o ka niho he mau palena no ka mea ua kokoke pau ka ulu ʻana o nā niho, koe wale nā molars ʻekolu.ʻO ke kumu kānāwai o ka hoʻoholo ʻana i ka makahiki o ka poʻe ʻōpio a me ka poʻe ʻōpio ʻo ia ka hāʻawi ʻana i nā kuhi pololei a me nā hōʻike ʻepekema inā paha ua hiki lākou i ka makahiki o ka hapa nui.Ma ka hana medico-legal o nā ʻōpio a me nā ʻōpio makua ma Korea, ua manaʻo ʻia ka makahiki me ka hoʻohana ʻana i ke ʻano o Lee, a ua wānana ʻia kahi paepae kānāwai o 18 mau makahiki ma muli o ka ʻikepili i hōʻike ʻia e Oh et al 5.
ʻO ke aʻo ʻana i ka mīkini kahi ʻano o ka naʻauao hana (AI) e aʻo pinepine a hoʻokaʻawale i ka nui o ka ʻikepili, hoʻoponopono i nā pilikia nona iho, a hoʻokele i ka hoʻonohonoho ʻikepili.Hiki i ke aʻo ʻana i nā mīkini ke ʻike i nā hiʻohiʻona huna pono i nā puke nui o ka data6.ʻO ka ʻokoʻa, ʻo nā kaʻina hana maʻamau, ʻoi aku ka nui o ka hana a me ka hoʻopau ʻana i ka manawa, hiki ke loaʻa nā palena i ka wā e pili ana i nā puke nui o nā ʻikepili paʻakikī i paʻakikī ke hana me ka lima7.No laila, nui nā haʻawina i hana ʻia i kēia manawa me ka hoʻohana ʻana i nā ʻenehana kamepiula hou loa e hōʻemi i nā hewa kanaka a me ka hoʻoponopono pono ʻana i nā data multidimensional8,9,10,11,12.ʻO ka mea nui, ua hoʻohana nui ʻia ke aʻo hohonu i ka nānā ʻana i nā kiʻi olakino, a ua hōʻike ʻia nā ʻano hana like ʻole no ka helu makahiki ma o ka nānā ʻana i nā radiographs e hoʻomaikaʻi i ka pololei a me ka pono o ka helu makahiki13,14,15,16,17,18,19,20 .No ka laʻana, ua hoʻomohala ʻo Halabi et al 13 i kahi algorithm aʻo mīkini e pili ana i nā convolutional neural networks (CNN) e koho i ka makahiki iwi iwi me ka hoʻohana ʻana i nā radiographs o nā lima o nā keiki.Hāʻawi kēia haʻawina i kahi hiʻohiʻona e pili ana i ka aʻo ʻana i ka mīkini i nā kiʻi olakino a hōʻike i kēia mau ʻano hiki ke hoʻomaikaʻi i ka pololei diagnostic.ʻO Li et al14 i manaʻo ʻia nā makahiki mai nā kiʻi pelvic X-ray me ka hoʻohana ʻana i ka CNN aʻo hohonu a hoʻohālikelike iā lākou me nā hopena regression me ka hoʻohana ʻana i ka helu ossification stage.Ua ʻike lākou ua hōʻike ʻia ka hoʻohālike hohonu o CNN i ka hana helu makahiki like me ke kumu hoʻohālike kuʻuna.ʻO ke aʻo ʻana o Guo et al. [15] loiloi i ka hana hoʻokaʻawale ʻana o ka makahiki o ka ʻenehana CNN ma muli o nā orthophotos niho, a ua hōʻike nā hopena o ke kumu hoʻohālike CNN ua ʻoi aku ka maikaʻi o nā kānaka ma mua o kāna hana papa makahiki.
ʻO ka hapa nui o nā haʻawina e pili ana i ka helu makahiki me ka hoʻohana ʻana i ka mīkini aʻo e hoʻohana i nā ʻano aʻo hohonu13,14,15,16,17,18,19,20.ʻOi aku ka pololei o ka helu makahiki ma muli o ke aʻo hohonu ma mua o nā hana kuʻuna.Eia naʻe, hāʻawi kēia ala i ka manawa liʻiliʻi e hōʻike i ke kumu ʻepekema no nā koho makahiki, e like me nā hōʻailona makahiki i hoʻohana ʻia i nā koho.Aia nō hoʻi ka hoʻopaʻapaʻa kānāwai no ka mea nāna e nānā.No laila, paʻakikī ke ʻae ʻia e nā mana hoʻomalu a me nā mana hoʻokolokolo ka helu makahiki ma muli o ke aʻo hohonu.ʻO ka mining data (DM) kahi ʻenehana e hiki ke ʻike ʻaʻole wale i manaʻo ʻia akā ʻo ka ʻike i manaʻo ʻole ʻia ma ke ʻano he ala no ka ʻike ʻana i nā pilina kūpono ma waena o ka nui o ka data6,21,22.Hoʻohana pinepine ʻia ke aʻo ʻana i ka mīkini i ka ʻimi ʻikepili, a hoʻohana ʻia ka ʻimi ʻikepili a me ke aʻo ʻana i ka mīkini i nā algorithm kī like e ʻike ai i nā ʻano ma ka ʻikepili.Hoʻokumu ʻia ka helu makahiki me ka hoʻomohala ʻana i nā niho ma luna o ka loiloi a ka mea nānā i ke oʻo ʻana o nā niho i ʻimi ʻia, a ua hōʻike ʻia kēia loiloi ma ke ʻano he pae no kēlā me kēia niho i hoʻopaʻa ʻia.Hiki ke hoʻohana ʻia ʻo DM no ka nānā ʻana i ka pilina ma waena o ka pae loiloi niho a me ka makahiki maoli a hiki ke hoʻololi i ka loiloi helu kuʻuna.No laila, inā mākou e hoʻohana i nā ʻenehana DM i ka helu makahiki, hiki iā mākou ke hoʻokō i ke aʻo ʻana i ka mīkini i ka helu makahiki forensic me ka hopohopo ʻole e pili ana i ke kuleana kānāwai.Ua paʻi ʻia kekahi mau haʻawina hoʻohālikelike e pili ana i nā ʻano koho ʻē aʻe i nā ʻano hana lima kuʻuna i hoʻohana ʻia i ka hoʻomaʻamaʻa forensic a me nā ala EBM no ka hoʻoholo ʻana i nā makahiki niho.Ua hōʻike ʻo Shen et al23 i ʻoi aku ka pololei o ke kumu hoʻohālike DM ma mua o ke kumu Camerer kuʻuna.Ua hoʻohana ʻo Galibourg et al24 i nā ʻano DM like ʻole e wānana i ka makahiki e like me ka Demirdjian criterion25 a ua hōʻike ʻia nā hopena i ʻoi aku ka maikaʻi o ke ala DM ma mua o nā ʻano Demirdjian a me Willems i ka helu ʻana i ka makahiki o ka poʻe Farani.
