基于唾液炎症因子水平预测牙周状况的机器学习模型的建立

摘要：

目的 建立基于唾液炎症因子水平的牙龈炎、牙周炎诊断机器学习模型.方法 Luminex液相芯片检测牙周健康对照组(41人)、牙龈炎患者组(60人)和牙周炎患者组(54人)唾液中22种炎症因子水平,Spearman分析选择P<0.05的炎症因子建立六种机器学习模型,比较它们在区分牙周健康者、牙龈炎患者和牙周炎患者中的诊断性能.结果 支持向量机(SVM)、PSO改良支持向量机(PSO-SVM)、GA改良支持向量机(GA-SVM)模型准确率为100％;深度学习(BP)和GA改良深度学习(GA-BP)模型准确率为87.10％,Fisher分类判别模型(LDA)准确率为83.87％.结论 SVM模型准确率和运行时间最佳,可判断牙周健康状况,机器学习模型可能成为牙龈炎和牙周炎诊断新方法.

关键词：牙龈炎、牙周炎、机器学习、唾液、炎症因子

所属期刊栏目：30

分类号：R781.42(口腔科学)

资助基金：国家重点研发计划2016YFC1102704

在线出版日期：2022-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：248-254