Ẹ ṣeun fún ṣíbẹ̀wò sí Nature.com. Ẹ̀yà ẹ̀rọ aṣàwárí tí ẹ ń lò kò ní àtìlẹ́yìn CSS tó pọ̀ tó. Fún àwọn àbájáde tó dára jùlọ, a gbà yín nímọ̀ràn láti lo ẹ̀yà tuntun ti ẹ̀rọ aṣàwárí yín (tàbí kí ẹ pa ipò ìbáramu nínú Internet Explorer). Ní báyìí ná, láti rí i dájú pé àtìlẹ́yìn ń lọ lọ́wọ́, a ń fi ojú òpó náà hàn láìsí àwòrán tàbí JavaScript.
A kà ehin si ami ti o peye julọ ti ọjọ-ori ara eniyan ati pe a maa n lo o nigbagbogbo ninu ayẹwo ọjọ-ori iwadii. A pinnu lati jẹrisi awọn iṣiro ọjọ-ori ehín ti o da lori iwakusa data nipa fifiwe deedee iṣiro ati iṣẹ ṣiṣe ti opin ọdun 18 pẹlu awọn ọna ibile ati awọn iṣiro ọjọ-ori ti o da lori iwakusa data. A gba gbogbo awọn aworan redio panoramic 2657 lati ọdọ awọn ara ilu Korea ati Japan ti o wa laarin ọdun 15 si 23. A pin wọn si eto ikẹkọ kan, ọkọọkan ni awọn aworan redio Korea 900, ati eto idanwo inu ti o ni awọn aworan redio Japanese 857. A fi deedee ipinya ati ṣiṣe ti awọn ọna ibile ṣe afiwe pẹlu awọn eto idanwo ti awọn awoṣe iwakusa data. Ipese ọna ibile lori eto idanwo inu ga diẹ ju ti awoṣe iwakusa data lọ, iyatọ naa si kere (apapọ aṣiṣe pipe <0.21 ọdun, aṣiṣe square ti root <0.24 ọdun). Iṣẹ ṣiṣe ipinya fun gige ọdun 18 tun jọra laarin awọn ọna ibile ati awọn awoṣe iwakusa data. Nítorí náà, a lè fi àwọn àpẹẹrẹ ìwakùsà dátà rọ́pò àwọn ọ̀nà ìbílẹ̀ nígbà tí a bá ń ṣe ìṣàyẹ̀wò ọjọ́-orí nípa lílo ìdàgbàsókè àwọn molars kejì àti kẹta nínú àwọn ọ̀dọ́langba àti àwọn ọ̀dọ́langba ará Korea.
A lo iye ọjọ-ori ehín ni oogun iwadii ati ehín awọn ọmọde. Ni pataki, nitori ibatan giga laarin ọjọ-ori ati idagbasoke ehín, iṣayẹwo ọjọ-ori nipasẹ awọn ipele idagbasoke ehín jẹ ilana pataki fun ṣiṣe ayẹwo ọjọ-ori awọn ọmọde ati awọn ọdọ1,2,3. Sibẹsibẹ, fun awọn ọdọ, ṣiṣe iṣiro ọjọ-ori ehín ti o da lori idagbasoke ehín ni awọn opin rẹ nitori idagbasoke ehín fẹrẹ pari, ayafi awọn molar kẹta. Idi ofin ti ṣiṣe ipinnu ọjọ-ori awọn ọdọ ati awọn ọdọ ni lati pese awọn iṣiro deede ati ẹri imọ-jinlẹ boya wọn ti de ọjọ-ori ti o pọju. Ninu iṣe iṣe oogun-ofin ti awọn ọdọ ati awọn ọdọ ni Korea, a ṣe iṣiro ọjọ-ori nipa lilo ọna Lee, ati pe a sọ asọtẹlẹ opin ofin ti ọdun 18 da lori data ti Oh et al 5 royin.
Ẹ̀kọ́ ẹ̀rọ jẹ́ irú ọgbọ́n ìjìnlẹ̀ (AI) kan tí ó máa ń kọ́ ẹ̀kọ́ àti pín àwọn ìwífún púpọ̀ sí i, ó máa ń yanjú àwọn ìṣòro fúnra rẹ̀, ó sì máa ń darí ètò ìṣiṣẹ́ dátà. Ẹ̀kọ́ ẹ̀rọ lè ṣàwárí àwọn ìlànà ìpamọ́ tó wúlò nínú àwọn ìwífún ńláńlá 6. Ní ìyàtọ̀ sí èyí, àwọn ọ̀nà ìbílẹ̀, tí ó gba àkókò púpọ̀, lè ní àwọn ààlà nígbà tí wọ́n bá ń bá àwọn ìwífún ńláńlá tí ó díjú tí ó ṣòro láti ṣe pẹ̀lú ọwọ́ lò, 7. Nítorí náà, ọ̀pọ̀ ìwádìí ni a ti ṣe láìpẹ́ yìí nípa lílo àwọn ìmọ̀ ẹ̀rọ kọ̀ǹpútà tuntun láti dín àṣìṣe ènìyàn kù àti láti ṣe àgbékalẹ̀ dátà onípele púpọ̀ 8,9,10,11,12 lọ́nà tó dára. Ní pàtàkì, ẹ̀kọ́ jíjinlẹ̀ ni a ti lò ní gbígbòòrò nínú ìwádìí àwòrán ìṣègùn, àti onírúurú ọ̀nà fún ìṣirò ọjọ́ orí nípa ṣíṣe àgbékalẹ̀ àwọn rédíò aládàáni ni a ti ròyìn láti mú kí ìṣedéédé àti ìṣiṣẹ́ ìṣirò ọjọ́ orí sunwọ̀n síi 13,14,15,16,17,18,19,20. Fún àpẹẹrẹ, Halabi àti àwọn ẹlòmíràn 13 ṣe àgbékalẹ̀ algoridimu ẹ̀kọ́ ẹ̀rọ kan tí ó dá lórí àwọn nẹ́tíwọ́ọ̀kì neural convolutional (CNN) láti ṣe ìṣirò ọjọ́ orí egungun nípa lílo àwọn rédíò ọwọ́ àwọn ọmọdé. Ìwádìí yìí dámọ̀ràn àwòṣe kan tí ó lo ẹ̀kọ́ ẹ̀rọ sí àwọn àwòrán ìṣègùn àti fihàn pé àwọn ọ̀nà wọ̀nyí lè mú ìṣedéédé àyẹ̀wò sunwọ̀n síi. Li àti àwọn ẹlòmíràn14 ṣe àyẹ̀wò ọjọ́-orí láti inú àwọn àwòrán X-ray pelvic nípa lílo CNN onímọ̀ jinlẹ̀, wọ́n sì fi wọ́n wé àwọn àbájáde ìfàsẹ́yìn nípa lílo ìṣirò ipele ossification. Wọ́n rí i pé àwòrán CNN onímọ̀ jinlẹ̀ fi ìṣe ìṣirò ọjọ́-orí kan náà hàn gẹ́gẹ́ bí àpẹẹrẹ ìfàsẹ́yìn ìbílẹ̀. Ìwádìí Guo àti àwọn ẹlòmíràn [15] ṣe àyẹ̀wò ìṣe ìṣirò ọjọ́-orí ti ìmọ̀-ẹ̀rọ CNN tí a gbé ka orí àwọn orthophotos eyín, àwọn àbájáde àpẹẹrẹ CNN sì fi hàn pé àwọn ènìyàn ṣe àṣeyọrí iṣẹ́ ìṣirò ọjọ́-orí rẹ̀.
