XiaoMi-AI文件搜索系统
World File Search System正畸
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
开发用于正畸领域初始诊断的分类和对象检测模型=开发正畸>早期诊断的分类和对象检测模型
Deskripsi Lengkap: https://lib.ui.ac.id/detail?id=9999920568055&lokasi=lokal ------------------------------------------------------------------------------------------ Abstrak Pandemi COVID-19 mendorong adanya transformasi kesehatan, terutama dalam Praktik Kedokteran Gigi。对传播风险的反应，使公众朝着远程医疗服务，尤其是远程访问术。这种现象在正畸中创造了一个新的范式，鼓励了Teleorthodontic的发展。正畸领域中的机器学习技术支持为早期诊断和增加正畸服务的可及性提供了创新的解决方案。这项研究将比较3个计算机视觉模型，即有效网络，Mobilenet和Shufflenet，并伴随着添加表格模型，即TabNet。该计算机视觉模型的实施旨在为正畸患者提供初始分析，并将在Lime的帮助下使用F1得分指标和专家解释性评估。基于这项研究，发现计算机视觉洗牌模型具有最佳的平均F1分数值，其次是EfficityNet和Mobilenet。价值的差异范围从有效T和洗牌片之间的1-5％范围范围，但是Mobilenet和Shufflenet的差异范围为3-8％。此外，与不使用TabNet的模型相比，在框架中添加TabNet在框架中的平均F1得分值增加了2.7％至5％。....... COVID-19-大流行驱动了健康转变，尤其是在牙科实践中。对传播风险的反应导致公众进入远程医疗服务，尤其是远程医疗服务。这种现象在正畸方面创造了一个新的范式，鼓励了电视牙齿的发展。正畸技术中机器学习技术的支持提供了用于早期诊断和增加正畸服务的创新解决方案。本研究将比较3种计算机视觉模型，这些模型是有效网络，Mobilenet和Shufflenet，并伴随着添加表格模型，即TabNet。该计算机视觉模型的实施旨在为正畸患者提供初始分析，并将在Lime的帮助下使用F1评分指标和专家的解释性进行评估。这项研究发现，洗牌计算机视觉模型具有最佳的平均F1得分，其次是有效网络，最后是Mobilenet。值差异在有效网和洗牌片之间的1-5％之间，但是Mobilenet和Shufflenet的差异扩大，范围在3-8％之间。此外，与不使用TABNET的模型相比，将TABNET添加到框架中的F1得分平均增加2.7％至5％。
剥夺无粘合剂的无闪光陶瓷正畸支架的特征和生存概率
抽象目标正畸支架债券失败是临床正畸中的障碍。这项研究研究了pH循环对剪切键强度（SBS），粘合残余指数（ARI）的影响以及无粘合式灰灰陶瓷支架的生存概率。将40个下颌前磨牙的材料和方法随机分为两组（n¼20）：C：未包裹的正畸支架和F：无灰灰粘性粘合式涂层的正畸托架。根据储存培养基溶液（n¼10），将每组细分为两个亚组：在亚组中，标本浸入人工唾液中24小时，在亚组ASL中，在亚组ASL中，将标本循环起来，将标本再生在非矿物化溶液和一个人工saliva saliva saliva saliva之间，待42天。在每个亚组中，试样进行SBS和ARI测试。SBS数据。Weibull分析，以确定特征SBS及其生存概率。结果无胶粘剂固定的支架在AS组（17.74 1.74 1.74 MPA）和ASL组（12.61 1.40 MPA）中的SBS值具有更高的显着性（P <0.001）。AS组中非涂层括号的ARI得分为70％，得分为1，而在ASL组中得分1的分数为90％。对于无灰烬的预涂层括号，AS组的分数为2的ARI分数为70％，而得分为2的分数为
