سه شبکه عصبي با 302 مورد از گروه ارتودنتيکس ، بيمارستان دندانپزشکي غرب چين آموزش ديده است. همانطور که در شکل 1a نشان داده شده است ، اولين شبکه عصبي تعيين مي کند که آيا بيمار نياز به کشيدن دندان دارد يا خير. اگر بيمار به استخراج نياز داشته باشد ، شبکه هاي عصبي دوم و سوم به ترتيب الگوي استخراج و الگوي لنگرگيري ويژه را پيش بيني مي کنند. شبکه براي تعيين الگوهاي استخراج ، به عنوان مثال ، يک پرسپترون چند لايه کاملاً متصل به چند لايه (MLP) است ، همانطور که در شکل 1b نشان داده شده است ، که از 24 گره ورودي ، 10 گره پنهان و 4 گره خروجي تشکيل شده است. دو شبکه عصبي ديگر ساختار مدل مشابه اين شبکه را دارند اما داراي تعداد متفاوتي از گره هاي خروجي هستند. شبکه عصبي استخراج-عدم استخراج داراي 2 گره خروجي ، و شبکه عصبي الگوهاي لنگرگاه 3 است. مدل هاي شبکه عصبي آموزش ديده در اطلاعات تکميلي ، همراه با نمايش روند برنامه ريزي درماني ارائه شده است.
شکل 1
شکل 1
(الف) نمودار جريان پردازش داده ها. (ب) ساختار شبکه عصبي براي پيش بيني الگوهاي استخراج. ساختار شبکه يک پرسپترون چند لايه کاملاً متصل به هم است که از 24 گره ورودي ، 10 گره پنهان و 4 گره خروجي تشکيل شده است.
تصوير با اندازه کامل
صحت ANN ها
همانطور که در شکل 2 نشان داده شده است ، منحني ويژگي عملکرد گيرنده (ROC) عملکرد ANN را در تصميم استخراج نشان مي دهد. اين مدل مساحتي را در زير منحني (AUC) 0.982 (95 C CI 0.968-0.995) ارائه مي دهد. هرچه نقطه روي منحني ROC به گوشه فوقاني سمت چپ نزديکتر باشد ، دقت مدل بيشتر مي شود و نقطه نزديک به گوشه فوقاني سمت چپ بهترين مقدار برش با حداقل خطا است. مقدار برش تشخيصي بهينه اين مدل 0.692 است ، که با استفاده از آن ، اين مدل به حساسيت 94.6? (95? CI 0.894-0.964) و ويژگي 93.8? (95? CI 0.870-0.984) مي رسد. اگر احتمال پيش بيني پرونده براي استخراج بيشتر از 0.692 باشد ، به عنوان يک مورد استخراج تشخيص داده مي شود و براي تعيين الگوي استخراج و الگوي لنگرگيري به دو مدل ديگر منتقل مي شود. شکل 3 صحت پيش بيني ANN ها را نشان مي دهد. دقت در تصميم گيري استخراج-عدم استخراج 94.0? است و صحت هاي مجموعه يادگيري ، مجموعه اعتبارسنجي و مجموعه آزمون به ترتيب 94.0? ، 95.0? و 93.3? است. دقت پيش بيني الگوهاي استخراج 83.3? است و صحت هاي مجموعه يادگيري ، مجموعه اعتبارسنجي و مجموعه آزمون به ترتيب 83.6? ، 1/84? و 81.8? است. دقت کلي الگوهاي لنگرگاه 92.8? است ، و صحت هاي مجموعه يادگيري ، مجموعه اعتبارسنجي و مجموعه آزمون به ترتيب 93.3? ، 90.9? و 93.2? است. تصميم گيري در مورد الگوهاي استخراج پيچيده ترين قسمت برنامه ريزي درماني است و پزشکان مختلف ممکن است از الگوهاي مختلف استخراج استفاده کنند. اين توضيح مي دهد که چرا دقت پيش بيني آن از دو بخش ديگر برنامه درماني کمتر است ، و اين فاصله با نتايج يک مطالعه ديگر قابل مقايسه است14. با توجه به ذهنيت تصميم گيري در مورد الگوهاي استخراج ، اين مدل گزينه هاي مختلف عملي را براي انتخاب پزشکان ارائه مي دهد که کاربرد آن را بيشتر مي کند.
شکل 2
شکل 2
منحني ROC شبکه عصبي براي پيش بيني استخراج. مدل عملکرد AUC 0.982 (95? CI 0.968-0.995) دارد. مقدار برش تشخيصي بهينه 0.692 است ، جايي که حساسيت مدل به 94.6? (95? CI 0.894-0.964) و ويژگي آن به 93.8? (95? CI 0.870-0.984) مي رسد.
تصوير با اندازه کامل
صحت ANN ها. دقت پيش بيني استخراج-عدم استخراج 94.0? است ، و صحت هاي مجموعه يادگيري ، مجموعه اعتبارسنجي و مجموعه آزمون به ترتيب 94.0? ، 95.0? و 93.3? است. دقت پيش بيني الگوهاي استخراج 83.3? است و صحت هاي مجموعه يادگيري ، مجموعه اعتبارسنجي و مجموعه آزمون به ترتيب 83.6? ، 1/84? و 81.8? است. دقت کلي الگوهاي لنگرگاه 92.8? است ، و صحت هاي مجموعه يادگيري ، مجموعه اعتبارسنجي و مجموعه آزمون به ترتيب 93.3? ، 90.9? و 93.2? است.
تصوير با اندازه کامل
سهم نسبي ويژگي ها براي تصميم گيري هاي برنامه ريزي
در عمل باليني ، پزشكان ممكن است هميشه به تمام اطلاعات مورد نياز مورد استفاده توسط ANN دسترسي نداشته باشند. بنابراين ، بررسي سهم همه ويژگي ها براي هر قسمت تصميم گيري از اهميت عملي برخوردار است. ما از روش PaD25 براي محاسبه سهم نسبي ويژگي ها استفاده کرده و آنها را به ترتيب رتبه بندي کرده ايم. نتايج در جدول 1 نشان داده شده است. با توجه به تصميم گيري استخراج ، ويژگي هاي "شلوغي ، قوس فوقاني" "شلوغي ، قوس پايين" و "U1-NA °" سه موردي هستند که بيشترين سهم را داشته اند. "ANB" "overbite" و "بي کفايتي لب" سه ويژگي هستند که بيشتر مربوط به پيش بيني الگوهاي استخراج است. سه ويژگي مهم براي تعيين الگوي لنگرخشي توسط مدل عبارتند از: "منحني سرعت" ، "زاويه nasolabial" و "UL-EP". نتايج نشان مي دهد که اين ويژگي ها به عنوان مدل ها هنگام تصميم گيري مهم انتخاب يا فکر مي شوند. هنگامي که مدل ها پيش بيني هاي مختلفي انجام مي دهند ، آنها ويژگي هاي مختلفي را به عنوان مهم ترين رفتار مي کنند.
، ,استخراج ,مي ,شبکه ,مدل ,الگوهاي ,پيش بيني ,است ، ,به ترتيب ,شبکه عصبي ,شده است ,بيني الگوهاي استخراج ,مورد الگوهاي استخراج ,براي تعيين الگوي
درباره این سایت