No ka helu ʻana i ka makahiki niho o nā ʻōpio Korea a me nā ʻōpio makua, ua hoʻohana nui ʻia ke ʻano hana 4 a Lee i ka hana forensic Korea.Ke hoʻohana nei kēia ʻano hana i ka loiloi helu kuʻuna (e like me ka regression lehulehu) e nānā i ka pilina ma waena o nā kumuhana Korea a me ka makahiki o ka manawa.I loko o kēia haʻawina, ua wehewehe ʻia nā ʻano helu helu makahiki i loaʻa me ka hoʻohana ʻana i nā ʻano helu kuʻuna ma ke ʻano he "ʻano kuʻuna."He ʻano kuʻuna ko Lee, a ua hōʻoia ʻia kona pololei e Oh et al.5;akā naʻe, kānalua ka hoʻohana ʻana o ka helu makahiki ma muli o ke kumu hoʻohālike DM ma ka hana forensic Korea.ʻO kā mākou pahuhopu e hōʻoia ʻepekema i ka pono o ka helu makahiki ma muli o ke kumu hoʻohālike DM.ʻO ke kumu o kēia haʻawina ʻo (1) e hoʻohālikelike i ka pololei o ʻelua mau hiʻohiʻona DM i ka helu ʻana i nā makahiki niho a (2) e hoʻohālikelike i ka hana hoʻohālikelike o 7 mau hiʻohiʻona DM i ka makahiki 18 me nā mea i loaʻa me ka hoʻohana ʻana i nā ʻano helu kuʻuna. a me ka mola ekolu ma na auwae elua.
Hōʻike ʻia nā ʻano a me nā ʻokoʻa maʻamau o ka makahiki chronological ma ke kahua a me ke ʻano niho ma ka Pūnaewele Pākuʻi S1 (hoʻonohonoho hoʻomaʻamaʻa), Papa Pākuʻi S2 (hoʻonohonoho hoʻāʻo kūloko), a me ka Papa Hoʻohui S3 (set hoʻāʻo waho).ʻO nā waiwai kappa no ka hilinaʻi intra- a me ka interobserver i loaʻa mai ka hoʻonohonoho hoʻomaʻamaʻa ʻana he 0.951 a me 0.947.Hōʻike ʻia nā waiwai P a me 95% mau manawa hilinaʻi no nā waiwai kappa ma ka papaʻaina S4.Ua unuhi ʻia ka waiwai kappa ma ke ʻano he "aneane hemolele", e like me nā pae hoʻohālike o Landis a me Koch26.
I ka hoʻohālikelike ʻana i ka mean absolute error (MAE), ʻoi aku ka maikaʻi o ke ʻano kuʻuna ma mua o ke kumu hoʻohālike DM no nā kāne āpau a ma ka hoʻonohonoho hoʻāʻo kāne waho, koe wale ka multilayer perceptron (MLP).ʻO ka ʻokoʻa ma waena o ka hoʻohālike kuʻuna a me ka hoʻohālike DM ma ka hoʻonohonoho hoʻāʻo MAE kūloko he 0.12-0.19 mau makahiki no nā kāne a me 0.17-0.21 mau makahiki no nā wahine.No ka pahu ho'āʻo waho, ʻoi aku ka liʻiliʻi o nā ʻokoʻa (0.001-0.05 mau makahiki no nā kāne a me 0.05-0.09 mau makahiki no nā wahine).Eia kekahi, ʻoi aku ka haʻahaʻa o ke kumu mean square error (RMSE) ma mua o ke ʻano kuʻuna, me nā ʻokoʻa liʻiliʻi (0.17–0.24, 0.2–0.24 no ka hoʻāʻo kūloko kāne kāne, a me 0.03–0.07, 0.04–0.08 no ka hoʻonohonoho hoʻāʻo waho).).Hōʻike ka MLP i ka hana ʻoi aku ka maikaʻi ma mua o ka Single Layer Perceptron (SLP), koe wale nō ka hoʻonohonoho hoʻāʻo wahine waho.No MAE a me RMSE, ʻoi aku ka kiʻekiʻe o nā helu hoʻāʻo waho ma mua o ka hoʻāʻo kūloko no nā kāne a me nā hiʻohiʻona.Hōʻike ʻia nā MAE a me RMSE a pau ma ka Papa 1 a me ke Kiʻi 1.
ʻO MAE a me RMSE o nā hiʻohiʻona regression kuʻuna a me ka mining data.Ke kuhi hewa loa MAE, ke kumu mean square error RMSE, hoʻokahi papa perceptron SLP, multilayer perceptron MLP, ke ʻano kuʻuna CM.