Ọ̀pọ̀lọpọ̀ ìwádìí lórí ìṣirò ọjọ́-orí nípa lílo ẹ̀kọ́ ẹ̀rọ ń lo àwọn ọ̀nà ẹ̀kọ́ jíjinlẹ̀13,14,15,16,17,18,19,20. Ìṣirò ọjọ́-orí tí a gbé ka ẹ̀kọ́ jíjinlẹ̀ ni a ròyìn pé ó péye ju àwọn ọ̀nà àṣà lọ. Síbẹ̀síbẹ̀, ọ̀nà yìí kò fúnni ní àǹfààní púpọ̀ láti gbé ìpìlẹ̀ ìmọ̀ sáyẹ́ǹsì kalẹ̀ fún ìṣirò ọjọ́-orí, gẹ́gẹ́ bí àwọn àmì ọjọ́-orí tí a lò nínú ìṣirò náà. Àríyànjiyàn òfin tún wà lórí ẹni tí ó ṣe àyẹ̀wò náà. Nítorí náà, ìṣirò ọjọ́-orí tí a gbé ka ẹ̀kọ́ jíjinlẹ̀ ṣòro láti gbà láti ọ̀dọ̀ àwọn aláṣẹ ìṣàkóso àti ìdájọ́. Ìwakùsà dátà (DM) jẹ́ ọ̀nà kan tí ó lè ṣàwárí kìí ṣe pé a retí nìkan ṣùgbọ́n àti ìwífún tí a kò retí gẹ́gẹ́ bí ọ̀nà fún ṣíṣàwárí àwọn ìbáṣepọ̀ tí ó wúlò láàrín ọ̀pọ̀lọpọ̀ dátà6,21,22. A sábà máa ń lo ẹ̀kọ́ ẹ̀rọ nínú iwakùsà dátà, àti wíwakùsà dátà àti ẹ̀kọ́ ẹ̀rọ ń lo àwọn algoridimu pàtàkì kan náà láti ṣàwárí àwọn ìlànà nínú dátà. Ìṣirò ọjọ́-orí nípa lílo ìdàgbàsókè eyín da lórí ìṣirò olùṣàyẹ̀wò nípa ìdàgbàsókè eyín, a sì ṣe àfihàn ìṣirò yìí gẹ́gẹ́ bí ìpele fún eyín ìfọkànsí kọ̀ọ̀kan. A lè lo DM láti ṣàyẹ̀wò ìbáṣepọ̀ láàrín ìpele ìṣirò eyín àti ọjọ́-orí gidi, ó sì ní agbára láti rọ́pò ìṣàyẹ̀wò ìṣirò ìbílẹ̀. Nítorí náà, tí a bá lo àwọn ọ̀nà ìwádìí DM láti mọ ọjọ́ orí, a lè ṣe ẹ̀kọ́ ẹ̀rọ nínú ìwádìí ọjọ́ orí láìsí àníyàn nípa ẹ̀bi òfin. Ọ̀pọ̀lọpọ̀ ìwádìí ìfiwéra ni a ti tẹ̀ jáde lórí àwọn ọ̀nà ìwádìí tí ó ṣeé ṣe sí àwọn ọ̀nà ìwádìí àtọwọ́dá tí a lò nínú iṣẹ́ ìwádìí àtọwọ́dá àti àwọn ọ̀nà tí ó dá lórí EBM fún pípinnu ọjọ́ orí eyín. Shen àti àwọn ẹlòmíràn fihàn pé àwòṣe DM péye ju àwòṣe Camerer ìbílẹ̀ lọ. Galibourg àti àwọn ẹlòmíràn 24 lo àwọn ọ̀nà DM ọ̀tọ̀ọ̀tọ̀ láti sọ àsọtẹ́lẹ̀ ọjọ́ orí gẹ́gẹ́ bí ìlànà Demirdjian25 àti àwọn àbájáde fihàn pé ọ̀nà DM dára ju àwọn ọ̀nà Demirdjian àti Willems lọ ní ṣíṣírò ọjọ́ orí àwọn ará Faransé.
Láti ṣírò ọjọ́ orí eyín àwọn ọ̀dọ́langba àti àwọn ọ̀dọ́langba ará Korea, ọ̀nà Lee 4 ni a lò ní gbogbogbòò nínú iṣẹ́ ìwádìí ...
Àwọn ìwọ̀n àti ìyàtọ̀ ìpele ti ọjọ́-orí nípa ìpele àti irú eyín ni a fihàn lórí ayélujára nínú Àtẹ Àfikún S1 (àtẹ ìdánilẹ́kọ̀ọ́), Àtẹ Àfikún S2 (àtẹ ìdánwò inú), àti Àtẹ Àfikún S3 (àtẹ ìdánwò òde). Àwọn ìwọ̀n kappa fún ìgbẹ́kẹ̀lé intra- àti interobserver tí a rí láti inú àtẹ ìdánilẹ́kọ̀ọ́ jẹ́ 0.951 àti 0.947, lẹ́sẹẹsẹ. Àwọn ìwọ̀n P àti àwọn àlàfo ìgbẹ́kẹ̀lé 95% fún àwọn ìwọ̀n kappa ni a fihàn nínú àtẹ àfikún lórí ayélujára S4. A túmọ̀ iye kappa gẹ́gẹ́ bí “ó fẹ́rẹ̀ẹ́ pé”, ní ìbámu pẹ̀lú àwọn ìlànà Landis àti Koch26.
Nígbà tí a bá ń fi àṣìṣe pípé (MAE) wéra, ọ̀nà ìbílẹ̀ náà dára ju àpẹẹrẹ DM lọ fún gbogbo àwọn ọkùnrin àti nínú àyẹ̀wò ọkùnrin, àyàfi multilayer perceptron (MLP). Ìyàtọ̀ láàárín àwòṣe ìbílẹ̀ àti àwòṣe DM lórí àyẹ̀wò MAE inú jẹ́ ọdún 0.12–0.19 fún àwọn ọkùnrin àti ọdún 0.17–0.21 fún àwọn obìnrin. Fún bátìrì ìdánwò ìta, àwọn ìyàtọ̀ náà kéré (ọdún 0.001–0.05 fún àwọn ọkùnrin àti ọdún 0.05–0.09 fún àwọn obìnrin). Ní àfikún, àṣìṣe onígun mẹ́rin root mean (RMSE) kéré díẹ̀ sí ọ̀nà ìbílẹ̀, pẹ̀lú àwọn ìyàtọ̀ kéékèèké (0.17–0.24, 0.2–0.24 fún àyẹ̀wò inú ọkùnrin, àti 0.03–0.07, 0.04–0.08 fún àyẹ̀wò ìta). MLP fi iṣẹ́ tó dára díẹ̀ hàn ju Single Layer Perceptron (SLP) lọ, àyàfi nínú ọ̀ràn àyẹ̀wò ìta obìnrin. Fún MAE àti RMSE, àwọn ìdánwò ìta ti a ṣe àyẹ̀wò wọn ga ju ìdánwò inú lọ fún gbogbo àwọn abo àti àwọn àwòṣe. Gbogbo MAE àti RMSE ni a fihàn nínú Táblì 1 àti Àwòrán 1.
MAE àti RMSE ti àwọn àwòṣe ìfàsẹ́yìn ìwákiri ìbílẹ̀ àti ìwákiri dátà. Àṣìṣe pípé MAE, àṣìṣe onígun mẹ́rin root mean RMSE, perceptron SLP onípele kan ṣoṣo, multilayer perceptron MLP, ọ̀nà CM ìbílẹ̀.
