메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Jong-Hak Kim (Seoul National University) Naeun Kwon (Seoul National University) Shin-Jae Lee (Seoul National University School of Dentistry)
저널정보
대한치의학회 Journal of Korean Dental Science Journal of korean dental science Vol.18 No.1
발행연도
2025.3
수록면
12 - 19 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Purpose: To estimate the sample size required for developing artificial intelligence (AI) that can predict soft-tissue and alveolar bone changes following orthodontic treatment. Materials and Methods: From the original data sets with N=887, consisting of 132 input and 88 output variables used to create AI models for predicting treatment changes following orthodontic treatment, six subsets of the data (n=75, 150, 300, 450, 600, and 750) were generated through random resampling procedures. The process was repeated four times, resulting in 24 different data subsets. Each data subset was used to create a total of 24 AI models using the TabNet deep neural network algorithm. The clinically acceptable prediction accuracy was defined as a less than 1.5 mm prediction error on the lower lip. The prediction errors from each AI model were compared according to sample sizes and analyzed to estimate the optimal sample size. Results: The prediction error decreased with increasing sample sizes. A training sample size greater than approximately 1650 was estimated to develop an AI model with less than 1.5 mm of prediction errors at the lower lip area. Conclusion: From a statistical and research design perspective, a considerable amount of training data appears necessary to develop an AI prediction model with clinically acceptable accuracy.
#Artificial intelligence #Sample size estimation #Orthodontic treatment prediction

목차

Introduction
Materials and Methods
Results
Discussion
Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0