Ua hōʻike ʻia ka hana hoʻohālikelike (me ka ʻoki ʻana o 18 mau makahiki) o nā hiʻohiʻona kuʻuna a me DM ma ke ʻano o ka naʻau, kikoʻī, waiwai wānana maikaʻi (PPV), waiwai wānana maikaʻi ʻole (NPV), a me kahi ma lalo o ka pihi hana ʻano hana (AUROC) 27 (Papa 2, Kii 2 a me Kii 1 Hooko ma ka pūnaewele).Ma ke ʻano o ka naʻau o ka pahu hoʻāʻo i loko, ʻoi aku ka maikaʻi o nā hana kuʻuna i waena o nā kāne a ʻoi aku ka maikaʻi ma waena o nā wahine.Eia naʻe, ʻo ka ʻokoʻa o ka hana hoʻohālikelike ma waena o nā hana kuʻuna a me SD ʻo 9.7% no nā kāne (MLP) a ʻo 2.4% wale nō no nā wahine (XGBoost).Ma waena o nā hiʻohiʻona DM, hōʻike ka logistic regression (LR) i ka naʻau maikaʻi i nā kāne ʻelua.E pili ana i ke kiko'ī o ka ho'āʻo o loko, uaʻikeʻia ua hana maikaʻi nāʻano SDʻehā i nā kāne,ʻoiaiʻoi aku ka maikaʻi o ka hana maʻamau i nā wāhine.He 13.3% (MLP) a me 13.1% (MLP) ka ʻokoʻa o ka hana hoʻohālikelike ʻana no nā kāne a me nā wahine, e hōʻike ana i ka ʻokoʻa o ka hana hoʻohālikelike ma waena o nā hiʻohiʻona ma mua o ka sensitivity.Ma waena o nā hiʻohiʻona DM, ʻoi aku ka maikaʻi o ka mīkini vector kākoʻo (SVM), kumu hoʻoholo (DT), a me nā hiʻohiʻona ululāʻau random (RF) ma waena o nā kāne, aʻo ke kumu hoʻohālike LR i hana maikaʻi loa i waena o nā wahine.ʻOi aku ka AUROC o ka hoʻohālike kuʻuna a me nā hiʻohiʻona SD āpau ma mua o 0.925 (k-neʻe kokoke loa (KNN) i nā kāne), e hōʻike ana i ka hana hoʻohālikelike maikaʻi loa i ka hoʻokae ʻana i nā samples 18 makahiki28.No ka ho'āʻo ho'āʻo waho, ua emi iho ka hana hoʻohālikelike ma ke ʻano o ka sensitivity, specificity a me AUROC i hoʻohālikelike ʻia i ka hoʻonohonoho hoʻāʻo kūloko.Eia kekahi, ʻo ka ʻokoʻa o ka naʻau a me ka kikoʻī ma waena o ka hana hoʻohālikelike ʻana o nā hiʻohiʻona maikaʻi loa a maikaʻi ʻole mai ka 10% a hiki i ka 25% a ʻoi aku ka nui ma mua o ka ʻokoʻa o ka hoʻonohonoho hoʻāʻo kūloko.
ʻO ka naʻau a me ka kikoʻī o nā hiʻohiʻona hoʻokaʻawale ʻana i ka ʻikepili i hoʻohālikelike ʻia i nā ʻano kuʻuna me kahi ʻoki o 18 mau makahiki.KNN k pili kokoke loa, SVM kākoʻo vector mīkini, LR logistic regression, DT kumu hoʻoholo, RF ululāʻau ululāʻau, XGB XGBoost, MLP multilayer perceptron, kuʻuna CM ala.
ʻO ka hana mua ma kēia noiʻi ʻana ʻo ia ka hoʻohālikelike ʻana i ka pololei o nā helu makahiki niho i loaʻa mai ʻehiku mau hiʻohiʻona DM me nā mea i loaʻa me ka hoʻohana ʻana i ka regression kuʻuna.Ua loiloi ʻia ʻo MAE a me RMSE ma nā hoʻokolohua kūloko no nā kāne ʻelua, a ʻo ka ʻokoʻa ma waena o ke ʻano kuʻuna a me ke kumu hoʻohālike DM mai 44 a 77 lā no MAE a mai 62 a 88 lā no RMSE.ʻOiai ʻoi aku ka pololei o ke ʻano kuʻuna ma kēia haʻawina, he paʻakikī ke hoʻoholo inā he koʻikoʻi ko kēia ʻokoʻa liʻiliʻi.Hōʻike kēia mau hopena i ka pololei o ka helu ʻana i nā makahiki niho me ka hoʻohana ʻana i ke kumu hoʻohālike DM ua aneane like me ke ʻano o ke ʻano kuʻuna.He paʻakikī ka hoʻohālikelike pololei me nā hualoaʻa mai nā haʻawina mua no ka mea ʻaʻohe haʻawina i hoʻohālikelike i ka pololei o nā hiʻohiʻona DM me nā ʻano helu kuʻuna me ka hoʻohana ʻana i ke ʻano o ka hoʻopaʻa ʻana i nā niho i nā makahiki like me kēia haʻawina.Ua hoʻohālikelike ʻo Galibourg et al24 i ka MAE a me ka RMSE ma waena o nā ʻano kuʻuna ʻelua (Demirjian method25 a me Willems method29) a me 10 DM models in a French population old 2 to 24 years.Ua hōʻike lākou ua ʻoi aku ka pololei o nā hiʻohiʻona DM a pau ma mua o nā ʻano kuʻuna, me nā ʻokoʻa o 0.20 a me 0.38 mau makahiki ma MAE a me 0.25 a me 0.47 mau makahiki ma RMSE i hoʻohālikelike ʻia me nā ʻano Willems a me Demirdjian.ʻO ka ʻokoʻa ma waena o ke kumu hoʻohālike SD a me nā ʻano kuʻuna i hōʻike ʻia ma ka haʻawina Halibourg e noʻonoʻo i nā hōʻike he nui30,31,32,33 ʻaʻole kuhi pololei ke ʻano Demirdjian i nā makahiki niho ma nā heluna ʻē aʻe ma mua o nā Canadians Farani kahi i hoʻokumu ʻia ai ke aʻo ʻana.ma keia ao ana.Ua hoʻohana ʻo Tai et al 34 i ka MLP algorithm e wānana i ka makahiki o nā niho mai 1636 kiʻi orthodontic Kina a hoʻohālikelike i kona pololei me nā hopena o ke ʻano Demirjian a me Willems.Ua hōʻike lākou he ʻoi aku ka pololei o ka MLP ma mua o nā hana kuʻuna.ʻO ka ʻokoʻa ma waena o ke ʻano Demirdjian a me ke ʻano kuʻuna he <0.32 mau makahiki, a ʻo ke ʻano Willems he 0.28 mau makahiki, e like me nā hopena o kēia haʻawina.ʻO nā hopena o kēia mau haʻawina mua24,34 e kūlike pū me nā hopena o ka noiʻi o kēia manawa, a ua like ka pololei o ka helu makahiki o ka model DM a me ke ʻano kuʻuna.Eia nō naʻe, ma muli o nā hopena i hōʻike ʻia, hiki iā mākou ke hoʻoholo me ka akahele ʻo ka hoʻohana ʻana i nā hiʻohiʻona DM e hoʻohālikelike i ka makahiki hiki ke hoʻololi i nā ala i loaʻa ma muli o ka nele o ka hoʻohālikelike a me ka kuhikuhi ʻana i nā haʻawina mua.Pono nā haʻawina hahai e hoʻohana ana i nā laʻana nui e hōʻoia i nā hopena i loaʻa i kēia haʻawina.