A fi iṣẹ́ ìṣọ̀rí (pẹ̀lú ìparí ọdún 18) ti àwọn àwòṣe ìbílẹ̀ àti DM hàn ní ti ìmọ̀lára, ìpele pàtó, ìníyelórí àsọtẹ́lẹ̀ rere (PPV), ìníyelórí àsọtẹ́lẹ̀ odi (NPV), àti agbègbè lábẹ́ ìlà ìṣiṣẹ́ àmì-ẹ̀yẹ olugba (AUROC) 27 (Tábìlì 2, Àwòrán 2 àti Àfikún Àwòrán 1 lórí ayélujára). Ní ti ìmọ̀lára ti bátírì ìdánwò inú, àwọn ọ̀nà ìbílẹ̀ ṣe dáadáa jùlọ láàrín àwọn ọkùnrin àti àwọn obìnrin. Síbẹ̀síbẹ̀, ìyàtọ̀ nínú iṣẹ́ ìṣọ̀rí láàrín àwọn ọ̀nà ìbílẹ̀ àti SD jẹ́ 9.7% fún àwọn ọkùnrin (MLP) àti 2.4% fún àwọn obìnrin nìkan (XGBoost). Láàrín àwọn àwòṣe DM, ìfàsẹ́yìn logistic (LR) fi ìmọ̀lára tó dára hàn ní àwọn ọkùnrin àti obìnrin. Ní ti pàtó ti àwòṣe ìdánwò inú, a ṣàkíyèsí pé àwọn àwòṣe SD mẹ́rin ṣe dáadáa ní àwọn ọkùnrin, nígbà tí àwòṣe ìbílẹ̀ ṣe dáadáa ní àwọn obìnrin. Àwọn ìyàtọ̀ nínú iṣẹ́ ìṣọ̀rí fún àwọn ọkùnrin àti obìnrin jẹ́ 13.3% (MLP) àti 13.1% (MLP), ní ìtẹ̀léra, èyí tó fi hàn pé ìyàtọ̀ nínú iṣẹ́ ìṣọ̀rí láàrín àwọn àwòṣe ju ìmọ̀lára lọ. Láàrín àwọn àwòṣe DM, ẹ̀rọ ìfàmọ́ra (SVM), igi ìpinnu (DT), àti àwọn àwòṣe igbó àìròtẹ́lẹ̀ (RF) ṣe dáadáa jùlọ láàrín àwọn ọkùnrin, nígbàtí àwòṣe LR ṣe dáadáa jùlọ láàrín àwọn obìnrin. AUROC ti àwòṣe ìbílẹ̀ àti gbogbo àwọn àwòṣe SD pọ̀ ju 0.925 (k-aládùúgbò tó súnmọ́ jùlọ (KNN) nínú àwọn ọkùnrin), èyí tó fi iṣẹ́ ìṣàfihàn tó dára hàn ní ṣíṣe ìyàsọ́tọ̀ àwọn àwòṣe ọmọ ọdún 1828. Fún àwòṣe ìdánwò ìta, ìdínkù wà nínú iṣẹ́ ìṣàfihàn ní àwọn ọ̀nà ìfàmọ́ra, pàtó àti AUROC ní ìfiwéra pẹ̀lú àwòṣe ìdánwò inú. Jù bẹ́ẹ̀ lọ, ìyàtọ̀ nínú ìfàmọ́ra àti pàtó láàrín iṣẹ́ ìṣàfihàn àwọn àwòṣe tó dára jùlọ àti èyí tó burú jùlọ wà láti 10% sí 25% ó sì tóbi ju ìyàtọ̀ nínú àwòṣe ìdánwò inú lọ.
Ìmọ́lára àti ìpele pàtó ti àwọn àwòṣe ìṣàkójọ ìwakùsà dátà ní ìfiwéra pẹ̀lú àwọn ọ̀nà ìbílẹ̀ pẹ̀lú ìgékúrò ọdún 18. KNN k aládùúgbò tí ó sún mọ́ ọn jùlọ, ẹ̀rọ ìrànwọ́ SVM, ìyípadà LR logistic, igi ìpinnu DT, RF random forest, XGB XGBoost, MLP multilayer perceptron, ọ̀nà CM ìbílẹ̀.
Igbesẹ akọkọ ninu iwadi yii ni lati fi deedee awọn iṣiro ọjọ-ori ehín ti a gba lati awọn awoṣe DM meje pẹlu awọn ti a gba nipa lilo atunṣe ibile. A ṣe ayẹwo MAE ati RMSE ni awọn idanwo inu fun awọn mejeeji, ati iyatọ laarin ọna ibile ati awoṣe DM wa lati ọjọ 44 si 77 fun MAE ati lati ọjọ 62 si 88 fun RMSE. Biotilẹjẹpe ọna ibile jẹ deede diẹ sii ninu iwadi yii, o nira lati pari boya iru iyatọ kekere bẹẹ ni pataki ile-iwosan tabi iṣe. Awọn abajade wọnyi fihan pe deedee iṣiro ọjọ-ori ehín nipa lilo awoṣe DM fẹrẹ jẹ kanna bi ti ọna ibile. Ifiwera taara pẹlu awọn abajade lati awọn iwadi iṣaaju nira nitori ko si iwadi ti o ti fi deede awọn awoṣe DM pẹlu awọn ọna iṣiro ibile nipa lilo ọna kanna ti gbigbasilẹ eyin ni iwọn ọjọ-ori kanna bi ninu iwadi yii. Galibourg et al24 ṣe afiwe MAE ati RMSE laarin awọn ọna ibile meji (ọna Demirjian25 ati ọna Willems29) ati awọn awoṣe DM 10 ninu olugbe Faranse ti o wa laarin ọdun 2 si 24. Wọ́n ròyìn pé gbogbo àwọn àwòṣe DM péye ju àwọn ọ̀nà ìbílẹ̀ lọ, pẹ̀lú ìyàtọ̀ ọdún 0.20 àti 0.38 nínú MAE àti 0.25 àti 0.47 nínú RMSE ní ìfiwéra pẹ̀lú àwọn ọ̀nà Willems àti Demirdjian, lẹ́sẹẹsẹ. Ìyàtọ̀ láàárín àwòṣe SD àti àwọn ọ̀nà ìbílẹ̀ tí a fihàn nínú ìwádìí Halibourg gba ọ̀pọ̀lọpọ̀ ìròyìn 30,31,32,33 pé ọ̀nà Demirdjian kò ṣe àròyé ọjọ́ orí eyín ní àwọn ènìyàn mìíràn yàtọ̀ sí àwọn ará Faransé Kánádà tí ìwádìí náà dá lé. Nínú ìwádìí yìí. Tai àti àwọn ẹlẹgbẹ́ rẹ̀ lo ìlànà MLP láti sọ àsọtẹ́lẹ̀ ọjọ́ orí eyín láti inú àwọn fọ́tò orthodontic ti ilẹ̀ China 1636, wọ́n sì fi ìpéye rẹ̀ wé àwọn àbájáde ọ̀nà Demirjian àti Willems. Wọ́n ròyìn pé MLP ní ìpéye gíga ju àwọn ọ̀nà ìbílẹ̀ lọ. Ìyàtọ̀ láàárín ọ̀nà Demirdjian àti ọ̀nà ìbílẹ̀ jẹ́ <0.32 ọdún, ọ̀nà Willems sì jẹ́ 0.28 ọdún, èyí tí ó jọ àwọn àbájáde ìwádìí yìí. Àwọn àbájáde àwọn ìwádìí ìṣáájú wọ̀nyí24,34 tún bá àwọn àbájáde ìwádìí yìí mu, àti pé ìpéye ọjọ́-orí ti àwòṣe DM àti ọ̀nà ìbílẹ̀ jọra. Síbẹ̀síbẹ̀, ní ìbámu pẹ̀lú àwọn àbájáde tí a gbé kalẹ̀, a lè fi ìṣọ́ra parí èrò sí pé lílo àwọn àwòṣe DM láti ṣe ìṣirò ọjọ́-orí lè rọ́pò àwọn ọ̀nà tí ó wà tẹ́lẹ̀ nítorí àìsí àwọn ìwádìí ìṣáájú tí a fiwé àti ìtọ́kasí. Àwọn ìwádìí tí a tẹ̀lé nípa lílo àwọn àyẹ̀wò ńlá ni a nílò láti fìdí àwọn àbájáde tí a rí nínú ìwádìí yìí múlẹ̀.
