Mahalo no ke kipa ʻana iā Nature.com. Loaʻa i ka mana o ka polokalamu kele pūnaewele āu e hoʻohana nei ke kākoʻo CSS palena. No nā hopena maikaʻi loa, paipai 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, no ka hōʻoia ʻana i ke kākoʻo mau, ke hōʻike nei mākou i ka pūnaewele me ka ʻole o ke kaila a i ʻole JavaScript.
Ua manaʻo ʻia nā niho ʻo ia 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 e pili ana i ka ʻeli ʻikepili ma ka hoʻohālikelike ʻana i ka pololei o ka kuhi a me ka hana hoʻokaʻawale ʻana o ka paepae 18 makahiki me nā ʻano kuʻuna a me nā kuhi makahiki e pili ana i ka ʻeli ʻikepili. Ua hōʻiliʻili ʻia he 2657 mau radiograph panoramic mai nā kamaʻāina Korea a me Kepanī i piha i ka makahiki 15 a 23. Ua māhele ʻia lākou i loko o kahi hoʻonohonoho hoʻomaʻamaʻa, aia kēlā me kēia he 900 mau radiograph Korea, a me kahi hoʻonohonoho hoʻāʻo kūloko e loaʻa ana he 857 mau radiograph Kepanī. Ua hoʻohālikelike mākou i ka pololei o ka hoʻokaʻawale ʻana a me ka pono o nā ʻano kuʻuna me nā hoʻonohonoho hoʻāʻo o nā hiʻohiʻona ʻeli ʻikepili. ʻOi aku ka pololei o ke ʻano kuʻuna ma ka hoʻonohonoho hoʻāʻo kūloko ma mua o ke kumu hoʻohālike ʻeli ʻikepili, a he liʻiliʻi ka ʻokoʻa (awelika hewa loa <0.21 mau makahiki, kumu awelika hewa huinaha <0.24 mau makahiki). Ua like nō hoʻi ka hana hoʻokaʻawale no ka palena 18 makahiki ma waena o nā ʻano kuʻuna a me nā hiʻohiʻona ʻeli ʻikepili. No laila, hiki ke pani ʻia nā ʻano kuʻuna e nā kumu hoʻohālike ʻeli ʻikepili i ka wā e hana ai i ka loiloi makahiki forensic me ka hoʻohana ʻana i ka oʻo ʻana o nā molars ʻelua a me ke kolu i nā ʻōpio Korea a me nā ʻōpio.
Hoʻohana nui ʻia ka helu ʻana o ka makahiki niho i ka lāʻau lapaʻau forensic a me ka niho pediatric. ʻOi aku hoʻi, ma muli o ka pilina kiʻekiʻe ma waena o ka makahiki chronological a me ka ulu ʻana o ka niho, ʻo ka loiloi makahiki e nā pae ulu niho he kumu koʻikoʻi no ka loiloi ʻana i ka makahiki o nā keiki a me nā ʻōpio1,2,3. Eia nō naʻe, no ka poʻe ʻōpio, ʻo ka helu ʻana i ka makahiki niho ma muli o ka oʻo ʻana o ka niho he mau palena kona no ka mea ua kokoke pau ka ulu ʻana o ka niho, koe wale nō nā molars ʻekolu. ʻO ke kumu kū kānāwai o ka hoʻoholo ʻana i ka makahiki o ka poʻe ʻōpio a me nā ʻōpio, ʻo ia ka hāʻawi ʻana i nā kuhi pololei a me nā hōʻike ʻepekema inā 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 helu ʻia ka makahiki me ka hoʻohana ʻana i ke ʻano o Lee, a ua wānana ʻia kahi paepae kū 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 he ʻano naʻauao hana (AI) e aʻo pinepine a hoʻokaʻawale i nā ʻikepili he nui, hoʻoponopono i nā pilikia ma kāna iho, a hoʻokele i ka papahana ʻikepili. Hiki i ke aʻo ʻana i ka mīkini ke ʻike i nā ʻano huna pono i nā nui o ka ʻikepili6. I ka hoʻohālikelike ʻana, ʻo nā ʻano hana kuʻuna, he hana nui a hoʻopau manawa, he mau palena paha i ka wā e hana ai me nā nui o ka ʻikepili paʻakikī e paʻakikī ke hana lima7. No laila, ua hana ʻia nā haʻawina he nui i hala koke nei me ka hoʻohana ʻana i nā ʻenehana kamepiula hou loa e hōʻemi i nā hewa kanaka a hoʻoponopono pono i ka ʻikepili multidimensional8,9,10,11,12. Ma ke ʻano kūikawā, ua hoʻohana nui ʻia ke aʻo hohonu i ka nānā ʻana i nā kiʻi lapaʻau, a ua hōʻike ʻia nā ʻano hana like ʻole no ka helu ʻana i ka makahiki ma o ka nānā pono ʻana i nā radiographs e hoʻomaikaʻi i ka pololei a me ka pono o ka helu ʻana i ka 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 pūnaewele neural convolutional (CNN) e helu i ka makahiki skeletal me ka hoʻohana ʻana i nā radiographs o nā lima o nā keiki. Hāʻawi kēia haʻawina i kahi kumu hoʻohālike e hoʻopili ana i ke aʻo ʻana i ka mīkini i nā kiʻi lapaʻau a hōʻike e hiki i kēia mau ʻano ke hoʻomaikaʻi i ka pololei o ka diagnostic. Ua kuhi ʻo Li et al14 i ka makahiki mai nā kiʻi X-ray pelvic me ka hoʻohana ʻana i kahi CNN aʻo hohonu a hoʻohālikelike iā lākou me nā hopena regression me ka hoʻohana ʻana i ka ossification stage estimation. Ua ʻike lākou ua hōʻike ke kumu hoʻohālike CNN aʻo hohonu i ka hana kuhi makahiki like me ke kumu hoʻohālike regression kuʻuna. Ua loiloi ke aʻo ʻana a Guo et al. [15] i ka hana hoʻokaʻawale hoʻomanawanui makahiki o ka ʻenehana CNN e pili ana i nā orthophotos niho, a ua hōʻoia nā hopena o ke kumu hoʻohālike CNN ua ʻoi aku ka maikaʻi o ke kanaka ma mua o kāna hana hoʻokaʻawale makahiki.