Ma waena o nā haʻawina e hoʻāʻo ana i ka pololei o SD i ka helu ʻana i nā makahiki niho, ua hōʻike kekahi i ka pololei ʻoi aʻe ma mua o kā mākou noiʻi.Ua hoʻohana ʻo Stepanovsky et al 35 i nā hiʻohiʻona 22 SD i nā radiograph panoramic o 976 mau kamaʻāina Czech ma 2.7 a 20.5 mau makahiki a hoʻāʻo i ka pololei o kēlā me kēia kumu hoʻohālike.Ua loiloi lākou i ka hoʻomohala ʻana o ka huina o 16 mau niho mau loa o luna a me lalo me ka hoʻohana ʻana i nā pae hoʻohālikelike i manaʻo ʻia e Moorrees et al 36.Aia ka MAE mai ka 0.64 a hiki i ka 0.94 makahiki a me ka RMSE mai ka 0.85 a hiki i ka 1.27 makahiki, ʻoi aku ka pololei ma mua o nā hiʻohiʻona DM ʻelua i hoʻohana ʻia ma kēia haʻawina.Ua hoʻohana ʻo Shen et al23 i ke ʻano Cameriere no ka hoʻohālikelike ʻana i ka makahiki niho o ʻehiku mau niho paʻa ma ka lima hema i nā kamaʻāina Kina hikina mai 5 a 13 mau makahiki a hoʻohālikelike ʻia me nā makahiki i manaʻo ʻia me ka hoʻohana ʻana i ka linear regression, SVM a me RF.Ua hōʻike lākou he ʻoi aku ka pololei o nā hiʻohiʻona DM ʻekolu i ka hoʻohālikelike ʻana i ke ʻano Cameriere kuʻuna.ʻOi aku ka haʻahaʻa o ka MAE a me RMSE ma ke aʻo ʻana o Shen ma mua o nā mea ma ke kumu hoʻohālike DM i kēia haʻawina.ʻO ka hoʻonui nui ʻana o nā haʻawina e Stepanovsky et al.35 a me Shen et al.ʻO 23 paha ma muli o ka hoʻokomo ʻana o nā mea ʻōpio i kā lākou mau haʻawina haʻawina.No ka mea, ʻoi aku ka pololei o ka helu ʻana o nā makahiki no nā poʻe e ulu ana nā niho i ka piʻi ʻana o ka nui o nā niho i ka wā o ka ulu ʻana o nā niho, hiki ke hoʻololi ʻia ka pololei o ke ʻano helu makahiki i ka wā ʻōpio.Eia kekahi, ʻoi aku ka liʻiliʻi o ka hewa o ka MLP i ka helu makahiki ma mua o ko SLP, ʻo ia hoʻi, ʻoi aku ka pololei o ka MLP ma mua o SLP.Manaʻo ʻia ʻo MLP he ʻoi aku ka maikaʻi no ka helu makahiki, ma muli paha o nā papa huna ma MLP38.Eia nō naʻe, aia kahi ʻokoʻa no ka laʻana o waho o nā wahine (SLP 1.45, MLP 1.49).ʻO ka ʻike ʻana he ʻoi aku ka pololei o ka MLP ma mua o ka SLP i ka loiloi ʻana i nā makahiki e pono ai nā noiʻi retrospective hou.
Hoʻohālikelike ʻia ka hana hoʻohālikelike ʻana o ke ʻano DM a me ke ʻano kuʻuna ma kahi paepae 18 makahiki.ʻO nā ʻano hoʻohālike SD a pau i hoʻāʻo ʻia a me nā ʻano kuʻuna ma ka hoʻonohonoho hoʻāʻo kūloko i hōʻike ʻia i nā pae kūpono o ka hoʻokae ʻana no ka laʻana 18 makahiki.ʻOi aku ka naʻau o nā kāne a me nā wahine ma mua o 87.7% a me 94.9%, a ʻoi aku ka kikoʻī ma mua o 89.3% a me 84.7%.ʻOi aku ka AUROC o nā hiʻohiʻona i hoʻāʻo ʻia ma mua o 0.925.I ko mākou ʻike maikaʻi loa, ʻaʻohe haʻawina i hoʻāʻo i ka hana ʻana o ke kumu hoʻohālike DM no ka helu 18 makahiki ma muli o ke oʻo ʻana o nā niho.Hiki iā mākou ke hoʻohālikelike i nā hopena o kēia noiʻi ʻana me ka hoʻokaʻawale ʻana o nā hiʻohiʻona aʻo hohonu ma nā radiograph panoramic.Ua helu ʻo Guo et al.15 i ka hana hoʻokaʻawale ʻana o kahi kumu hoʻonaʻauao hohonu i hoʻokumu ʻia e CNN a me kahi ʻano hana lima e pili ana i ke ʻano o Demirjian no kekahi paepae makahiki.ʻO ka sensitivity a me ka kikoʻī o ke kaʻina hana manual he 87.7% a me 95.5%, kēlā me kēia, a ʻo ka sensitivity a me ka kikoʻī o ka hoʻohālike CNN ma mua o 89.2% a me 86.6%, kēlā me kēia.Ua hoʻoholo lākou e hiki i nā kumu hoʻonaʻauao hohonu ke hoʻololi a i ʻole ka hoʻokō ʻana i ka loiloi manual i ka helu ʻana i nā paepae makahiki.Ua hōʻike nā hopena o kēia haʻawina i ka hana hoʻohālikelike like;Manaʻo ʻia ʻo ka hoʻohālikelike ʻana me ka hoʻohana ʻana i nā hiʻohiʻona DM hiki ke pani i nā ʻano helu helu kuʻuna no ka helu makahiki.Ma waena o nā hiʻohiʻona, ʻo DM LR ka hiʻohiʻona maikaʻi loa e pili ana i ka ʻike no ka laʻana kāne a me ka ʻike a me ke kikoʻī no ka laʻana wahine.Aia ʻo LR i ka lua ma ka kikoʻī no nā kāne.Eia kekahi, ua manaʻo ʻia ʻo LR ʻo ia kekahi o nā hiʻohiʻona DM35 maikaʻi loa i ka mea hoʻohana a ʻoi aku ka paʻakikī a paʻakikī hoʻi e hana.Ma muli o kēia mau hualoaʻa, ua manaʻo ʻia ʻo LR ʻo ke kumu hoʻohālike hoʻokaʻawale ʻoki maikaʻi loa no nā keiki 18 makahiki ma ka heluna kanaka Korea.