Láàrín àwọn ìwádìí tí wọ́n dán ìpéye SD wò nínú ṣíṣírò ọjọ́ orí eyín, àwọn kan fi ìpéye tí ó ga ju ìwádìí wa lọ hàn. Stepanovsky àti àwọn ẹlẹgbẹ́ rẹ̀ lo àwọn àpẹẹrẹ SD 22 sí àwòrán àwòrán panoramic ti àwọn olùgbé Czech 976 tí wọ́n wà láàárín ọdún 2.7 sí 20.5, wọ́n sì dán ìpéye àwòrán kọ̀ọ̀kan wò. Wọ́n ṣe àyẹ̀wò ìdàgbàsókè gbogbo ehin tí ó wà ní òkè àti ìsàlẹ̀ òsì 16 nípa lílo àwọn ìlànà ìsọ̀rí tí Moorrees àti àwọn ẹlẹgbẹ́ rẹ̀ dábàá. MAE wà láti ọdún 0.64 sí 0.94, RMSE sì wà láti ọdún 0.85 sí 1.27, èyí tí ó péye ju àwọn àpẹẹrẹ DM méjì tí a lò nínú ìwádìí yìí lọ. Shen àti àwọn ẹlẹgbẹ́ rẹ̀ lo ọ̀nà Cameriere láti ṣe àyẹ̀wò ọjọ́ orí eyín méje tí ó wà ní apá òsì ní àwọn olùgbé China tí wọ́n wà ní ìlà oòrùn tí wọ́n wà láàárín ọdún 5 sí 13, wọ́n sì fi wé àwọn ọjọ́ orí tí a ṣe àyẹ̀wò nípa lílo ìfàsẹ́yìn líítà, SVM àti RF. Wọ́n fihàn pé gbogbo àwọn àpẹẹrẹ DM mẹ́ta ní ìpéye tí ó ga ju ti àgbékalẹ̀ Cameriere ìbílẹ̀ lọ. MAE àti RMSE nínú ìwádìí Shen kéré sí àwọn tí ó wà nínú àwòṣe DM nínú ìwádìí yìí. Ìpele ìpele ìwádìí tí Stepanovsky àti àwọn ẹlẹgbẹ́ rẹ̀ ṣe lè jẹ́ nítorí fífi àwọn ọ̀dọ́mọdé kún àwọn àwòṣe ìwádìí wọn. Nítorí pé àwọn ìṣirò ọjọ́-orí fún àwọn olùkópa tí wọ́n ní eyín tí ń dàgbàsókè ń di pípé bí iye eyín tí ń pọ̀ sí i nígbà ìdàgbàsókè eyín, ìṣedéédé ọ̀nà ìṣirò ọjọ́-orí tí ó yọrí sí lè bàjẹ́ nígbà tí àwọn olùkópa ìwádìí bá kéré sí i. Ní àfikún, àṣìṣe MLP nínú ìṣirò ọjọ́-orí kéré sí ti SLP díẹ̀, èyí tí ó túmọ̀ sí wípé MLP péye ju SLP lọ. A kà MLP sí pé ó dára díẹ̀ fún ìṣirò ọjọ́-orí, ó ṣeéṣe kí ó jẹ́ nítorí àwọn ìpele tí a fi pamọ́ nínú MLP38. Síbẹ̀síbẹ̀, ìyàtọ̀ kan wà fún àwòṣe òde ti àwọn obìnrin (SLP 1.45, MLP 1.49). Wíwá pé MLP péye ju SLP lọ nígbà ṣíṣàyẹ̀wò ọjọ́-orí nílò àwọn ìwádìí àtúnyẹ̀wò afikún.
A tún fi ìṣẹ́ ìsọ̀rí-ẹ̀ka ti àwòṣe DM àti ọ̀nà ìbílẹ̀ ní ààlà ọdún 18 wéra. Gbogbo àwọn àwòṣe SD tí a dán wò àti àwọn ọ̀nà ìbílẹ̀ lórí àkójọ ìdánwò inú fi àwọn ìpele ìyàsọ́tọ̀ tí ó ṣeé gbà hàn fún àwòṣe ọmọ ọdún 18. Ìfàmọ́ra fún àwọn ọkùnrin àti obìnrin pọ̀ ju 87.7% àti 94.9% lọ, lẹ́sẹẹsẹ, àti pé pàtó ju 89.3% àti 84.7%. AUROC ti gbogbo àwọn àwòṣe tí a dán wò náà ju 0.925 lọ. Gẹ́gẹ́ bí ìmọ̀ wa, kò sí ìwádìí tí ó ti dán iṣẹ́ àwòṣe DM wò fún ìpínsọ́tọ̀ ọdún 18 tí ó dá lórí ìdàgbàsókè eyín. A lè fi àwọn àbájáde ìwádìí yìí wé iṣẹ́ ìpínsọ́tọ̀ ti àwọn àwòṣe ẹ̀kọ́ jíjinlẹ̀ lórí àwòrán rédíò aláwòrán. Guo àti àwọn ẹlòmíràn 15 ṣírò iṣẹ́ ìpínsọ́tọ̀ ti àwòṣe ẹ̀kọ́ jíjinlẹ̀ tí ó dá lórí CNN àti ọ̀nà ìfọwọ́sowọ́pọ̀ tí ó dá lórí ọ̀nà Demirjian fún ààlà ọjọ́-orí kan pàtó. Ìmọ́lára àti ìfọwọ́sowọ́pọ̀ ọ̀nà ìfọwọ́sowọ́pọ̀ jẹ́ 87.7% àti 95.5%, lẹ́sẹẹsẹ, àti ìmọ́lára àti ìfọwọ́sowọ́pọ̀ ti àwòṣe CNN kọjá 89.2% àti 86.6%, lẹ́sẹẹsẹ. Wọ́n parí èrò sí pé àwọn àwòṣe ẹ̀kọ́ jíjinlẹ̀ le rọ́pò tàbí kí wọ́n borí ìṣàyẹ̀wò ọwọ́ ní pípín àwọn ààlà ọjọ́-orí. Àwọn àbájáde ìwádìí yìí fi iṣẹ́ ìpínsọ́tọ̀ kan náà hàn; A gbàgbọ́ pé ìpínsọ́tọ̀ nípa lílo àwọn àwòṣe DM le rọ́pò àwọn ọ̀nà ìṣirò ìbílẹ̀ fún ìṣirò ọjọ́-orí. Láàrín àwọn àwòṣe náà, DM LR ni àwòṣe tó dára jùlọ ní ti ìmọ́lára fún àwòṣe ọkùnrin àti ìmọ́lára àti ìfọwọ́sowọ́pọ̀ fún àwòṣe obìnrin. LR wà ní ipò kejì ní ti ìmọ́lára fún àwọn ọkùnrin. Jù bẹ́ẹ̀ lọ, a kà LR sí ọ̀kan lára àwọn àwòṣe DM35 tó rọrùn láti lò jù, kò sì díjú púpọ̀, ó sì ṣòro láti ṣe. Nítorí àwọn àbájáde wọ̀nyí, a kà LR sí àwòṣe ìpínsọ́tọ̀ tó dára jùlọ fún àwọn ọmọ ọdún 18 nínú àwùjọ àwọn ará Korea.