ʻO ka hapa nui o nā haʻawina e pili ana i ka helu ʻana o ka makahiki me ka hoʻohana ʻana i ke aʻo ʻana o ka mīkini e hoʻohana i nā ʻano aʻo hohonu13,14,15,16,17,18,19,20. Ua hōʻike ʻia ʻoi aku ka pololei o ka helu ʻana o ka makahiki ma muli o ke aʻo hohonu ma mua o nā ʻano kuʻuna. Eia nō naʻe, hāʻawi kēia ʻano i ka manawa kūpono ʻole e hōʻike i ke kumu ʻepekema no nā kuhi makahiki, e like me nā ʻōkuhi makahiki i hoʻohana ʻia i nā kuhi. Aia kekahi paio kānāwai e pili ana i ka mea nāna e hana i nā nānā. No laila, he paʻakikī ke ʻae ʻia ka helu ʻana o ka makahiki ma muli o ke aʻo hohonu e nā luna hoʻomalu a me nā luna hoʻokolokolo. ʻO ka ʻeli ʻikepili (DM) kahi ʻenehana e hiki ai ke ʻike ʻaʻole wale i ka ʻike i manaʻo ʻia akā i manaʻo ʻole ʻia hoʻi ma ke ʻano he ʻano no ka ʻike ʻana i nā pilina pono ma waena o nā nui o ka ʻikepili6,21,22. Hoʻohana pinepine ʻia ke aʻo ʻana o ka mīkini i ka ʻeli ʻikepili, a hoʻohana nā ʻeli ʻikepili a me ke aʻo ʻana o ka mīkini i nā algorithms koʻikoʻi like e ʻike i nā ʻano ma ka ʻikepili. Hoʻokumu ʻia ka helu ʻana o ka makahiki me ka hoʻomohala niho ma ka loiloi a ka mea nānā i ka oʻo ʻana o nā niho i manaʻo ʻia, a ua hōʻike ʻia kēia loiloi ma ke ʻano he kahua no kēlā me kēia niho i manaʻo ʻia. Hiki ke hoʻohana ʻia ʻo DM e kālailai i ka pilina ma waena o ke kahua loiloi niho a me ka makahiki maoli a loaʻa iā ia ka hiki ke pani i ka loiloi helu kuʻuna. No laila, inā mākou e hoʻopili i nā ʻano hana DM i ka helu ʻana o ka makahiki, hiki iā mākou ke hoʻokō i ke aʻo ʻana o ka mīkini i ka helu ʻana o ka makahiki forensic me ka hopohopo ʻole e pili ana i ke kuleana kānāwai. Ua paʻi ʻia kekahi mau haʻawina hoʻohālikelike ma nā koho ʻē aʻe i nā ʻano hana lima kuʻuna i hoʻohana ʻia i ka hana forensic a me nā ʻano hana EBM no ka hoʻoholo ʻana i ka makahiki niho. Ua hōʻike ʻo Shen et al23 ua ʻoi aku ka pololei o ke kumu hoʻohālike DM ma mua o ke ʻano hana Camerer kuʻuna. Ua hoʻopili ʻo Galibourg et al24 i nā ʻano hana DM like ʻole e wānana i ka makahiki e like me ke kumu hoʻohālike Demirdjian25 a ua hōʻike nā hopena ua ʻoi aku ka maikaʻi o ke ʻano DM ma mua o nā ʻano hana Demirdjian lāua ʻo Willems i ka helu ʻana i ka makahiki o ka heluna kanaka Farani.
No ke kuhi ʻana i ka makahiki niho o nā ʻōpio a me nā mākua ʻōpio Korea, hoʻohana nui ʻia ke ʻano hana 4 a Lee i ka hana forensic Korea. Hoʻohana kēia ʻano hana i ka loiloi helu kuʻuna (e like me ka regression maha) e nānā i ka pilina ma waena o nā kumuhana Korea a me ka makahiki chronological. Ma kēia haʻawina, ua wehewehe ʻia nā ʻano kuhi makahiki i loaʻa me ka hoʻohana ʻana i nā ʻano helu kuʻuna he "mau ʻano kuʻuna." He ʻano kuʻuna ke ʻano hana a Lee, a ua hōʻoia ʻia kona pololei e Oh et al. 5; akā naʻe, he mea kānalua nō ka hoʻohana ʻana o ka kuhi makahiki e pili ana i ke kumu hoʻohālike DM i ka hana forensic Korea. ʻO kā mākou pahuhopu ka hōʻoia ʻepekema i ka pono kūpono o ka kuhi makahiki e pili ana i ke kumu hoʻohālike DM. ʻO ke kumu o kēia haʻawina (1) e hoʻohālikelike i ka pololei o ʻelua mau hiʻohiʻona DM i ka kuhi ʻana i ka makahiki niho a me (2) e hoʻohālikelike i ka hana hoʻokaʻawale o 7 mau hiʻohiʻona DM i ka makahiki 18 me nā mea i loaʻa me ka hoʻohana ʻana i nā ʻano helu kuʻuna. ʻO ka oʻo ʻana o nā molars ʻelua a me ke kolu ma nā ʻāwae ʻelua.
Hōʻike ʻia nā ʻano a me nā ʻokoʻa maʻamau o ka makahiki chronological e ke kahua a me ke ʻano niho ma ka pūnaewele ma ka Papa Hoʻohui S1 (hoʻonohonoho hoʻomaʻamaʻa), Papa Hoʻohui S2 (hoʻonohonoho hoʻāʻo kūloko), a me ka Papa Hoʻohui S3 (hoʻonohonoho hoʻāʻo waho). ʻO nā waiwai kappa no ka hilinaʻi intra- a me interobserver i loaʻa mai ka hoʻonohonoho hoʻomaʻamaʻa he 0.951 a me 0.947, kēlā me kēia. Hōʻike ʻia nā waiwai P a me nā manawa hilinaʻi 95% no nā waiwai kappa ma ka papa hoʻohui pūnaewele S4. Ua unuhi ʻia ka waiwai kappa he "ʻaneʻane hemolele", e kūlike me nā pae hoʻohālike o Landis lāua ʻo Koch26.
