典型文献
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
文献摘要：
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.
文献关键词：
牙龈炎;牙周炎;机器学习;唾液;炎症因子
中图分类号：
作者姓名：
张惠媛;张雅萌;阮世红;陈晓春;李菊红;张紫阳;于海洋
作者机构：
610041 成都口腔疾病研究、国家重点实验室、四川大学华西口腔医院修复科;深圳市慢性病防治中心
文献出处：
引用格式：
[1]张惠媛;张雅萌;阮世红;陈晓春;李菊红;张紫阳;于海洋-.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)[J].北京口腔医学,2022(04):248-254
A类：
良深
B类：
唾液,炎症因子水平,牙周状况,机器学习模型,牙龈炎,牙周炎,断机,Luminex,液相芯片检测,六种,分牙,健康者,诊断性,PSO,GA,模型准确率,Fisher,分类判别,判别模型,LDA,运行时间,可判,牙周健康状况
AB值：
0.231457
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