Ni gbogbogbo, deedee iṣiro ọjọ-ori tabi iṣẹ ṣiṣe ipinya lori ṣeto idanwo ita ko dara tabi kere si ni akawe pẹlu awọn abajade lori ṣeto idanwo inu. Awọn ijabọ kan fihan pe deedee ipinya tabi ṣiṣe ṣiṣe dinku nigbati awọn iṣiro ọjọ-ori ti o da lori olugbe Korea ba lo si olugbe Japan5,39, ati pe a rii iru apẹẹrẹ kanna ninu iwadi yii. A ṣe akiyesi aṣa ibajẹ yii ninu awoṣe DM. Nitorinaa, lati ṣe iṣiro ọjọ-ori ni deede, paapaa nigba lilo DM ninu ilana itupalẹ, awọn ọna ti a gba lati data olugbe abinibi, gẹgẹbi awọn ọna ibile, yẹ ki o jẹ ayanfẹ5,39,40,41,42. Niwọn igba ti ko ṣe kedere boya awọn awoṣe ẹkọ jinna le ṣe afihan awọn aṣa kanna, awọn ikẹkọ ti o ṣe afiwe deedee ipinya ati ṣiṣe ni lilo awọn ọna ibile, awọn awoṣe DM, ati awọn awoṣe ẹkọ jinna lori awọn ayẹwo kanna ni a nilo lati jẹrisi boya oye atọwọda le bori awọn iyatọ ẹya wọnyi ni ọjọ-ori to lopin. awọn igbelewọn.
A fihàn pé a lè fi ìṣirò ọjọ́-orí rọ́pò àwọn ọ̀nà ìbílẹ̀ pẹ̀lú ìṣirò ọjọ́-orí tí ó dá lórí àpẹẹrẹ DM nínú ìṣe ìṣirò ọjọ́-orí oníṣègùn ní Korea. A tún ṣàwárí àǹfààní láti ṣe àgbékalẹ̀ ẹ̀kọ́ ẹ̀rọ fún ìṣirò ọjọ́-orí oníṣègùn. Síbẹ̀síbẹ̀, àwọn ààlà tí ó ṣe kedere wà, bíi àìtó iye àwọn olùkópa nínú ìwádìí yìí láti pinnu àwọn àbájáde náà ní pàtó, àti àìsí àwọn ìwádìí ìṣáájú láti fiwé àti fìdí àwọn àbájáde ìwádìí yìí múlẹ̀. Ní ọjọ́ iwájú, ó yẹ kí a ṣe àwọn ìwádìí DM pẹ̀lú iye àwọn àpẹẹrẹ àti onírúurú ènìyàn láti mú kí ó ṣeé ṣe ní ìlò rẹ̀ ní ìfiwéra pẹ̀lú àwọn ọ̀nà ìbílẹ̀. Láti fìdí ìṣeéṣe lílo ọgbọ́n àtọwọ́dá láti ṣe ìṣirò ọjọ́-orí nínú ọ̀pọ̀ ènìyàn múlẹ̀, a nílò àwọn ìwádìí ọjọ́-orí láti fi ìpéye ìpínsípò àti ìṣeéṣe ti DM àti àwọn àpẹẹrẹ ẹ̀kọ́ jíjinlẹ̀ wéra pẹ̀lú àwọn ọ̀nà ìbílẹ̀ nínú àwọn àpẹẹrẹ kan náà.
Ìwádìí náà lo àwọn fọ́tò ìkọ̀wé 2,657 tí a kó jọ láti ọ̀dọ̀ àwọn àgbàlagbà ará Korea àti Japan tí wọ́n wà láàárín ọdún mẹ́ẹ̀ẹ́dógún sí mẹ́tàlélógún. A pín àwọn fọ́tò ìkọ̀wé 900 (ọdún 19.42 ± 2.65) àti àwọn ìdánwò inú 900 (ọdún 19.52 ± 2.59). A kó àwọn ìdánwò náà jọ ní ilé-ẹ̀kọ́ kan (Ilé Ìwòsàn Ehín ti Seoul St. Mary), a sì kó àwọn ìdánwò tirẹ̀ jọ ní àwọn ilé-ẹ̀kọ́ méjì (Ilé Ìwòsàn Ehín ti Yunifásítì Seoul àti Ilé Ìwòsàn Ehín ti Yonsei University). A tún kó àwọn fọ́tò ìkọ̀wé 857 jọ láti inú àwọn dátà mìíràn tí ó dá lórí ènìyàn (Iwate Medical University, Japan) fún ìdánwò òde. A yan àwọn fọ́tò ìkọ̀wé kọ̀ǹpútà àwọn ará Japan (ọdún 19.31 ± 2.60) gẹ́gẹ́ bí ìdánwò òde. A kó àwọn dátà jọ ní ìyípadà láti ṣe àgbéyẹ̀wò àwọn ìpele ìdàgbàsókè eyín lórí àwọn fọ́tò ìkọ̀wé kọ̀ǹpútà tí a mú nígbà ìtọ́jú eyín. Gbogbo dátà tí a kó jọ jẹ́ aláìlórúkọ àyàfi abo, ọjọ́ ìbí àti ọjọ́ ìwádìí kọ̀ǹpútà. Àwọn ìlànà ìfikún àti ìyọkúrò jẹ́ bákan náà gẹ́gẹ́ bí àwọn ìkẹ́kọ̀ọ́ tí a tẹ̀ jáde tẹ́lẹ̀ 4, 5. A ṣírò ọjọ́ orí gidi ti àyẹ̀wò náà nípa yíyọ ọjọ́ ìbí kúrò ní ọjọ́ tí a ya àwòrán náà. A pín ẹgbẹ́ àyẹ̀wò náà sí àwọn ẹgbẹ́ ọjọ́-orí mẹ́sàn-án. A fi ọjọ́-orí àti ìpínkiri ìbálòpọ̀ hàn nínú Táblì 3. Ìwádìí yìí ni a ṣe ní ìbámu pẹ̀lú Ìkéde Helsinki àti pé Ìgbìmọ̀ Àtúnyẹ̀wò Ilé-iṣẹ́ (IRB) ti Seoul St. Mary's Hospital ti Catholic University of Korea (KC22WISI0328) fọwọ́ sí i. Nítorí àgbékalẹ̀ ìwádìí yìí, a kò le gba àṣẹ ìwádìí ...