I ka hoʻohālikelike ʻana i ka awelika hewa paʻa (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 nō ka multilayer perceptron (MLP). ʻO ka ʻokoʻa ma waena o ke kumu hoʻohālike kuʻuna a me ke kumu 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 pākaukau hoʻāʻo 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 awelika square error (RMSE) ma mua o ke ʻano kuʻuna, me nā ʻokoʻa liʻiliʻi (0.17-0.24, 0.2-0.24 no ka hoʻonohonoho hoʻāʻo kāne kūloko, a me 0.03-0.07, 0.04-0.08 no ka hoʻonohonoho hoʻāʻo waho). ). Hōʻike ʻo MLP i ka hana maikaʻi iki ma mua o ka Single Layer Perceptron (SLP), koe wale nō ke ʻano o ka hoʻonohonoho hoʻāʻo wahine waho. No MAE a me RMSE, ʻoi aku ka kiʻekiʻe o nā helu o ka hoʻāʻo waho ma mua o ka hoʻāʻo kūloko no nā kāne a me nā kumu hoʻohālike āpau. Hōʻike ʻia nā MAE a me RMSE āpau ma ka Papa 1 a me ke Kiʻi 1.
MAE a me RMSE o nā kumu hoʻohālike regression kuʻuna a me ka ʻikepili mining. ʻO ka awelika hewa paʻa MAE, ka awelika kumu hewa huinaha RMSE, ka perceptron papa hoʻokahi SLP, ka multilayer perceptron MLP, ke ʻano CM kuʻuna.
Ua hōʻike ʻia ka hana hoʻokaʻawale (me ka palena o 18 mau makahiki) o nā hiʻohiʻona kuʻuna a me DM ma ke ʻano o ka ʻike, ke kikoʻī, ka waiwai wānana maikaʻi (PPV), ka waiwai wānana maikaʻi ʻole (NPV), a me ka wahi ma lalo o ke kaʻina hana hana o ka mea loaʻa (AUROC) 27 (Papa 2, Kiʻi 2 a me ke Kiʻi Hoʻohui 1 ma ka pūnaewele). Ma ke ʻano o ka ʻike o ka pākaukau hoʻāʻo kūloko, ua hana maikaʻi nā hana kuʻuna i waena o nā kāne a ʻoi aku ka ʻino i waena o nā wahine. Eia nō naʻe, ʻo ka ʻokoʻa o ka hana hoʻokaʻawale ma waena o nā hana kuʻuna a me SD he 9.7% no nā kāne (MLP) a he 2.4% wale nō no nā wahine (XGBoost). Ma waena o nā hiʻohiʻona DM, ua hōʻike ka regression logistic (LR) i ka ʻike maikaʻi aʻe i nā kāne ʻelua. E pili ana i ke kikoʻī o ka hoʻonohonoho hoʻāʻo kūloko, ua ʻike ʻia ua hana maikaʻi nā hiʻohiʻona SD ʻehā i nā kāne, ʻoiai ua hana maikaʻi ke kumu hoʻohālike kuʻuna i nā wahine. ʻO nā ʻokoʻa o ka hana hoʻokaʻawale no nā kāne a me nā wahine he 13.3% (MLP) a me 13.1% (MLP), kēlā me kēia, e hōʻike ana ua ʻoi aku ka ʻokoʻa o ka hana hoʻokaʻawale ma waena o nā hiʻohiʻona ma mua o ka ʻike. Ma waena o nā hiʻohiʻona DM, ʻo ka mīkini vector kākoʻo (SVM), ka lāʻau hoʻoholo (DT), a me nā hiʻohiʻona ululāʻau random (RF) i hana maikaʻi loa i waena o nā kāne, ʻoiai ʻo ke kumu hoʻohālike LR i hana maikaʻi loa i waena o nā wahine. ʻOi aku ka nui o ka AUROC o ke kumu hoʻohālike kuʻuna a me nā hiʻohiʻona SD āpau ma mua o 0.925 (k-nearest neighbor (KNN) i nā kāne), e hōʻike ana i ka hana hoʻokaʻawale maikaʻi loa i ka hoʻokaʻawale ʻana i nā laʻana 18 makahiki28. No ka hoʻonohonoho hoʻāʻo waho, ua emi ka hana hoʻokaʻawale ma ke ʻano o ka ʻike, ke kikoʻī a me ka AUROC i hoʻohālikelike ʻia me ka hoʻonohonoho hoʻāʻo kūloko. Eia kekahi, ʻo ka ʻokoʻa o ka ʻike a me ke kikoʻī ma waena o ka hana hoʻokaʻawale o nā hiʻohiʻona maikaʻi loa a me nā mea ʻino loa mai 10% a 25% a ʻoi aku ka nui ma mua o ka ʻokoʻa ma ka hoʻonohonoho hoʻāʻo kūloko.
ʻO ke ʻano o ka ʻike a me ke kikoʻī o nā kumu hoʻohālikelike hoʻokaʻawale ʻikepili i hoʻohālikelike ʻia me nā ʻano kuʻuna me ka palena o 18 mau makahiki. ʻO KNN k kokoke loa, ka mīkini vector kākoʻo SVM, ka regression logistic LR, ka lāʻau hoʻoholo DT, ka ululāʻau random RF, XGB XGBoost, MLP multilayer perceptron, ke ʻano CM kuʻuna.