Ma ke ʻano holoʻokoʻa, ʻilihune a haʻahaʻa a haʻahaʻa paha ka pololei o ka helu makahiki a i ʻole ka hana hoʻohālikelike ʻana ma ka hoʻonohonoho hoʻāʻo waho.Hōʻike kekahi mau hōʻike e emi ana ka pololei o ka hoʻonohonoho ʻana a i ʻole ka maikaʻi i ka wā e hoʻohana ʻia ai nā koho makahiki e pili ana i ka heluna kanaka Korea i ka heluna kanaka Kepani5,39, a ua ʻike ʻia kahi ʻano like ma ka haʻawina o kēia manawa.Ua ʻike pū ʻia kēia ʻano hoʻohaʻahaʻa i ka hoʻohālike DM.No laila, no ka hoʻohālikelike pono ʻana i ka makahiki, ʻoiai ke hoʻohana ʻana iā DM i ke kaʻina loiloi, pono e koho ʻia nā ʻano i loaʻa mai ka ʻikepili heluna kanaka maoli, e like me nā hana kuʻuna5,39,40,41,42.No ka mea ʻaʻole maopopo inā hiki i nā kumu hoʻonaʻauao hohonu ke hōʻike i nā ʻano like, pono nā noiʻi e hoʻohālikelike ana i ka pololei a me ka maikaʻi me ka hoʻohana ʻana i nā ʻano kuʻuna, DM models, a me nā hiʻohiʻona aʻo hohonu ma nā laʻana like e pono ai e hōʻoia inā hiki i ka naʻauao hana ke lanakila i kēia mau ʻokoʻa lāhui i nā makahiki palena.nā loiloi.
Hōʻike mākou e hiki ke hoʻololi ʻia nā ʻano kuʻuna e ka helu makahiki ma muli o ke kumu hoʻohālike DM ma ka hoʻomaʻamaʻa ʻana i nā makahiki forensic ma Korea.Ua ʻike pū mākou i ka hiki ke hoʻokō i ka aʻo mīkini no ka loiloi makahiki forensic.Eia nō naʻe, aia nā palena maopopo, e like me ka lawa ʻole o ka poʻe i komo i kēia haʻawina e hoʻoholo pono i nā hopena, a me ka nele o nā haʻawina mua e hoʻohālikelike a hōʻoia i nā hopena o kēia haʻawina.I ka wā e hiki mai ana, pono e mālama ʻia nā haʻawina DM me ka nui o nā laʻana a me nā heluna like ʻole e hoʻomaikaʻi i kona hoʻohana pono e hoʻohālikelike ʻia me nā ʻano kuʻuna.No ka hōʻoia ʻana i ka hiki ke hoʻohana i ka naʻauao hana no ka hoʻohālikelike ʻana i ka makahiki ma nā heluna lehulehu, pono nā noiʻi e hiki mai ana e hoʻohālikelike i ka pololei o ka hoʻohālikelike ʻana a me ka pono o DM a me nā kumu hoʻonaʻauao hohonu me nā ʻano kuʻuna i nā laʻana like.
Ua hoʻohana ka haʻawina i 2,657 kiʻi kiʻi kiʻi i hōʻiliʻili ʻia mai nā poʻe makua Korea a me Iapana mai 15 a 23 mau makahiki.Ua māhele ʻia nā radiographs Korea i 900 mau pūʻulu hoʻomaʻamaʻa (19.42 ± 2.65 mau makahiki) a me 900 mau hoʻokolohua kūloko (19.52 ± 2.59 mau makahiki).Ua hōʻiliʻili ʻia ka hoʻonohonoho hoʻomaʻamaʻa ʻana ma hoʻokahi kula (Seoul St. Mary's Hospital), a ua hōʻiliʻili ʻia ka hoʻonohonoho hoʻāʻo ponoʻī ma nā hale ʻelua (Seoul National University Dental Hospital a me Yonsei University Dental Hospital).Ua hōʻiliʻili pū mākou i 857 radiographs mai kahi ʻikepili heluna kanaka (Iwate Medical University, Iapana) no ka hoʻāʻo ʻana i waho.Ua koho ʻia nā radiographs o nā kumuhana Iapana (19.31 ± 2.60 mau makahiki) ma ke ʻano he hoʻokolohua waho.Ua hōʻiliʻili ʻia ka ʻikepili ma hope o ka nānā ʻana i nā pae o ka ulu ʻana o nā niho ma nā radiograph panoramic i lawe ʻia i ka wā mālama niho.ʻO nā ʻikepili a pau i hōʻiliʻili ʻia he inoa ʻole koe wale nō ke kāne, ka lā hānau a me ka lā o ka radiograph.Ua like nā pae hoʻohui a me ka hoʻokuʻu ʻia me nā haʻawina i paʻi mua ʻia 4, 5.Ua helu ʻia ka makahiki maoli o ka hāpana ma ka unuhi ʻana i ka lā hānau mai ka lā i lawe ʻia ai ka radiograph.Ua māhele ʻia ka hui laʻana i ʻeiwa mau makahiki.Hōʻike ʻia ka māhele makahiki a me ka wahine ma ka Papa 3 Ua mālama ʻia kēia haʻawina e like me ka Declaration of Helsinki a ʻae ʻia e ka Institutional Review Board (IRB) o Seoul St. Mary's Hospital o ke Kulanui Katolika o Korea (KC22WISI0328).Ma muli o ka hoʻolālā retrospective o kēia haʻawina, ʻaʻole hiki ke loaʻa ka ʻae ʻike mai nā poʻe maʻi āpau e hana ana i ka hoʻokolokolo radiographic no nā kumu therapeutic.Ua haʻalele ka Halemai St. Mary's University (IRB) o Seoul Korea i ke koi no ka ʻae ʻike.
