XiaoMi-AI文件搜索系统
World File Search System正畸
正畸诊断和治疗计划中的人工智能 - 概述
正畸诊断是一个综合过程，它结合了面部和咬合结构以及患者要求的大量数据。正因为如此，很难想象人工智能 (AI) 是否会完全取代目前的传统诊断程序。然而，机器学习和人工智能的新发展已被用于自动进行头颅测量追踪和模型分析的图像识别，并显示出相当高的可靠性。基于集体经验和研究结果，正畸诊断在自动化方面取得了一些进展。本综述的目的是提供有关人工智能模型的范围和有效性的信息，这些模型已广泛应用于正畸诊断、治疗计划和预后预测。
矫形器中的微传感器：用于监测器具磨损情况 - 审查 Moode Kaladhar Naik 博士 正畸学系副教授
矫形器具中的微型传感器：用于监测器具磨损情况审查 Moode Kaladhar Naik 博士 副教授 正畸和牙颌面矫形外科系，政府牙科学院和医院，ESI 路，维杰亚瓦达，安得拉邦 通信电子邮箱：kaladhar1982@gmail.com Siddarth Goudar 博士 助理教授，口腔颌面外科系，Gadag 医学科学研究所，卡纳塔克邦 Gadag，印度 电子邮箱：siddarthgoudar1985@gmail.com Manish Pisarla 博士 MDS，助理教授，正畸和牙颌面矫形外科系，Meghana 牙科科学研究所，尼扎马巴德 电子邮箱：manishpisarla@gmail.com Damarasingu Rajesh OMFS 博士，博士学者，OMFS 系，Narsinhbhai Patel 牙科学院和医院，Sankalchand Patel 大学，古吉拉特邦维斯纳加尔 电子邮件：rajeshoralsurgeon@gmail.com Vaibhavee Kurrey 博士，印度恰蒂斯加尔邦比拉斯布尔 Triveni 牙科科学医院和研究中心 BDS 电子邮件：vai.kurrey01@gmail.com Eesha Pramod Pisal 博士，印度卡拉德克里希纳医学科学研究所牙科学院牙科外科学士 电子邮件：dr.eeshapisal@gmail.com
牙科、正畸和正颌外科中的人工智能 牙科、正畸和正颌外科中的人工智能：文献综述 外科：文献综述
人工智能是机器像人类一样工作的能力。这一概念最初始于数学模型的出现，数学模型根据输入到系统中的输入给出计算输出。后来，随着各种算法的引入，这一概念得到了修改，这些算法既可以根据整体数据分析给出输出，也可以通过选择先前数据中的信息给出输出。由于人工智能效率高，能够处理所有专业的复杂病症，因此它正逐渐成为一种受欢迎的治疗方式。在牙科领域，人工智能在过去几十年也得到了普及。它们被发现可用于修复牙科、口腔病理学和口腔外科的诊断。在正畸学中，它们被用于诊断、治疗需求评估、头颅测量、治疗计划和正颌手术等。当前的文献综述旨在强调人工智能在牙科领域的应用，特别是在正畸学和正颌手术中的应用。
正畸学中的机器学习：挑战与前景
人工智能 (AI) 应用显著改善了我们的日常生活质量。过去十年见证了牙科领域新兴应用的出现。人工智能，尤其是机器学习 (ML)，由于其强大的图像处理和决策支持系统能力，有望在未来在正畸领域得到广泛应用。我们对 ML 在正畸程序中的应用的最新研究进行了全面的文献综述，包括诊断、决策和治疗。机器学习模型在标志识别、骨骼分类、骨龄预测和牙齿分割方面的表现与人类相似甚至更高。同时，与人类专家相比，ML 算法在正畸决策程序和治疗效果评估中具有高度的一致性和稳定性。然而，目前对 ML 的研究提出了关于其可解释性和数据集样本可靠性的重要问题。因此，需要正畸专业人员和技术人员之间进行更多的合作，以实现 AI 与临床之间的良性共生。
正畸学中的人工智能：我们现在处于什么位置？范围审查
1. Allareddy V、Rengasamy Venugopalan S、Nalliah RP、Caplin JL、Lee MK、Allareddy V。大数据分析时代的正畸学。Orthod Craniofac Res。2019；22 (Suppl 1)：8-13。2. Khanagar SB、Al-ehaideb A、Maganur PC 等人。人工智能在牙科领域的发展、应用和表现——系统评价。J Dent Sci。2021；16(1)：508-522。3. Jordan MI、Mitchell TM。机器学习：趋势、观点和前景。科学。2015；349：245-260。4. Jung MH。影响治疗效果的因素：一项前瞻性队列研究。Angle Orthod。 2021；91(1):1-8。5. Nayyar N、Ojcius DM、Dugoni AA。医学和技术在塑造口腔健康未来中的作用。加州牙科学会杂志。2020；48(3)：127-130。6. Schwendicke F、Golla T、Dreher M、Krois J。卷积神经网络用于牙科图像诊断：范围界定综述。牙科杂志。2019；91：103226。7. Jung SK、Kim Ansan TW。使用神经网络机器学习诊断拔牙的新方法。Am Orthod Dentofac Orthop。2016；149(1)：127-133。