ʻO ka hana mua ma kēia noiʻi, ʻo ia ka hoʻohālikelike ʻana i ka pololei o nā kuhi makahiki niho i loaʻa mai nā hiʻohiʻona DM ʻehiku me nā mea i loaʻa me ka hoʻohana ʻana i ka regression kuʻuna. Ua loiloi ʻia ʻo MAE a me RMSE i nā hoʻonohonoho hoʻāʻo 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 mau lā no MAE a mai 62 a 88 mau lā no RMSE. ʻOiai ʻoi aku ka pololei o ke ʻano kuʻuna ma kēia noiʻi, he paʻakikī ke hoʻoholo inā he koʻikoʻi lapaʻau a hana paha kēlā ʻokoʻa liʻiliʻi. Hōʻike kēia mau hopena ua aneane like ka pololei o ka kuhi makahiki niho me ka hoʻohana ʻana i ke kumu hoʻohālike DM me ke ʻano kuʻuna. He paʻakikī ka hoʻohālikelike pololei ʻana me nā hopena mai nā noiʻi ma mua no ka mea ʻaʻohe noiʻi i hoʻohālikelike i ka pololei o nā hiʻohiʻona DM me nā ʻano helu kuʻuna e hoʻohana ana i ke ʻano hana like o ka hoʻopaʻa ʻana i nā niho i ka pae makahiki like me kēia noiʻi. Ua hoʻohālikelike ʻo Galibourg et al24 iā MAE a me RMSE ma waena o ʻelua mau ʻano kuʻuna (ʻano Demirjian25 a me ke ʻano Willems29) a me 10 mau hiʻohiʻona DM i loko o kahi heluna kanaka Farani i piha i 2 a 24 mau makahiki. Ua hōʻike lākou ua ʻoi aku ka pololei o nā hiʻohiʻona DM āpau 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, kēlā me kēia. ʻO ka ʻokoʻa ma waena o ke kumu hoʻohālike SD a me nā ʻano kuʻuna i hōʻike ʻia ma ke aʻo ʻana ʻo Halibourg e noʻonoʻo ana i nā hōʻike he nui30,31,32,33 ʻaʻole i kuhi pololei ke ʻano Demirdjian i ka makahiki niho i nā heluna kanaka ʻē aʻe ma mua o nā Kanada Farani i hoʻokumu ʻia ai ke aʻo ʻana. ma kēia haʻawina. Ua hoʻohana ʻo Tai et al 34 i ka algorithm MLP e wānana i ka makahiki niho mai nā kiʻi orthodontic Kina 1636 a hoʻohālikelike i kona pololei me nā hopena o ke ʻano Demirjian a me Willems. Ua hōʻike lākou he ʻoi aku ka pololei o MLP ma mua o nā ʻano 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, kahi like me nā hopena o ke aʻo ʻana o kēia manawa. Ua kūlike pū nā hopena o kēia mau haʻawina ma mua24,34 me nā hopena o ke aʻo ʻana o kēia manawa, a ua like ka pololei o ka kuhi ʻana o ka makahiki o ke kumu hoʻohālike DM a me ke ʻano kuʻuna. Eia nō naʻe, ma muli o nā hopena i hōʻike ʻia, hiki iā mākou ke hoʻoholo me ke akahele e hiki i ka hoʻohana ʻana i nā kumu hoʻohālike DM e kuhi i ka makahiki ke pani i nā ʻano hana e kū nei ma muli o ka nele o nā haʻawina hoʻohālikelike a me nā kuhikuhi mua. Pono nā haʻawina hahai e hoʻohana ana i nā laʻana nui aʻe e hōʻoia i nā hopena i loaʻa ma kēia haʻawina.
Ma waena o nā haʻawina e hoʻāʻo ana i ka pololei o SD i ka helu ʻana i ka makahiki niho, ua hōʻike kekahi i ka pololei kiʻekiʻe ma mua o kā mākou haʻawina. Ua hoʻopili ʻo Stepanovsky et al 35 i 22 mau hiʻohiʻona SD i nā radiograph panoramic o 976 mau kamaʻāina Czech i piha i ka makahiki 2.7 a 20.5 mau makahiki a ua 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 hema me ka hoʻohana ʻana i nā pae hoʻokaʻawale i hāpai ʻia e Moorrees et al 36. Loaʻa ka MAE mai 0.64 a 0.94 mau makahiki a loaʻa ka RMSE mai 0.85 a 1.27 mau 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 e kuhi i ka makahiki niho o ʻehiku mau niho mau loa ma ka mandible hema i nā kamaʻāina Kina hikina i piha i ka makahiki 5 a 13 mau makahiki a hoʻohālikelike iā ia me nā makahiki i manaʻo ʻia me ka hoʻohana ʻana i ka regression linear, SVM a me RF. Ua hōʻike lākou he ʻoi aku ka pololei o nā hiʻohiʻona DM ʻekolu i hoʻohālikelike ʻia me ke ʻano Cameriere kuʻuna. ʻOi aku ka haʻahaʻa o ka MAE a me RMSE ma ke aʻo ʻana a Shen ma mua o nā mea i loko o ke kumu hoʻohālike DM ma kēia aʻo ʻana. ʻO ka hoʻonui ʻia ʻana o ka pololei o nā haʻawina e Stepanovsky et al. 35 a me Shen et al. 23 ma muli paha o ka hoʻokomo ʻia ʻana o nā kumuhana ʻōpio i kā lākou mau laʻana aʻo. No ka mea, ʻoi aku ka pololei o nā kuhi makahiki no nā mea komo me nā niho e ulu ana i ka piʻi ʻana o ka helu o nā niho i ka wā o ka ulu ʻana o nā niho, hiki ke hoʻopilikia ʻia ka pololei o ke ʻano kuhi makahiki i loaʻa i ka wā ʻōpio o nā mea komo i ke aʻo ʻana. Eia kekahi, ʻoi aku ka liʻiliʻi o ka hewa o MLP i ka kuhi makahiki ma mua o SLP, ʻo ia hoʻi, ʻoi aku ka pololei o MLP ma mua o SLP. Manaʻo ʻia ʻoi aku ka maikaʻi o MLP no ka kuhi makahiki, ma muli paha o nā papa huna i loko o MLP38. Eia nō naʻe, aia kahi ʻokoʻa no ka laʻana 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 ka makahiki e pono ai nā haʻawina retrospective hou aʻe.
Ua hoʻohālikelike ʻia hoʻi ka hana hoʻokaʻawale o ke kumu hoʻohālike DM a me ke ʻano kuʻuna ma kahi paepae 18 makahiki. Ua hōʻike nā kumu hoʻohālike SD a pau i hoʻāʻo ʻia a me nā ʻano kuʻuna ma ka hoʻonohonoho hoʻāʻo kūloko i nā pae hoʻokae i ʻae ʻia no ka laʻana 18 makahiki. ʻOi aku ka ʻike no nā kāne a me nā wahine ma mua o 87.7% a me 94.9%, kēlā me kēia, a ʻoi aku ka ʻike kikoʻī ma mua o 89.3% a me 84.7%. ʻOi aku ka AUROC o nā kumu hoʻohālike a pau i hoʻāʻo ʻia ma mua o 0.925. I ko mākou ʻike maikaʻi loa, ʻaʻohe noiʻi i hoʻāʻo i ka hana o ke kumu hoʻohālike DM no ka hoʻokaʻawale ʻana he 18 makahiki e pili ana i ka oʻo ʻana o ka niho. Hiki iā mākou ke hoʻohālikelike i nā hopena o kēia noiʻi me ka hana hoʻokaʻawale o nā kumu hoʻohālike aʻo hohonu ma nā radiograph panoramic. Ua helu ʻo Guo et al.15 i ka hana hoʻokaʻawale o kahi kumu hoʻohālike aʻo hohonu e pili ana iā CNN a me kahi ʻano manual e pili ana i ke ʻano o Demirjian no kekahi paepae makahiki. ʻO ke ʻano maʻalahi a me ke kikoʻī o ke ʻano hana lima he 87.7% a me 95.5%, kēlā me kēia, a ʻoi aku ka ʻike a me ke kikoʻī o ke kumu hoʻohālike CNN ma mua o 89.2% a me 86.6%. Ua hoʻoholo lākou e hiki i nā hiʻohiʻona aʻo hohonu ke pani a ʻoi aku paha ma mua o ka loiloi lima i ka hoʻokaʻawale ʻana i nā paepae makahiki. Ua hōʻike nā hopena o kēia haʻawina i ka hana hoʻokaʻawale like; Ua manaʻoʻiʻo ʻia e hiki i ka hoʻokaʻawale ʻana me ka hoʻohana ʻana i nā hiʻohiʻona DM ke pani i nā ʻano helu kuʻuna no ka helu ʻana i ka makahiki. Ma waena o nā hiʻohiʻona, ʻo DM LR ke kumu hoʻohālike maikaʻi loa ma ke ʻano o ka ʻike no ka hāpana kāne a me ka ʻike a me ke kikoʻī no ka hāpana wahine. ʻO LR ka lua ma ke kikoʻī no nā kāne. Eia kekahi, ua manaʻo ʻia ʻo LR kekahi o nā hiʻohiʻona DM35 maʻalahi a hoʻohana a ʻoi aku ka paʻakikī e hana. Ma muli o kēia mau hopena, ua manaʻo ʻia ʻo LR ke kumu hoʻohālike hoʻokaʻawale cutoff maikaʻi loa no nā makahiki 18 i ka heluna kanaka Korea.