Ua loiloi ʻia nā pae hoʻomohala o nā molars bimaxillary ʻelua a me ke kolu e like me nā paena Demircan25.Hoʻokahi wale nō niho i koho ʻia inā loaʻa ka ʻano niho like ma ka ʻaoʻao hema a me ka ʻaoʻao ʻākau o kēlā me kēia iwi.Inā loaʻa nā niho homologous ma nā ʻaoʻao ʻelua i nā pae ulu like ʻole, ua koho ʻia ka niho me ka pae hoʻomohala haʻahaʻa e helu i ka maopopo ʻole o ka makahiki i manaʻo ʻia.Hoʻokahi haneli mau lekiō i koho ʻia mai ka hoʻonohonoho hoʻomaʻamaʻa ʻana i helu ʻia e ʻelua mau mākaʻikaʻi ʻike e hoʻāʻo i ka hilinaʻi interobserver ma hope o ka precalibration e hoʻoholo ai i ke kūlana oʻo niho.Ua loiloi ʻia ka hilinaʻi Intraobserver i ʻelua mau manawa i ʻekolu mahina e ka mea nānā mua.
Ua manaʻo ʻia ke kāne a me ka hoʻomohala ʻana o ka lua a me ke kolu o nā mola o kēlā me kēia auwae ma ka hoʻonohonoho hoʻomaʻamaʻa ʻana e kekahi mea nānā mua i aʻo ʻia me nā ʻano DM like ʻole, a ua hoʻonohonoho ʻia ka makahiki maoli ma ke ʻano he kumu waiwai.ʻO nā hiʻohiʻona SLP a me MLP, i hoʻohana nui ʻia i ka aʻo ʻana i ka mīkini, ua hoʻāʻo ʻia e kūʻē i nā algorithm regression.Hoʻohui ka hoʻohālike DM i nā hana laina me ka hoʻohana ʻana i nā pae hoʻomohala o nā niho ʻehā a hoʻohui i kēia mau ʻikepili e koho i ka makahiki.ʻO SLP ka pūnaewele neural maʻalahi loa a ʻaʻole i loko o nā papa huna.Hana ʻo SLP ma muli o ka hoʻouna ʻana i ka paepae ma waena o nā nodes.ʻO ke kumu hoʻohālike SLP i ka hoʻihoʻi ʻana ua like me ka makemakika me ka regression linear lehulehu.'A'ole like me ka SLP kŘkohu, ka MLP kŘkohu he mau papa huna me ka nonlinear activation hana.Ua hoʻohana kā mākou mau hoʻokolohua i kahi papa huna me 20 huna huna wale nō me nā hana hoʻonā nonlinear.E hoʻohana i ka iho gradient e like me ke ʻano loiloi a me ka MAE a me RMSE ma ke ʻano he hana pohō e hoʻomaʻamaʻa i kā mākou kumu aʻo mīkini.Ua hoʻohana ʻia ke ʻano hoʻohālike maikaʻi loa i loaʻa i nā hoʻonohonoho hoʻāʻo kūloko a waho a ua manaʻo ʻia ka makahiki o nā niho.
Hoʻokumu ʻia kahi algorithm hoʻohālikelike e hoʻohana ana i ka oʻo ʻana o nā niho ʻehā ma ka hoʻonohonoho hoʻomaʻamaʻa e wānana inā he 18 mau makahiki a ʻaʻole paha.No ke kūkulu ʻana i ke kumu hoʻohālike, ua loaʻa iā mākou ʻehiku mau algorithm aʻo mīkini hoʻohālikelike6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, a me (7) MLP .ʻO LR kekahi o ka hoʻohana nui ʻana i nā algorithms44.He algorithm hoʻonaʻauao mālama ʻia e hoʻohana ana i ka regression e wānana i ka likelika o ka ʻikepili no kekahi ʻāpana mai ka 0 a hiki i ka 1 a hoʻokaʻawale i ka ʻikepili i kahi ʻāpana ʻoi aʻe ma muli o kēia kūpono;hoʻohana nui ʻia no ka hoʻohālikelike binary.ʻO KNN kekahi o nā algorithm aʻo mīkini maʻalahi45.Ke hāʻawi ʻia ka ʻikepili hoʻokomo hou, ʻike ʻo ia i ka ʻikepili k kokoke i ka hoʻonohonoho i loaʻa a laila hoʻokaʻawale iā lākou i ka papa me ke alapine kiʻekiʻe.Hoʻonoho mākou i 3 no ka helu o nā hoalauna i manaʻo ʻia (k).ʻO SVM kahi algorithm e hoʻonui i ka mamao ma waena o nā papa ʻelua ma o ka hoʻohana ʻana i kahi hana kernel e hoʻonui i ka laina laina i kahi ākea ʻole i kapa ʻia ʻo fields46.No kēia kŘkohu, hoʻohana mākou i ka bias = 1, mana = 1, a me ka gamma = 1 ma ke ʻano he hyperparameters no ka kernel polynomial.Ua hoʻohana ʻia ʻo DT ma nā kahua like ʻole ma ke ʻano he algorithm no ka puʻunaue ʻana i kahi ʻikepili holoʻokoʻa i loko o nā pūʻulu liʻiliʻi ma o ka hōʻike ʻana i nā lula hoʻoholo i loko o kahi hoʻolālā lāʻau47.Hoʻonohonoho ʻia ke kŘkohu me ka helu liʻiliʻi o nā moʻolelo no ka node o 2 a hoʻohana i ka index Gini ma ke ʻano he ana o ka maikaʻi.ʻO RF kahi ʻano hui e hoʻohui i nā DT he nui e hoʻomaikaʻi i ka hana me ka hoʻohana ʻana i kahi ala hoʻohui bootstrap e hoʻohua ana i kahi papa helu nāwaliwali no kēlā me kēia laʻana ma ke kahakiʻi ʻana i nā laʻana o ka nui like i nā manawa he nui mai ka dataset48 kumu.Ua hoʻohana mākou i 100 kumulāʻau, 10 kumu lāʻau hohonu, 1 liʻiliʻi node nui, a me Gini admixture index ma ke ʻano he kumu hoʻokaʻawale node.Hoʻoholo ʻia ka hoʻokaʻawale ʻana o nā ʻikepili hou e ka hapa nui.