A ṣe àyẹ̀wò àwọn ìpele ìdàgbàsókè ti molars bimaxillary keji ati kẹta gẹ́gẹ́ bí ìlànà Demircan25. Ehin kan ṣoṣo ni a yàn tí a bá rí irú ehin kan náà ní apá òsì àti ọ̀tún àgbọ̀n kọ̀ọ̀kan. Tí eyín tó jọra ní ẹ̀gbẹ́ méjèèjì bá wà ní àwọn ìpele ìdàgbàsókè ọ̀tọ̀ọ̀tọ̀, a yan ehin tó ní ìpele ìdàgbàsókè ìsàlẹ̀ láti ṣàkíyèsí àìdánilójú ní ọjọ́ orí tí a ṣírò. Àwọn olùwòran méjì tó ní ìrírí gba àmì 100 láti inú àkójọ ìdánilẹ́kọ̀ọ́ láti dán ìgbẹ́kẹ̀lé interobserver wò lẹ́yìn ìṣàtúnṣe ṣáájú láti pinnu ìpele ìdàgbàsókè eyín. A ṣe àyẹ̀wò ìgbẹ́kẹ̀lé intraobserver lẹ́ẹ̀mejì ní àárín oṣù mẹ́ta láti ọwọ́ olùwòran àkọ́kọ́.
A ṣe ìṣirò ìbálòpọ̀ àti ìpele ìdàgbàsókè ti molars kejì àti ìkẹta ti gbogbo àgbọ̀n ní ìpele ìdánilẹ́kọ̀ọ́ láti ọwọ́ olùwòye àkọ́kọ́ tí a kọ́ pẹ̀lú àwọn àwòṣe DM ọ̀tọ̀ọ̀tọ̀, a sì ṣètò ọjọ́ orí gidi gẹ́gẹ́ bí iye àfojúsùn. A dán àwọn àwòṣe SLP àti MLP, tí a lò ní gbogbogbòò nínú ẹ̀kọ́ ẹ̀rọ, wò lòdì sí àwọn algoridimu ìpadàsẹ̀yìn. Àwòṣe DM ń so àwọn iṣẹ́ ìlà pọ̀ nípa lílo àwọn ìpele ìdàgbàsókè ti eyín mẹ́rin náà, ó sì ń so àwọn dátà wọ̀nyí pọ̀ láti ṣe ìṣirò ọjọ́ orí. SLP ni nẹ́tíwọ́ọ̀kì iṣan tí ó rọrùn jùlọ, kò sì ní àwọn ìpele tí a fi pamọ́. SLP ń ṣiṣẹ́ gẹ́gẹ́ bí ìgbékalẹ̀ àlà láàárín àwọn nódù. Àwòṣe SLP nínú ìpadàsẹ̀yìn jọra ní ti ìṣirò sí ìfàsẹ̀yìn àlà ọ̀pọ̀lọpọ̀. Láìdàbí àwòṣe SLP, àwòṣe MLP ní ọ̀pọ̀lọpọ̀ ìpele tí a fi pamọ́ pẹ̀lú àwọn iṣẹ́ ìṣiṣẹ́ tí kìí ṣe àlà. Àwọn ìdánwò wa lo ìpele tí a fi pamọ́ pẹ̀lú àwọn nódù 20 tí a fi pamọ́ pẹ̀lú àwọn iṣẹ́ ìṣiṣẹ́ tí kìí ṣe àlà. Lo ìsàlẹ̀ gradient gẹ́gẹ́ bí ọ̀nà ìṣàtúnṣe àti MAE àti RMSE gẹ́gẹ́ bí iṣẹ́ pípadánù láti kọ́ àwòṣe ẹ̀kọ́ ẹ̀rọ wa. A lo àwòṣe ìpadàsẹ̀yìn tí a rí jùlọ sí àwọn ìdánwò inú àti òde, a sì ṣírò ọjọ́ orí eyín náà.
A ṣe agbekalẹ alugoridimu ipinya kan ti o lo idagbasoke eyin mẹrin lori eto ikẹkọ lati ṣe asọtẹlẹ boya ayẹwo kan jẹ ọdun 18 tabi rara. Lati kọ awoṣe naa, a ṣe awari awọn alugoridimu ẹkọ ẹrọ aṣoju meje6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, ati (7) MLP. LR jẹ ọkan ninu awọn alugoridimu ipinya ti a lo julọ44. O jẹ alugoridimu ẹkọ ti a ṣe abojuto ti o lo atunṣe lati ṣe asọtẹlẹ iṣeeṣe ti data ti o jẹ ti ẹka kan lati 0 si 1 ati pin data naa gẹgẹbi ti o jẹ ti ẹka ti o ṣeeṣe diẹ sii da lori iṣeeṣe yii; ni pataki ti a lo fun ipinya alakomeji. KNN jẹ ọkan ninu awọn alugoridimu ẹkọ ẹrọ ti o rọrun julọ45. Nigbati a ba fun data titẹ sii tuntun, o rii data k ti o sunmọ eto ti o wa tẹlẹ lẹhinna pin wọn si kilasi pẹlu igbohunsafẹfẹ ti o ga julọ. A ṣeto 3 fun nọmba awọn aladugbo ti a gbero (k). SVM jẹ alugoridimu kan ti o mu ijinna laarin awọn kilasi meji pọ si nipa lilo iṣẹ kernel lati faagun aaye laini si aaye ti kii ṣe laini ti a pe ni awọn aaye46. Fún àwòṣe yìí, a lo bíàsí = 1, agbára = 1, àti gamma = 1 gẹ́gẹ́ bí hyperparameters fún ekuro polynomial. A ti lo DT ní onírúurú pápá gẹ́gẹ́ bí algoridimu fún pípín gbogbo dátà kan sí ọ̀pọ̀lọpọ̀ àwọn ẹgbẹ́-ẹgbẹ́ nípa ṣíṣe àfihàn àwọn òfin ìpinnu nínú ìṣètò igi kan47. A ṣe àtúnṣe àwòṣe náà pẹ̀lú iye àkọsílẹ̀ tó kéré jùlọ fún node 2 ó sì lo àtọ́ka Gini gẹ́gẹ́ bí ìwọ̀n dídára. RF jẹ́ ọ̀nà àpapọ̀ kan tí ó so ọ̀pọ̀lọpọ̀ DT pọ̀ láti mú iṣẹ́ sunwọ̀n síi nípa lílo ọ̀nà àkópọ̀ bootstrap tí ó ń ṣe àkópọ̀ aláìlera fún àwòṣe kọ̀ọ̀kan nípa fífà àwọn àpẹẹrẹ tí ó ní ìwọ̀n kan náà láìròtẹ́lẹ̀ ní ọ̀pọ̀ ìgbà láti inú dataset àtilẹ̀wá48. A lo igi 100, ìjìnlẹ̀ igi 10, ìwọ̀n node tó kéré jùlọ 1, àti àtọ́ka admixture Gini gẹ́gẹ́ bí ìlànà ìyàsọ́tọ̀ node. Ìpínsísọ̀rí dátà tuntun ni a pinnu nípa ìdìbò ọ̀pọ̀ ènìyàn. XGBoost jẹ́ algoridimu kan tí ó so àwọn ọ̀nà ìgbéga pọ̀ nípa lílo ọ̀nà kan tí ó mú kí data ìdánilẹ́kọ̀ọ́ jẹ́ àṣìṣe láàárín àwọn iye gidi àti àsọtẹ́lẹ̀ ti àwòṣe ìṣáájú àti pé ó ń mú àṣìṣe náà pọ̀ síi nípa lílo gradients49. Ó jẹ́ ọ̀nà ìṣiṣẹ́ tí a ń lò fún gbogbo ènìyàn nítorí iṣẹ́ rẹ̀ tó dára àti bí ó ṣe ń ṣiṣẹ́ dáadáa, àti bí ó ṣe gbẹ́kẹ̀lé tó ga gẹ́gẹ́ bí iṣẹ́ àtúnṣe tí ó bá ju agbára lọ. Àwòṣe náà ní àwọn kẹ̀kẹ́ ìtìlẹ́yìn 400. MLP jẹ́ nẹ́tíwọ́ọ̀kì iṣan kan níbi tí ọ̀kan tàbí jù bẹ́ẹ̀ lọ perceptrons ń ṣe ọ̀pọ̀lọpọ̀ ìpele pẹ̀lú ìpele ìpamọ́ kan tàbí jù bẹ́ẹ̀ lọ láàrín àwọn ìpele ìfàmọ́ra àti ìjáde38. Nípa lílo èyí, o lè ṣe ìpínsọ́tọ̀ tí kì í ṣe ìlà níbi tí nígbà tí o bá fi ìpele ìfàmọ́ra kún un tí o sì gba iye àbájáde kan, a fi iye àbájáde tí a sọ tẹ́lẹ̀ wé iye àbájáde gidi àti pé àṣìṣe náà ń tàn kálẹ̀ padà. A ṣẹ̀dá ìpele ìpamọ́ kan pẹ̀lú 20 àwọn neuron tí a fi pamọ́ ní ìpele kọ̀ọ̀kan. A lo gbogbo àwòṣe tí a ṣe àgbékalẹ̀ rẹ̀ sí àwọn ìpele inú àti òde láti dán iṣẹ́ ìpínsọ́tọ̀ wò nípa ṣíṣírò ìfàmọ́ra, ìpele pàtó, PPV, NPV, àti AUROC. Ìfàmọ́ra ni a túmọ̀ sí ìpínsọ́tọ̀ àwòṣe tí a fojú díwọ̀n pé ó jẹ́ ọmọ ọdún 18 tàbí jù bẹ́ẹ̀ lọ sí àwòṣe tí a fojú díwọ̀n pé ó jẹ́ ọmọ ọdún 18 tàbí jù bẹ́ẹ̀ lọ. Ìpele pàtó ni ìpínsọ́tọ̀ àwọn àwòṣe tí kò tíì pé ọmọ ọdún 18 àti àwọn tí a fojú díwọ̀n pé wọ́n wà lábẹ́ ọmọ ọdún 18.