Ma keʻano holoʻokoʻa, ʻaʻole maikaʻi a haʻahaʻa paha ka pololei o ka kuhi makahiki a i ʻole ka hana hoʻokaʻawale ma ka hoʻonohonoho hoʻāʻo waho i hoʻohālikelike ʻia me nā hopena ma ka hoʻonohonoho hoʻāʻo kūloko. Hōʻike kekahi mau hōʻike e emi ana ka pololei o ka hoʻokaʻawale ʻana a i ʻole ka pono ke hoʻopili ʻia nā kuhi makahiki e pili ana i ka heluna kanaka Korea i ka heluna kanaka Kepanī5,39, a ua loaʻa kahi ʻano like ma ke aʻo ʻana o kēia manawa. Ua ʻike ʻia kēia ʻano hōʻino i ke kumu hoʻohālike DM. No laila, no ka kuhi pololei ʻana i ka makahiki, ʻoiai ke hoʻohana nei iā DM i ke kaʻina hana loiloi, pono e makemake ʻia nā ʻano i loaʻa mai ka ʻikepili heluna kanaka maoli, e like me nā ʻano kuʻuna5,39,40,41,42. No ka mea ʻaʻole maopopo inā hiki i nā hiʻohiʻona aʻo hohonu ke hōʻike i nā ʻano like, pono nā haʻawina e hoʻohālikelike ana i ka pololei o ka hoʻokaʻawale ʻana a me ka pono me ka hoʻohana ʻana i nā ʻano kuʻuna, nā hiʻohiʻona DM, a me nā hiʻohiʻona aʻo hohonu ma nā laʻana like e hōʻoia inā hiki i ka naʻauao hana ke lanakila i kēia mau ʻokoʻa lāhui i ka makahiki palena. nā loiloi.
Ke hōʻike nei mākou e hiki ke pani ʻia nā ʻano kuʻuna e ka kuhi makahiki e pili ana i ke kumu hoʻohālike DM i ka hana kuhi makahiki forensic ma Korea. Ua ʻike pū mākou i ka hiki ke hoʻokō i ke aʻo mīkini no ka loiloi makahiki forensic. Eia nō naʻe, aia nā palena maopopo, e like me ka lawa ʻole o ka nui o nā mea 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 hana ʻia nā haʻawina DM me nā helu nui o nā laʻana a me nā heluna kanaka like ʻole e hoʻomaikaʻi i kona hiki ke hoʻohana ʻia i hoʻohālikelike ʻia me nā ʻano kuʻuna. No ka hōʻoia ʻana i ka hiki ke hoʻohana i ka naʻauao artificial e kuhi i ka makahiki ma nā heluna kanaka he nui, pono nā haʻawina e hiki mai ana e hoʻohālikelike i ka pololei o ka hoʻokaʻawale ʻana a me ka pono o DM a me nā hiʻohiʻona aʻo hohonu me nā ʻano kuʻuna i nā laʻana like.
Ua hoʻohana ke aʻo ʻana i 2,657 mau kiʻi orthographic i hōʻiliʻili ʻia mai nā pākeke Kōlea a me Kepanī i piha i ka makahiki 15 a 23. Ua māhele ʻia nā radiographs Kōlea i 900 mau hoʻonohonoho hoʻomaʻamaʻa (19.42 ± 2.65 mau makahiki) a me 900 mau hoʻonohonoho hoʻāʻo kūloko (19.52 ± 2.59 mau makahiki). Ua hōʻiliʻili ʻia ka hoʻonohonoho hoʻomaʻamaʻa ma kekahi hale (Halemai ʻo Seoul St. Mary), a ua hōʻiliʻili ʻia ka hoʻonohonoho hoʻāʻo ponoʻī ma ʻelua mau hale (Halemai Niho o ke Kulanui ʻo Seoul National a me ka Halemai Niho o ke Kulanui ʻo Yonsei). Ua hōʻiliʻili pū mākou i 857 mau radiographs mai kahi ʻikepili ʻē aʻe e pili ana i ka heluna kanaka (Ke Kulanui Lapaʻau ʻo Iwate, Iapana) no ka hoʻāʻo ʻana ma waho. Ua koho ʻia nā radiographs o nā kumuhana Kepanī (19.31 ± 2.60 mau makahiki) ma ke ʻano he hoʻonohonoho hoʻāʻo waho. Ua hōʻiliʻili ʻia nā ʻikepili ma hope e kālailai i nā pae o ka ulu ʻana o nā niho ma nā radiographs panoramic i lawe ʻia i ka wā o ka mālama niho. ʻAʻohe inoa o nā ʻikepili a pau i hōʻiliʻili ʻia koe wale nō ke kāne, ka lā hānau a me ka lā o ka radiograph. Ua like nā pae hoʻokomo a me ka hoʻokaʻawale 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 ke kiʻi radio. Ua māhele ʻia ka hui hāpana i ʻeiwa mau pūʻulu makahiki. Hōʻike ʻia ka hoʻokaʻawale ʻana o ka makahiki a me ke kāne ma ka Papa 3. Ua mālama ʻia kēia haʻawina e like me ka Hōʻike o Helsinki a ua ʻāpono ʻia e ka Papa Hoʻoponopono ʻAhahui (IRB) o ka Halemai ʻo Seoul St. Mary o ke Kulanui Katolika o Korea (KC22WISI0328). Ma muli o ka hoʻolālā retrospective o kēia haʻawina, ʻaʻole hiki ke loaʻa ka ʻae ʻia mai nā maʻi āpau e hana ana i ka hoʻokolokolo radiographic no nā kumu therapeutic. Ua kāpae ka Halemai ʻo Seoul Korea University St. Mary (IRB) i ke koi no ka ʻae ʻia.