8. Tricco AC、Lillie E、Zarin W 等人PRISMA 范围审查扩展（PRISMA-ScR）：检查表和说明。Ann Intern Med。2018；169：467-473。9. Choi HI、Jung SK、Baek SH 等。用于正颌手术诊断的神经网络机器学习人工智能模型。J Craniofac Surg。2019；30(7)：1986-1989。10. Kim H、Shim E、Park J、Kim YJ、Lee U、Kim Y。基于网络的全自动深度学习头颅测量分析。Comput Methods Programs Biomed。2020；194：105513。 11. Dobratulin K、Gaidel A、Aupova I、Ivleva A、Kapishnikov A、Zelter P。深度学习算法在头部轮廓放射图像上检测解剖参考点的效率。arXiv。2020；01135(18)：0-5。12. Lee JH、Yu HJ、Kim MJ、Kim JW、Choi J。使用贝叶斯卷积神经网络自动进行具有置信区域的头颅测量标志检测。BMC Oral Health。2020；20(1)：1-10。13. Kim MJ、Liu Y、Oh SH、Ahn HW、Kim SH、Nelson G。使用锥形束 CT 合成的后前位头颅测量图像评估基于多阶段卷积神经网络的全自动标志识别系统。Korean J Orthod。 2021；51(2):77-85。
人工智能在正畸学中的应用综述
人工智能由麦卡锡于 1956 年提出，可以描述为非生物的行为，它具有感知复杂环境、学习并做出相应反应的能力（Nilsson and Nilsson，1998）。人工智能不一定模仿人类大脑，而是一种具有自己一套规则的解决问题的工具。已经进行了研究以利用人工智能实现类似人类的行为，并且发现计算机在许多参数上都超过了人类的结果（Faber 等人，2019 年）。人工智能技术已广泛应用于从鉴别诊断和放射线解释到牙科领域的修复治疗（Khanna，2010 年）。市场上有使用人工智能收集和存储患者数据的牙科管理软件。在这方面，人工智能可用于生成易于访问的完整详细虚拟数据库。交互式和语音识别界面可帮助牙科临床医生轻松完成一些复杂的任务。具有人工智能技术的软件可以记录必要的数据，并比人类更快、更有效地将其传输给临床医生 (Kannan, 2017)。凭借其独特的学习能力，人工智能可以接受训练来执行不同的任务。它
正畸智能托槽的未来一瞥
支架。................................................................................................................ 12
范围审查 - 正畸中使用的智能手机应用程序
利益相关者显而易见；然而，如果要获得更多认可，正畸应用程序需要经过验证并证明其治疗益处。直到最近，Google Play Store 和 Apple App Store 中的正畸应用程序的数量一直在稳步增加。Singh [ 5 ] 于 2013 年进行了首次关于正畸应用程序数量和类型的研究，他在 Google Play Store 和 Apple App Store 上发现只有 19 个应用程序。2014 年，这一数字跃升至 119 [ 6 ]。到 2017 年，Gupta 和 Vaid [ 7 ] 发现了 354 个应用程序。Siddiqui 等人 [ 8 ] 在 2019 年进行的最新研究将正畸应用程序的数量定为 305 个，这是该数量首次出现下降。这些应用程序以患者和临床医生为中心，在类型和目标上差异巨大。尽管正畸应用数量众多，但对其真实性进行研究的却寥寥无几。在过去 20 年里，范围审查已成为一种颇受欢迎的文献审查方法，并已广泛应用于医疗保健领域。然而，在正畸文献中，很少有范围审查 [ 9 ]。范围审查通常用于研究某一主题领域内研究的程度、范围和类型，有助于
基于不同数字化模型的数字化正畸测量在年轻患者中的可靠性、可重复性和有效性评估
摘要：口内模型扫描的优势已得到最新发展。然而，很少有研究探讨该技术在正畸临床中的应用，特别是在年轻患者中。本研究旨在评估正畸测量的可靠性、可重复性和有效性：牙齿宽度、牙弓长度和牙弓长度差异，在每个数字模型中，通过模型扫描仪和口内扫描仪获得，相对于石膏模型。牙弓长度使用两种方法测量：由数字程序自动测量的弯曲牙弓长度 (CAL) 和测量前后内衬牙弓长度总和的截面直线牙弓长度总和 (SLAL)。牙弓长度差异计算每个牙弓长度测量方法：弯曲牙弓长度差异 (CALD) 和截面直线牙弓长度差异总和 (SLALD)。40 名年轻患者符合研究条件。从每个患者获取石膏模型 (P)、模型扫描数字模型 (MSD) 和口内扫描数字模型 (ISD)。使用 Pearson 相关系数评估测量的可靠性，使用组内相关系数评估再现性。通过配对 t 检验评估有效性。在 P、MSD 和 ISD 中测量的所有测量都表现出良好的可靠性和再现性。大多数正畸测量（尽管 MSD 中有 CAL）都表现出较高的有效性。只有 ISD 组中的 SLAL 和 SLALD 存在显着差异，尽管 VA 良好