Àwọn ìpele ehín tí a ṣe àyẹ̀wò nínú àkójọ ìdánilẹ́kọ̀ọ́ ni a yí padà sí àwọn ìpele nọ́mbà fún ìwádìí ìṣirò. A ṣe ìpele onípele àti ìpele oníṣirò láti ṣe àwọn àwòṣe àsọtẹ́lẹ̀ fún ìbálòpọ̀ kọ̀ọ̀kan àti láti gba àwọn àwòṣe ìpele tí a lè lò láti ṣe ìṣirò ọjọ́ orí. A lo àwọn àwòṣe wọ̀nyí láti ṣe ìṣirò ọjọ́ orí ehin fún àwọn àkójọ ìdánwò inú àti òde. Táblì 4 fi àwọn àwòṣe ìpele àti ìpele tí a lò nínú ìwádìí yìí hàn.
A ṣírò ìgbẹ́kẹ̀lé inú àti interobserver nípa lílo statistiki kappa ti Cohen. Láti dán ìpéye DM àti àwọn àwòṣe ìfàsẹ́yìn àṣà, a ṣírò MAE àti RMSE nípa lílo ọjọ́ orí àti ọjọ́-orí gidi ti àwọn àwòṣe ìdánwò inú àti òde. Àwọn àṣìṣe wọ̀nyí ni a sábà máa ń lò láti ṣe àyẹ̀wò ìpéye àwọn àsọtẹ́lẹ̀ àwòṣe. Bí àṣìṣe náà bá ṣe kéré tó, bẹ́ẹ̀ ni ìpéye àsọtẹ́lẹ̀ náà yóò ṣe ga tó. Fi MAE àti RMSE ti àwọn àwòṣe ìdánwò inú àti òde tí a ṣírò nípa lílo DM àti ìfàsẹ́yìn àṣà. A ṣe àyẹ̀wò iṣẹ́ ìsọ̀rí ti ìgékúrò ọdún 18 nínú àwọn statistiki àṣà ìbílẹ̀ nípa lílo tábìlì ìfàsẹ́yìn 2 × 2. A fi ìfọkànsí, pàtó, PPV, NPV, àti AUROC ti àwòṣe ìdánwò wé pẹ̀lú àwọn iye tí a wọ̀n ti àwòṣe ìsọ̀rí DM. A sọ data di ìtumọ̀ ± ìyípadà standard tàbí nọ́mbà (%) ní ìbámu pẹ̀lú àwọn ànímọ́ dátà. A kà àwọn iye P ẹ̀gbẹ́ méjì <0.05 sí pàtàkì ní statistiki. Gbogbo àwọn àyẹ̀wò ìṣirò déédéé ni a ṣe nípa lílo SAS version 9.4 (SAS Institute, Cary, NC). A ṣe àgbékalẹ̀ àwòṣe ìyípadà DM ní Python nípa lílo Keras50 2.2.4 backend àti Tensorflow51 1.8.0 pàtó fún àwọn iṣẹ́ ìṣirò. A ṣe àgbékalẹ̀ àwòṣe ìsọ̀rí DM ní Waikato Knowledge Analysis Environment àti Konstanz Information Miner (KNIME) 4.6.152 analysis platform.
Àwọn òǹkọ̀wé náà gbà pé a lè rí àwọn dátà tó ń gbé àwọn ìparí ìwádìí náà lárugẹ nínú àpilẹ̀kọ náà àti àwọn ohun èlò afikún. Àwọn dátà tí a ṣẹ̀dá àti/tàbí tí a ṣàyẹ̀wò nígbà ìwádìí náà wà láti ọ̀dọ̀ òǹkọ̀wé tó báramu bí a bá béèrè fún wọn.
Ritz-Timme, S. àti àwọn ẹlòmíràn. Ìṣàyẹ̀wò ọjọ́-orí: ipò tó dára láti bá àwọn ohun pàtó tí a béèrè fún nínú iṣẹ́ ìwádìí nípa ìwádìí mu. Àgbáyé. J. Ìṣègùn òfin. 113, 129–136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., àti Olze, A. Ipò ìwádìí ọjọ́-orí àwọn akẹ́kọ̀ọ́ tí wọ́n wà láàyè fún ẹjọ́ ọ̀daràn lọ́wọ́lọ́wọ́. Ìwádìí nípa àìsàn. Ìṣègùn. Àrùn. 1, 239–246 (2005).
Pan, J. àti àwọn ẹlòmíràn. Ọ̀nà tí a yípadà fún ṣíṣàyẹ̀wò ọjọ́-orí eyín àwọn ọmọdé ọlọ́dún márùn-ún sí mẹ́rìndínlógún ní ìlà-oòrùn China. ìṣègùn. Ìwádìí ẹnu. 25, 3463–3474 (2021).
Lee, SS àti bẹ́ẹ̀ bẹ́ẹ̀ lọ. Àkọsílẹ̀ ìdàgbàsókè àwọn iṣan ara kejì àti ìkẹta nínú àwọn ará Korea àti ìlò rẹ̀ fún ìṣàyẹ̀wò ọjọ́-orí àwọn onímọ̀ nípa òfin. Àgbáyé. J. Ìṣègùn òfin. 124, 659–665 (2010).
Oh, S., Kumagai, A., Kim, SY àti Lee, SS Ìpéye ìṣirò ọjọ́-orí àti ìṣirò ti ààlà ọdún 18 tí ó da lórí ìdàgbàsókè àwọn molar kejì àti kẹta ní àwọn ará Korea àti Japanese. PLoS ONE 17, e0271247 (2022).