Ua loiloi ʻia nā pae hoʻomohala o nā molars bimaxillary ʻelua a me ke kolu e like me nā pae Demircan25. Hoʻokahi niho wale nō i koho ʻia inā loaʻa ke ʻano niho like ma nā ʻaoʻao hema a me ka ʻākau o kēlā me kēia ʻāwae. Inā he mau pae hoʻomohala like ʻole nā niho homologous ma nā ʻaoʻao ʻelua, ua koho ʻia ka niho me ke kahua hoʻomohala haʻahaʻa e helu ai i ka maopopo ʻole i ka makahiki i manaʻo ʻia. Hoʻokahi haneli mau radiographs i koho ʻia ma ke ʻano random mai ka hoʻonohonoho hoʻomaʻamaʻa i helu ʻia e ʻelua mau mea nānā akamai e hoʻāʻo i ka hilinaʻi interobserver ma hope o ka precalibration e hoʻoholo i ke kahua oʻo niho. Ua loiloi ʻia ka hilinaʻi Intraobserver i ʻelua manawa i nā manawa ʻekolu mahina e ka mea nānā mua.
Ua kuhi ʻia ke ʻano a me ke kahua hoʻomohala o nā molars ʻelua a me ke kolu o kēlā me kēia ʻāwae i loko o ka hoʻonohonoho hoʻomaʻamaʻa e kahi mea nānā mua i hoʻomaʻamaʻa ʻia me nā hiʻohiʻona DM like ʻole, a ua hoʻonohonoho ʻia ka makahiki maoli ma ke ʻano he waiwai pahuhopu. Ua hoʻāʻo ʻia nā hiʻohiʻona SLP a me MLP, i hoʻohana nui ʻia i ke aʻo ʻana i ka mīkini, e kūʻē i nā algorithms regression. Hoʻohui ke kumu hoʻohālike DM i nā hana linear me ka hoʻohana ʻana i nā pae hoʻomohala o nā niho ʻehā a hoʻohui i kēia mau ʻikepili e kuhi i ka makahiki. ʻO SLP ka pūnaewele neural maʻalahi loa a ʻaʻohe ona papa huna. Hana ʻo SLP ma muli o ka hoʻoili paepae ma waena o nā nodes. ʻO ke kumu hoʻohālike SLP i ka regression ua like ia me ka regression linear maha. ʻAʻole like me ke kumu hoʻohālike SLP, loaʻa i ke kumu hoʻohālike MLP nā papa huna he nui me nā hana hoʻāla nonlinear. Ua hoʻohana kā mākou mau hoʻokolohua i kahi papa huna me 20 mau nodes huna wale nō me nā hana hoʻāla nonlinear. E hoʻohana i ka gradient descent ma ke ʻano he ʻano hoʻonui a me MAE a me RMSE ma ke ʻano he hana pohō e hoʻomaʻamaʻa i kā mākou kumu hoʻohālike aʻo mīkini. Ua hoʻopili ʻia ke kumu hoʻohālike regression i loaʻa maikaʻi loa i nā hoʻonohonoho hoʻāʻo kūloko a me waho a ua kuhi ʻia ka makahiki o nā niho.
Ua hoʻomohala ʻia kahi algorithm hoʻokaʻawale e hoʻohana ana i ka oʻo ʻana o nā niho ʻehā ma ka hoʻonohonoho hoʻomaʻamaʻa e wānana inā he 18 mau makahiki o kahi laʻana a ʻaʻole paha. No ke kūkulu ʻana i ke kumu hoʻohālike, ua loaʻa iā mākou ʻehiku mau algorithm aʻo mīkini hōʻike6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, a me (7) MLP. ʻO LR kekahi o nā algorithm hoʻokaʻawale i hoʻohana nui ʻia44. He algorithm aʻo i mālama ʻia e hoʻohana ana i ka regression e wānana i ka hiki ke loaʻa o ka ʻikepili e pili ana i kahi māhele mai 0 a 1 a hoʻokaʻawale i ka ʻikepili e like me ka mea e pili ana i kahi māhele ʻoi aku ka likelika ma muli o kēia hiki; hoʻohana nui ʻia no ka hoʻokaʻawale binary. ʻO KNN kekahi o nā algorithm aʻo mīkini maʻalahi45. Ke hāʻawi ʻia i ka ʻikepili hoʻokomo hou, loaʻa iā ia ka ʻikepili k kokoke i ka hoʻonohonoho e kū nei a laila hoʻokaʻawale iā lākou i loko o ka papa me ke alapine kiʻekiʻe loa. Hoʻonohonoho 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 ʻelua mau papa ma ka hoʻohana ʻana i kahi hana kernel e hoʻonui i ka ākea linear i loko o kahi ākea non-linear i kapa ʻia nā kahua46. No kēia kumu hoʻohālike, hoʻohana mākou i ka bias = 1, ka mana = 1, a me ka gamma = 1 ma ke ʻano he hyperparameters no ka polynomial kernel. Ua hoʻohana ʻia ʻo DT ma nā ʻano like ʻole ma ke ʻano he algorithm no ka hoʻokaʻawale ʻana i kahi ʻikepili holoʻokoʻa i loko o kekahi mau subgroups ma ka hōʻike ʻana i nā lula hoʻoholo i loko o kahi ʻano lāʻau47. Hoʻonohonoho ʻia ke kumu hoʻohālike me ka helu liʻiliʻi o nā moʻolelo no kēlā me kēia node o 2 a hoʻohana i ka Gini index ma ke ʻano he ana o ka maikaʻi. ʻO RF kahi ʻano ensemble e hoʻohui i nā DT he nui e hoʻomaikaʻi i ka hana me ka hoʻohana ʻana i kahi ʻano hoʻohui bootstrap e hana ana i kahi classifier nāwaliwali no kēlā me kēia laʻana ma ke kahakiʻi ʻana i nā laʻana o ka nui like i nā manawa he nui mai ka dataset kumu48. Ua hoʻohana mākou i 100 mau lāʻau, 10 mau hohonu lāʻau, 1 ka nui o ka node liʻiliʻi, a me ka Gini admixture index ma ke ʻano he mau