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。
人工智能在正畸诊断和治疗规划中的应用：范围审查
目的：概述人工智能 (AI) 在正畸诊断和治疗计划中的应用，并评估与基于专家的手动方法相比，AI 是否提高了准确性、可靠性和时间效率，同时强调其当前的局限性。数据：本综述遵循系统评价和范围界定评价的荟萃分析扩展的首选报告项目 (PRISMA-ScR) 清单。来源：在 PubMed、Web of Science 和 Embase 电子数据库上进行了电子搜索。从 Google Scholar 和手动搜索纳入的研究中确定了其他研究。搜索一直进行到 2023 年 6 月，不受语言和出版年份的限制。研究选择：根据选择标准，综述纳入了 71 篇文章。根据 AI 的用途，主要研究领域分为三个领域：诊断 (n = 29)、标志识别 (n = 20) 和治疗计划 (n = 22)。结论：本次范围审查表明，AI 可用于各种正畸诊断和治疗计划应用，其中解剖标志检测是研究最多的领域。虽然 AI 在提高时间效率和减少操作员差异方面表现出潜力，但其准确性和可靠性尚未持续超越专家临床医生。在任何时候，人工监督仍然是必不可少的。需要进一步的进步和优化，以努力实现针对特定患者的自动化治疗计划。临床意义：正畸中的 AI 已显示出其作为决策支持系统的能力，从而提高了正畸数字工作流程中诊断和治疗计划的效率。”
牙齿矫正的演变
由于正畸托槽所用材料和技术的创新，正畸学取得了重大进展。本综述探讨了托槽从使用传统金属到使用陶瓷、复合材料和生物相容性聚合物等先进材料的演变。3D 打印彻底改变了托槽的定制，确保了精确贴合并减少了患者的不适。最近的创新包括自锁托槽，它加快了牙齿对齐过程并减少了去看正畸医生的次数，以及使用纳米材料来提高耐用性和效率。可生物降解的材料提供了环保解决方案，减少了医疗废物的影响。这些进步不仅提高了正畸治疗的性能和舒适度，而且还有助于提高其可持续性和可及性。正畸托槽的未来前景光明，人们更加注重个性化、效率和可持续性，不断整合发现，提供针对患者个人需求的先进解决方案，从而彻底改变正畸实践并显著改善患者的治疗结果和体验。关键词：正畸托槽：3D 打印：生物相容性材料：自锁托槽：正畸创新。简介
丹尼尔·S·赫尔曼（Daniel S. German）
在过去的 25 年里，他作为主讲人走遍了世界各地，向专科医生和全科医生讲授正畸临床方面和实践发展。 German 博士在澳大利亚开始了为期两周的教学之旅，在那里他在美国正畸学会讲课，最后在芝加哥的平衡学会结束。他与世界顶级演讲者一起出席了美国正畸医师协会会议。最近，他是 2018 年大纽约牙科会议全球正畸计划的全天主讲人，共有 53,000 人参加了会议。
正畸弹丸/剥离和清理程序后的定量体积牙釉质损失：系统评价
摘要：目的：进行系统审查，评估在正畸剥离和清理程序后发生的定量搪瓷损失。材料和方法：遵循系统搜索的系统搜索，遵循用于系统评价和荟萃分析的首选报告项目（PRISMA）陈述在不同的数据库（Embase，Medline，Scopus，Scopus，Scopus，Science Web）上进行的论文，用于研究由于支架和清晰的静态器附件削减额定轴承膜而造成的体积搪瓷损失和/或清洁程序。包括在2022年7月16日使用英语发表的体内和体外文章的研究。然后由两位独立筛选摘要的作者进行研究选择。结果：在421个筛选摘要中，选择了41篇文章进行全文分析。最后，本综述包括了九项研究。没有检索体内纸。在体外论文研究了由于去除金属支架（n = 7），陶瓷支架（n = 1）和两者（n = 1）而引起的体积损失。所有调查的清理程序各不相同。在基线和拆卸/清理后的印象被叠加，并使用不同的3D数字分析软件减去量。在所有纳入的研究中，牙釉质的体积损失范围为0.02±0.01 mm 3至0.61±0.51 mm 3。结论：剥离和清理程序会产生搪瓷损失。能够导致最小搪瓷量损失的剥离/清理程序尚未确定。