Kim, JY, àti àwọn ẹlòmíràn. Ìwádìí ìwádìí lórí ẹ̀kọ́ ẹ̀rọ kí a tó ṣe iṣẹ́ abẹ lè sọ àsọtẹ́lẹ̀ àbájáde ìtọ́jú iṣẹ́ abẹ oorun nínú àwọn aláìsàn tí wọ́n ní OSA. ìmọ̀ sáyẹ́ǹsì. Ìròyìn 11, 14911 (2021).
Han, M. àti àwọn ẹlòmíràn. Ìṣirò ọjọ́-orí pípé láti inú ẹ̀kọ́ ẹ̀rọ pẹ̀lú tàbí láìsí ìdásí ènìyàn? Àgbáyé. J. Ìṣègùn òfin. 136, 821–831 (2022).
Khan, S. àti Shaheen, M. Láti ìwakùsà Dátà sí ìwakùsà Dátà. J.Ìwífún. ìmọ̀ sáyẹ́ǹsì. https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. àti Shaheen, M. WisRule: Àlàyé Ìmọ̀ Àkọ́kọ́ fún Ìwakùsà Òfin Ẹgbẹ́. J.Ìwífún. ìmọ̀ sáyẹ́ǹsì. https://doi.org/10.1177/01655515221108695 (2022).
Shaheen M. àti Abdullah U. Karm: Ìwakùsà dátà ìbílẹ̀ tí a gbé karí àwọn òfin ìbáṣepọ̀ tí ó dá lórí àyíká. ṣírò. Matt. tẹ̀síwájú. 68, 3305–3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. àti Habib M. Ìwádìí ìfarajọra tó dá lórí ẹ̀kọ́ jinlẹ̀ nípa lílo dátà ọ̀rọ̀. ìwífún. ìmọ̀ ẹ̀rọ. ìṣàkóso. https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
Tabish, M., Tanoli, Z., àti Shahin, M. Ètò kan fún mímọ ìgbòkègbodò nínú àwọn fídíò eré ìdárayá. multimedia. Àwọn Ohun èlò Ìlò Irinṣẹ́ https://doi.org/10.1007/s11042-021-10519-6 (2021).
Halabi, SS àti àwọn ẹlòmíràn. Ìpèníjà Ẹ̀kọ́ Ẹ̀rọ RSNA ní Ọjọ́-orí Egungun Àwọn Ọmọdé. Ìwádìí Ẹ̀rọ 290, 498–503 (2019).
Li, Y. àti àwọn ẹlòmíràn. Ìṣirò ọjọ́-orí ìwádìí láti inú àwọn ìtànṣán X-ray ikùn nípa lílo ẹ̀kọ́ jíjinlẹ̀. EURO. ìtànṣán. 29, 2322–2329 (2019).
Guo, YC, àti àwọn ẹlòmíràn. Ìpínsísọ ọjọ́-orí pípé nípa lílo àwọn ọ̀nà ìfọwọ́sowọ́pọ̀ àti àwọn nẹ́tíwọ́ọ̀kì ìyípadà ara jíjìn láti inú àwọn àwòrán ìṣàfihàn orthographic. internationality. J. Legal medicine. 135, 1589–1597 (2021).
Alabama Dalora àti àwọn ẹlòmíràn. Ìṣirò ọjọ́ orí egungun nípa lílo onírúurú ọ̀nà ẹ̀kọ́ ẹ̀rọ: àtúnyẹ̀wò ìwé àti àgbéyẹ̀wò àkójọpọ̀. PLoS ONE 14, e0220242 (2019).
Du, H., Li, G., Cheng, K., àti Yang, J. Ìṣirò ọjọ́-orí pàtó fún àwọn ọmọ Áfíríkà Amẹ́ríkà àti àwọn ará Ṣáínà tí a gbé ka orí ìwọ̀n yàrá pulp ti àwọn molars àkọ́kọ́ nípa lílo cone-beam computed tomography. internationality. J. Legal medicine. 136, 811–819 (2022).
Kim S., Lee YH, Noh YK, Park FK àti Oh KS. Ṣíṣàyẹ̀wò àwọn ẹgbẹ́ ọjọ́-orí àwọn ènìyàn alààyè nípa lílo àwọn àwòrán ọgbọ́n àtọwọ́dá ti àwọn èèkàn àkọ́kọ́. Ìmọ̀ sáyẹ́ǹsì náà. Ìròyìn 11, 1073 (2021).
Stern, D., Payer, C., Giuliani, N., àti Urschler, M. Ìṣirò ọjọ́-orí aládàáṣe àti ìsọ̀rí ọjọ́-orí ọ̀pọ̀lọ́pọ̀ láti inú dátà MRI oníyàtọ̀. IEEE J. Biomed. Àwọn Ìkìlọ̀ Ìlera. 23, 1392–1403 (2019).
Cheng, Q., Ge, Z., Du, H. àti Li, G. Ìṣirò ọjọ́-orí tí a gbé ka orí ìpínyà 3D ti àwọn molars àkọ́kọ́ láti inú cone beam computed tomography nípa ṣíṣepọ̀ ẹ̀kọ́ jíjinlẹ̀ àti àwọn ìpele. Internationality. J. Legal medicine. 135, 365–373 (2021).
Wu, WT, àti àwọn ẹlòmíràn. Ìwakùsà dátà nínú ìṣègùn ńlá dátà: àwọn ibi ìpamọ́ dátà tí a sábà máa ń lò, àwọn ìgbésẹ̀, àti àwọn ọ̀nà. Àgbáyé. ìṣègùn. orísun. 8, 44 (2021).
Yang, J. àti àwọn ẹlòmíràn. Ìfihàn sí Àwọn Ibi Ìpamọ́ Dátà Ìṣègùn àti Àwọn Ìmọ̀-ẹ̀rọ Ìwakùsà Dátà ní Àkókò Ńlá Dátà. J. Avid. Ìṣègùn Àkọ́kọ́. 13, 57–69 (2020).
Shen, S. àti àwọn ẹlòmíràn. Ọ̀nà Camerer láti ṣe ìṣirò ọjọ́ orí eyín nípa lílo ẹ̀kọ́ ẹ̀rọ. BMC Oral Health 21, 641 (2021).
Galliburg A. àti àwọn ẹlòmíràn. Ìfiwéra àwọn ọ̀nà ẹ̀kọ́ ẹ̀rọ tó yàtọ̀ síra fún sísọ àsọtẹ́lẹ̀ ọjọ́ orí eyín nípa lílo ọ̀nà ìtò Demirdjian. Internationality. J. Legal medicine. 135, 665–675 (2021).
Demirdjian, A., Goldstein, H. àti Tanner, JM Ètò tuntun fún ṣíṣe àyẹ̀wò ọjọ́ orí eyín. snort. Biology. 45, 211–227 (1973).
Landis, JR, àti Koch, GG Àwọn ìwọ̀n ìfọwọ́sowọ́pọ̀ àwọn olùwòye lórí àwọn dátà ẹ̀ka-ẹ̀ka. Àwọn Ìmọ̀-ẹ̀rọ-ìjìnlẹ̀ 33, 159–174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK àti Choi HK. Ìwádìí ìkọ̀wé, ìrísí àti ìṣirò ti àwòrán ìṣàfihàn magnetic onípele méjì nípa lílo àwọn ọ̀nà ìmòye atọwọ́dá fún ìyàtọ̀ àwọn èèmọ́ ọpọlọ àkọ́kọ́. Ìwífún nípa ìlera. orísun. https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Àkókò ìfìwéránṣẹ́: Jan-04-2024