pae hoʻokaʻawale node. Hoʻoholo ʻia ka hoʻokaʻawale ʻana o ka ʻikepili hou e ka hapa nui o ka balota. ʻO XGBoost kahi algorithm e hoʻohui i nā ʻenehana hoʻoikaika me ka hoʻohana ʻana i kahi ʻano e lawe ai i ka hewa ma waena o nā waiwai maoli a me nā waiwai i wānana ʻia o ke kumu hoʻohālike ma 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 o nā kumuwaiwai, a me ka hilinaʻi kiʻekiʻe e like me ka hana hoʻoponopono overfitting. Ua lako ka hoʻohālike me 400 mau huila kākoʻo. ʻO MLP kahi pūnaewele neural kahi e hoʻokumu ai kekahi a ʻoi aku paha nā perceptrons i nā papa he nui me hoʻokahi a ʻoi aku paha nā papa huna ma waena o nā papa hoʻokomo a me nā papa hoʻopuka38. Ma ka hoʻohana ʻana i kēia, hiki iā ʻoe ke hana i ka hoʻokaʻawale ʻole-linear kahi e hoʻohui ai ʻoe i kahi papa hoʻokomo a loaʻa kahi waiwai hopena, hoʻohālikelike ʻia ka waiwai hopena i wānana ʻia me ka waiwai hopena maoli a hoʻolaha hou ʻia ka hewa. Ua hana mākou i kahi papa huna me 20 mau neurons huna i kēlā me kēia papa. Ua hoʻopili ʻia kēlā me kēia hoʻohālike a mākou i hoʻomohala ai i nā set kūloko a me waho e hoʻāʻo i ka hana hoʻokaʻawale ma ka helu ʻana i ka ʻike, ke kikoʻī, PPV, NPV, a me AUROC. Ua wehewehe ʻia ka ʻike ʻo ia ka lakio 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 ke kikoʻī ka hapa o nā laʻana ma lalo o 18 mau makahiki a me nā mea i manaʻo ʻia ma lalo o 18 mau makahiki.
Ua hoʻololi ʻia nā pae niho i loiloi ʻia ma ka hoʻonohonoho hoʻomaʻamaʻa i nā pae helu no ka loiloi helu. Ua hana ʻia ka regression linear a me ka logistic multivariate e hoʻomohala i nā hiʻohiʻona wānana no kēlā me kēia kāne a loaʻa nā ʻano regression i hiki ke hoʻohana ʻia e kuhi i ka makahiki. Ua hoʻohana mākou i kēia mau ʻano e kuhi i ka makahiki niho no nā hoʻonohonoho hoʻāʻo kūloko a me waho. Hōʻike ka Papa 4 i nā hiʻohiʻona regression a me ka hoʻokaʻawale ʻana i hoʻohana ʻia ma kēia haʻawina.
Ua helu ʻia ka hilinaʻi intra- a me interobserver me ka hoʻohana ʻana i 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 e loiloi i ka pololei o nā wānana hoʻohālike. ʻO ka liʻiliʻi o ka hewa, ʻo ka kiʻekiʻe o ka pololei o ka wānana24. E hoʻohālikelike i ka MAE a me RMSE o nā hoʻonohonoho hoʻāʻo kūloko a me waho i helu ʻia me ka hoʻohana ʻana iā DM a me ka regression kuʻuna. Ua loiloi ʻia ka hana hoʻokaʻawale o ka cutoff 18 makahiki i nā helu kuʻuna me ka hoʻohana ʻana i kahi papa contingency 2 × 2. Ua hoʻohālikelike ʻia ka ʻike i helu ʻia, ka kikoʻī, PPV, NPV, a me AUROC o ka hoʻonohonoho hoʻāʻo me nā waiwai i ana ʻia o ke kumu hoʻohālike hoʻokaʻawale DM. Hōʻike ʻia nā ʻikepili ma ke ʻano he mean ± standard deviation a i ʻole ka helu (%) ma muli o nā ʻano ʻikepili. Ua manaʻo ʻia he koʻikoʻi ka helu ʻikepili o nā waiwai P ʻelua ʻaoʻao <0.05. Ua hana ʻia nā loiloi helu maʻamau a pau me ka hoʻohana ʻana iā SAS mana 9.4 (SAS Institute, Cary, NC). Ua hoʻokō ʻia ke kumu hoʻohālike regression DM ma Python me ka hoʻohana ʻana i ka Keras50 2.2.4 backend a me Tensorflow51 1.8.0 no nā hana makemakika. Ua hoʻokō ʻia ke kumu hoʻohālike hoʻokaʻawale DM ma ka Waikato Knowledge Analysis Environment a me ka paepae loiloi Konstanz Information Miner (KNIME) 4.6.152.
Ua ʻae nā mea kākau e loaʻa nā ʻikepili e kākoʻo ana i nā hopena o ke aʻo ʻana ma ka ʻatikala a me nā mea kōkua. Loaʻa nā ʻikepili i hana ʻia a/a i ʻole i kālailai ʻia i ka wā o ke aʻo ʻana mai ka mea kākau pili ma ke noi kūpono.
ʻO Ritz-Timme, S. et al. Ka loiloi makahiki: ke kūlana o ke akamai e hoʻokō ai i nā koi kikoʻī o ka hana forensic. internationality. J. Legal medicine. 113, 129–136 (2000).
ʻO 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 nā kumu hoʻopiʻi kalaima. Forensics. lāʻau lapaʻau. Pathology. 1, 239–246 (2005).
Pan, J. et al. He ʻano hana i hoʻololi ʻia no ka loiloi ʻana i ka makahiki niho o nā keiki 5 a 16 mau makahiki ma ka hikina o Kina. lapaʻau. Anamanaʻo waha. 25, 3463–3474 (2021).
ʻO Lee, SS etc. Ka manawa o ka ulu ʻana o nā molars ʻelua a me ke kolu i nā poʻe Korea a me kāna noi no ka loiloi makahiki forensic. internationality. J. Legal medicine. 124, 659–665 (2010).