ʻO XGBoost kahi algorithm e hoʻohui i nā ʻenehana hoʻoikaika e hoʻohana ana i kahi ala e lawe ai i ka ʻikepili hoʻomaʻamaʻa i ka hewa ma waena o nā waiwai maoli a wānana o ka hoʻohālike mua a hoʻonui i ka hewa me ka hoʻohana ʻana i nā gradients49.He algorithm i hoʻohana nui ʻia ma muli o kāna hana maikaʻi a me ka pono waiwai, a me ka hilinaʻi kiʻekiʻe e like me ka hana hoʻoponopono overfitting.Hoʻolako ʻia ke kumu hoʻohālike me nā huila kākoʻo 400.ʻO MLP kahi pūnaewele neural kahi e hoʻokumu ai hoʻokahi a ʻoi aku paha nā perceptrons i nā papa he nui me hoʻokahi a ʻoi aʻe paha nā papa huna ma waena o nā papa hoʻokomo a me nā papa hoʻopuka38.I ka hoʻohana ʻana i kēia, hiki iā ʻoe ke hana i ka hoʻohālikelike laina ʻole i ka wā e hoʻohui ai ʻoe i kahi papa hoʻokomo a loaʻa ka waiwai hopena, hoʻohālikelike ʻia ka waiwai o ka hopena i wānana ʻia me ka waiwai hopena maoli a hoʻolaha ʻia ka hewa.Ua hana mākou i kahi papa huna me 20 mau neurons huna i kēlā me kēia papa.Ua hoʻohana ʻia kēlā me kēia hiʻohiʻona a mākou i kūkulu ai i nā pūʻulu o loko a me waho e hoʻāʻo ai i ka hana hoʻohālikelike ʻana ma ka helu ʻana i ka ʻike, kikoʻī, PPV, NPV, a me AUROC.Wehewehe ʻia ka ʻike ma ke ʻano he ratio o kahi laʻana i manaʻo ʻia he 18 mau makahiki a ʻoi paha i kahi laʻana i manaʻo ʻia he 18 mau makahiki a ʻoi paha.ʻO ka kikoʻī ka māhele o nā laʻana ma lalo o 18 mau makahiki a me nā mea i manaʻo ʻia aia ma lalo o 18 mau makahiki.
Ua hoʻololi ʻia nā ʻanuʻu niho i loiloi ʻia i loko o ka hoʻonohonoho hoʻomaʻamaʻa i nā pae helu no ka nānā ʻana helu.Hana ʻia ka multivariate linear a me ka logistic regression no ka hoʻomohala ʻana i nā hiʻohiʻona wānana no kēlā me kēia kāne a loaʻa i nā ʻano hoʻohālikelike i hiki ke hoʻohana ʻia e koho i ka makahiki.Ua hoʻohana mākou i kēia mau ʻōlelo hoʻohālikelike e koho i ka makahiki o nā niho no nā pūʻulu hoʻāʻo kūloko a me waho.Hōʻike ka papa 4 i nā hiʻohiʻona regression a me ka hoʻokaʻawale ʻana i hoʻohana ʻia i kēia haʻawina.
Ua helu ʻia ka hilinaʻi intra-a me interobserver me ka helu kappa a Cohen.No ka hoʻāʻo ʻana i ka pololei o DM a me nā hiʻohiʻona regression kuʻuna, ua helu mākou iā MAE a me RMSE me ka hoʻohana ʻana i nā makahiki i manaʻo ʻia a me nā makahiki maoli o nā hoʻonohonoho hoʻāʻo kūloko a me waho.Hoʻohana pinepine ʻia kēia mau hewa no ka loiloi ʻana i ka pololei o nā wānana hoʻohālike.ʻO ka liʻiliʻi o ka hewa, ʻoi aku ka kiʻekiʻe o ka pololei o ka wānana24.E hoʻohālikelike i ka MAE a me RMSE o nā pūʻulu hoʻāʻo kūloko a me waho i helu ʻia me ka DM a me ka regression kuʻuna.Hoʻohālikelike ʻia ka hana hoʻohālikelike o ka ʻoki ʻana o 18 mau makahiki ma nā helu kuʻuna me ka hoʻohana ʻana i ka papa contingency 2 × 2.Ua hoʻohālikelike ʻia ka sensitivity i helu ʻia, specificity, PPV, NPV, a me AUROC o ka hoʻāʻo hoʻāʻo me nā helu i ana ʻia o ke kumu hoʻohālike DM.Hōʻike ʻia ka ʻikepili ma ke ʻano he mean ± deviation maʻamau a i ʻole helu (%) ma muli o nā ʻano ʻikepili.ʻElua ʻaoʻao P waiwai <0.05 i manaʻo ʻia he koʻikoʻi koʻikoʻi.Ua hana ʻia nā loiloi helu maʻamau a pau me ka SAS version 9.4 (SAS Institute, Cary, NC).Ua hoʻokō ʻia ke kumu hoʻohālikelike DM ma Python me ka hoʻohana ʻana iā Keras50 2.2.4 backend a me Tensorflow51 1.8.0 kūikawā no nā hana makemakika.Ua hoʻokō ʻia ke ʻano hoʻohālikelike DM ma ka Waikato Knowledge Analysis Environment a me ka Konstanz Information Miner (KNIME) 4.6.152 platform analysis.
Hoʻomaopopo nā mea kākau e hiki ke loaʻa nā ʻikepili e kākoʻo ana i nā hopena o ka noiʻi ma ka ʻatikala a me nā mea hoʻohui.Loaʻa nā ʻikepili i hana ʻia a/a i ʻike ʻia i ka wā o ke aʻo ʻana mai ka mea kākau pili ma ke noi kūpono.
Ritz-Timme, S. et al.Ka helu makahiki: kūlana o ke akamai e hoʻokō i nā koi kūikawā o ka hana forensic.ka honua.J. Laau kanawai.113, 129–136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., a me Olze, A. Ke kūlana o kēia manawa o ka loiloi makahiki forensic o nā mea ola no ka hoʻopiʻi hewa.Forensics.lāʻau lapaʻau.ʻO ke kino.1, 239–246 (2005).
