Dent Mater J：预测模型对于牙列表面粗糙度和显微硬度的准确性分析
2019-10-11 lishiting MedSci原创
这篇研究的目的是为了比较人工神经网络模型(ANN)与体外试验结果的差异。
这篇研究的目的是为了比较人工神经网络模型(ANN)与体外试验结果的差异。为了进行该项实验，研究将4副不同上颌磨牙牙列分别置于茶、咖啡、可乐、樱桃汁和去离子水中。检测样本的Vickers显微硬度和表面粗糙度值。随后，检测不同牙列ANN模型的显微硬度和表面粗糙度预测值。采用反向传播算法研发一种与显微硬度和表面粗糙度总数相关的模型。模型的独立变量为去离子水、茶、过滤咖啡、可乐、樱桃汁、时间和牙列。显微硬度和表面粗糙度作为因变量。结果显示，神经网络体系结构具有包含10个神经单位的1个输入层，6个神经单位的2个隐藏层，2个神经单位的1个输出层和epoch大小为48，可以给与较好的预测。另外，用于牙科材料的预测模型也可以支持体外研究。原始出处：Deniz ST， Ozkan P， et al. The accuracy of the prediction models for surface roughness and micro hardness of denture teeth. Dent Mater J. 2019 Oct 2. doi： 10.4012/dmj.2018-014.本文系梅斯
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#显微硬度#
28
#准确性#
36
#预测模型#
29
梅斯里提供了很多疾病的模型计算公式，赞一个！
38