ʻOh, S., Kumagai, A., Kim, SY lāua ʻo Lee, SS Ka pololei o ka manaʻo makahiki a me ka manaʻo o ka paepae 18 makahiki ma muli o ka oʻo ʻana o nā molars ʻelua a me ke kolu i nā poʻe Korea a me nā Kepanī. PLoS ONE 17, e0271247 (2022).
ʻO Kim, JY, et al. Hiki i ka loiloi ʻikepili e pili ana i ke aʻo ʻana i ka mīkini ma mua o ke ʻoki ʻana ke wānana i ka hopena o ka mālama ʻana i ka ʻoki hiamoe i nā poʻe maʻi me OSA. ka ʻepekema. Hōʻike 11, 14911 (2021).
ʻO Han, M. et al. Ka helu pololei ʻana o ka makahiki mai ke aʻo ʻana o ka mīkini me ke komo ʻole ʻana o ke kanaka? internationality. J. Legal medicine. 136, 821–831 (2022).
ʻO Khan, S. lāua ʻo Shaheen, M. Mai ka ʻeli ʻikepili a i ka ʻeli ʻikepili. J.ʻIke. ka ʻepekema. https://doi.org/10.1177/01655515211030872 (2021).
ʻO Khan, S. lāua ʻo Shaheen, M. WisRule: ʻO ka Algorithm Cognitive mua no ka Association Rule Mining. J.Information. ka ʻepekema. https://doi.org/10.1177/01655515221108695 (2022).
ʻO Shaheen M. lāua ʻo Abdullah U. Karm: Ke kālai ʻikepili kuʻuna e pili ana i nā lula hui e pili ana i ka pōʻaiapili. e helu. Matt. hoʻomau. 68, 3305–3322 (2021).
ʻO Muhammad M., ʻo Rehman Z., ʻo Shaheen M., ʻo Khan M. lāua ʻo Habib M. Ke aʻo hohonu ʻana e pili ana i ka ʻike ʻana i ke ʻano like semantic me ka hoʻohana ʻana i ka ʻikepili kikokikona. ʻike. ʻenehana. kaohi. https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
ʻO 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 Noi https://doi.org/10.1007/s11042-021-10519-6 (2021).
ʻO Halabi, SS et al. RSNA Machine Learning Challenge in Pediatric Bone Age. Radiology 290, 498–503 (2019).
ʻO Li, Y. et al. Ka helu ʻana o ka makahiki forensic mai nā kukuna X-ray pelvic me ka hoʻohana ʻana i ke aʻo hohonu. EURO. radiation. 29, 2322–2329 (2019).
ʻO Guo, YC, et al. Ka hoʻokaʻawale makahiki pololei me ka hoʻohana ʻana i nā ʻano hana lima a me nā pūnaewele neural convolutional hohonu mai nā kiʻi projection orthographic. internationality. J. Legal medicine. 135, 1589–1597 (2021).
ʻAlabama Dalora et al. Ka helu ʻana o ka makahiki o ka 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 ʻana o ka makahiki o ka poʻe ʻApelika ʻAmelika a me Kina ma muli o ka nui o ke keʻena pulp o nā molars mua e hoʻohana ana i ka tomography computed cone-beam. internationality. J. Legal medicine. 136, 811–819 (2022).
ʻO Kim S., Lee YH, Noh YK, Park FK lāua ʻo Oh KS Ke hoʻoholo nei i nā hui makahiki o ka poʻe ola e hoʻohana ana i nā kiʻi o nā molars mua e pili ana i ka naʻauao hana. ka ʻepekema. Hōʻike 11, 1073 (2021).
ʻO Stern, D., Payer, C., Giuliani, N., a me Urschler, M. Ka helu ʻana o ka makahiki a me ka hoʻokaʻawale ʻana o ka hapa nui o ka makahiki mai ka ʻikepili MRI multivariate. IEEE J. Biomed. Nā Alerts Health. 23, 1392–1403 (2019).
ʻO Cheng, Q., Ge, Z., Du, H. a me Li, G. Ka helu ʻana o ka makahiki ma muli o ka hoʻokaʻawale ʻana o ke keʻena pulp 3D o nā molars mua mai ka tomography computed cone beam ma o ka hoʻohui ʻana i ke aʻo hohonu a me nā pae pae. internationality. J. Legal medicine. 135, 365–373 (2021).
Wu, WT, et al. ʻO ka ʻeli ʻana i ka ʻikepili ma ka ʻikepili nui lapaʻau: nā waihona ʻikepili maʻamau, nā ʻanuʻu, a me nā ʻano hana. Honua. lāʻau lapaʻau. kumuwaiwai. 8, 44 (2021).
Yang, J. et al. Hoʻolauna i nā ʻIkepili Lapaʻau a me nā ʻenehana ʻeli ʻikepili i ka Big Data Era. J. Avid. Lapaʻau kumu. 13, 57–69 (2020).
ʻO Shen, S. et al. Ke ʻano hana a Camerer no ka helu ʻana i ka makahiki o nā niho me ka hoʻohana ʻana i ka mīkini aʻo. BMC Oral Health 21, 641 (2021).
Galliburg A. et al. Hoʻohālikelike ʻana o nā ʻano hana aʻo mīkini like ʻole no ka wānana ʻana i ka makahiki niho me ka hoʻohana ʻana i ke ʻano hana hoʻonohonoho Demirdjian. internationality. J. Legal medicine. 135, 665–675 (2021).
Demirdjian, A., Goldstein, H. lāua ʻo Tanner, JM He ʻōnaehana hou no ka loiloi ʻana i ka makahiki niho. snort. biology. 45, 211–227 (1973).
ʻO Landis, JR, a me Koch, GG Nā ana o ka ʻaelike o ka mea nānā ma ka ʻikepili mahele. Biometrics 33, 159–174 (1977).
ʻO Bhattacharjee S, ʻo Prakash D, ʻo Kim C, ʻo Kim HK lāua ʻo Choi HK. Ka nānā ʻana i ke ʻano kikokikona, morphological a me ka helu helu o ke kiʻi resonance magnetic ʻelua-dimensional me ka hoʻohana ʻana i nā ʻenehana akamai artificial no ka hoʻokaʻawale ʻana o nā ʻōpū lolo mua. ʻIke olakino. kumuwaiwai. https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Ka manawa hoʻouna: Ian-04-2024