- Austria / Österreich
- Bośnia i Hercegowina / Босна и Херцеговина
- Bułgaria / България
- Chorwacja / Hrvatska
- Czechy i Słowacja / Česká republika & Slovensko
- Francja / France
- Niemcy / Deutschland
- Grecja / ΕΛΛΑΔΑ
- Włochy / Italia
- Holandia / Nederland
- nordycki / Nordic
- Polska / Polska
- Portugalia / Portugal
- Rumunia i Mołdawia / România & Moldova
- Słowenia / Slovenija
- Serbia i Czarnogóra / Србија и Црна Гора
- Hiszpania / España
- Szwajcaria / Schweiz
- indyk / Türkiye
- Wielka Brytania i Irlandia / UK & Ireland
WUHAN, Chiny: Pacjenci często cierpią z powodu bólu pooperacyjnego, dlatego obecnie dentyści pilnie potrzebują informacji o precyzyjnych lekach. W niedawnym badaniu zastosowano model sztucznej sieci neuronowej (ANN) do przewidywania bólu po leczeniu kanałowym (RTC), co ma znaczenie kliniczne dla lekarzy w celu poprawy jakości leczenia, ustalenia zoptymalizowanych planów leczenia i zmniejszenia występowania sporów medycznych.
W dziedzinie algorytmów inspirowanych naturą ANN dokonała najnowszego szybkiego rozwoju. Jest to system oparty na imitacji struktury i funkcji ludzkiego mózgu, który można zastosować do analizy zależności między różnymi predyktorami. SSN można wykorzystać do przewidywania wyników medycznych poprzez wybór odpowiednich struktur sieci neuronowych i masy treningowej, a także do diagnozowania chorób, prognozowania i podejmowania decyzji klinicznych.
Doniesiono, że ANN może umożliwić identyfikację ważnych zmiennych i przewidywanie bólu po leczeniu z dużą dokładnością. To badanie przeprowadzone przez naukowców z Wuhan University miało na celu ocenę dokładności modelu sztucznej sieci neuronowej wstecznej propagacji (BP) do przewidywania bólu pooperacyjnego po RCT.
Model sieci neuronowej BP został opracowany przy użyciu zestawu narzędzi sieci neuronowych MATLAB 7.0 i ustalono funkcjonalną relację projekcyjną między 13 parametrami (w tym czynnikami osobistymi, czynnikami reakcji zapalnych i czynnikami procedury operacyjnej) a bólem pooperacyjnym odczuwanym przez pacjenta po RCT .
Ten model sieci neuronowej został przeszkolony i przetestowany na podstawie danych od 300 pacjentów poddanych RCT. Spośród tych przypadków 210, 45 i 45 przydzielono odpowiednio jako próbki treningowe, walidacyjne i testowe, aby ocenić dokładność przewidywania. Autorzy badania Xin Gao i Xing Xin wraz z zespołem stwierdzili, że dokładność tego modelu sieci neuronowej BP wynosiła 95,6% w przewidywaniu bólu pooperacyjnego po RCT.
Naukowcy doszli do wniosku, że model sieci BP może być wykorzystany do przewidywania bólu pooperacyjnego po RCT i wykazał wykonalność kliniczną i wartość aplikacyjną. Dlatego proponowana metoda może w przyszłości posłużyć jako odniesienie kliniczne.
Badanie zatytułowane “Predicting postoperative pain following root canal treatment by using artificial neural network evaluation”, zostało opublikowane 26 sierpnia 2021 r. w Scientific Reports.
pią. 26 kwietnia 2024
6:00 (CET) Warsaw
How you can access data-driven decision making
pon. 29 kwietnia 2024
6:30 (CET) Warsaw
Root caries: The challenge in today’s cariology
wto. 30 kwietnia 2024
7:00 (CET) Warsaw
Neodent Discovery: Neoarch Guided Surgery—from simple to complex cases
pią. 3 maja 2024
7:00 (CET) Warsaw
Osseointegration in extrēmus: Complex maxillofacial reconstruction & rehabilitation praeteritum, praesens et futurum
śro. 8 maja 2024
2:00 (CET) Warsaw
You got this! Diagnosis and management of common oral lesions
pią. 10 maja 2024
2:00 (CET) Warsaw
Empowering your restorative practice: A comprehensive guide to clear aligner integration and success
pon. 13 maja 2024
7:00 (CET) Warsaw
To post a reply please login or register