Pan, J. et al.He ala i hoʻololi ʻia no ka loiloi ʻana i nā makahiki niho o nā keiki mai 5 a 16 mau makahiki ma Kina hikina.lāʻau lapaʻau.Nānā waha.25, 3463–3474 (2021).
Lee, SS a pela aku. Chronology o ka ulu ana o ka lua a me ke kolu molars ma Koreans a me kona noi no forensic makahiki loiloi.ka honua.J. Laau kanawai.124, 659–665 (2010).
Oh, S., Kumagai, A., Kim, SY a me Lee, SS Ka pololei o ka helu makahiki a me ka helu o ka paepae 18 makahiki ma muli o ke oʻo ʻana o ka lua a me ke kolu molars ma Koreans a me Iapana.PLoS ONE 17, e0271247 (2022).
Kim, JY, et al.Hiki ke wānana i ka hopena o ka mālama ʻana i ka hoʻomaʻamaʻa moe i nā maʻi me OSA.ka ʻepekema.Hōʻike 11, 14911 (2021).
Han, M. et al.Ka helu makahiki pololei mai ke aʻo ʻana i ka mīkini me ka ʻole o ke kanaka?ka honua.J. Laau kanawai.136, 821–831 (2022).
Khan, S. a me Shaheen, M. Mai ka ʻIke ʻIke a hiki i ka ʻIke ʻIke.J.Na ike.ka ʻepekema.https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. and Shaheen, M. WisRule: The First Cognitive Algorithm for Association Rule Mining.J.Na ike.ka ʻepekema.https://doi.org/10.1177/01655515221108695 (2022).
ʻO Shaheen M. lāua ʻo Abdullah U. Karm: ʻImi ʻikepili kuʻuna e pili ana i nā lula pili pili i ka pōʻaiapili.helu.Mat.hoʻomau.68, 3305–3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. a me Habib M. Ke aʻo hohonu ma muli o ka ʻike like ʻana me ka hoʻohana ʻana i ka ʻikepili kikokikona.hoʻomaopopo.ʻenehana.hoʻomalu.https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
Tabish, M., Tanoli, Z., a me Shahin, M. He ʻōnaehana no ka ʻike ʻana i ka hana ma nā wikiō haʻuki.multimedia.Nā Mea Hana Hana https://doi.org/10.1007/s11042-021-10519-6 (2021).
Halabi, SS et al.ʻO RSNA Machine Learning Challenge in Pediatric Bone Age.Radiology 290, 498–503 (2019).
Li, Y. et al.Ka helu makahiki forensic mai nā pelvic X-ray me ka hoʻohana ʻana i ke aʻo hohonu.EURO.radiation.29, 2322–2329 (2019).
Guo, YC, et al.Hoʻokaʻawale i nā makahiki pololei me ka hoʻohana ʻana i nā ʻano hana lima a me nā pūnaewele neural convolutional hohonu mai nā kiʻi projection orthographic.ka honua.J. Laau kanawai.135, 1589–1597 (2021).
Alabama Dalora et al.Ka helu makahiki iwi me ka hoʻohana ʻana i nā ʻano hana aʻo mīkini like ʻole: kahi loiloi palapala ʻōnaehana a me ka meta-analysis.PLoS ONE 14, e0220242 (2019).
ʻO Du, H., Li, G., Cheng, K., a me Yang, J. Ka helu o ka heluna kanaka o ʻAmelika ʻAmelika a me ka Pākē ma muli o ka nui o ke keʻena pulp o nā mola mua me ka hoʻohana ʻana i ka cone-beam computed tomography.ka honua.J. Laau kanawai.136, 811–819 (2022).
Kim S., Lee YH, Noh YK, Park FK a me Oh KS Ka hoʻoholo ʻana i nā pūʻulu makahiki o ka poʻe e ola ana me ka hoʻohana ʻana i nā kiʻi i hoʻokumu ʻia i ka naʻauao o nā mola mua.ka ʻepekema.Hōʻike 11, 1073 (2021).
Stern, D., Payer, C., Giuliani, N., a me Urschler, M. Hoʻohālikelike makahiki aunoa a me ka helu ʻana o ka nui o nā makahiki mai ka ʻikepili MRI multivariate.IEEE J. Biomed.ʻAla Ola.23, 1392–1403 (2019).
Cheng, Q., Ge, Z., Du, H. a me Li, G. Ka helu makahiki ma muli o 3D pulp chamber segmentation o nā mola mua mai ka cone beam computed tomography ma o ka hoʻohui ʻana i ka hoʻonaʻauao hohonu a me nā hoʻonohonoho pae.ka honua.J. Laau kanawai.135, 365–373 (2021).
Wu, WT, et al.ʻIke ʻikepili i ka ʻikepili nui: nā ʻikepili maʻamau, nā ʻanuʻu, a me nā kumu hoʻohālike.Honua.lāʻau lapaʻau.punawai.8, 44 (2021).
Yang, J. et al.Introduction to Medical Databases and Data Mining Technologies in the Big Data Era.J. Avid.Laau kumu.13, 57–69 (2020).
Shen, S. et al.ʻO ke ala a Camerer no ka helu ʻana i ka makahiki o nā niho me ka hoʻohana ʻana i ka mīkini aʻo.Ola Oral BMC 21, 641 (2021).
Galliburg A. et al.Hoʻohālikelike i nā ʻano hana aʻo mīkini ʻokoʻa no ka wānana ʻana i nā makahiki niho me ka hoʻohana ʻana i ke ʻano hana staging Demirdjian.ka honua.J. Laau kanawai.135, 665–675 (2021).
Demirdjian, A., Goldstein, H. a me Tanner, JM He ʻōnaehana hou no ka loiloi ʻana i nā makahiki niho.ʻūhū.biology.45, 211–227 (1973).
Landis, JR, a me Koch, GG Nā ana o ka ʻaelike nānā ma ka ʻikepili categorical.Biometrics 33, 159–174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK a me Choi HK.Textural, morphological and statistical analysis of two-dimensional magnetic resonance imaging me ka hoʻohana ʻana i nā ʻenehana naʻauao no ka hoʻokaʻawale ʻana o nā maʻi lolo mua.ʻIke olakino.punawai.https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Ka manawa hoʻouna: Jan-04-2024