Die automatisierte Schätzung des Zahn-alters ist für die klinische Zahnmedizin unerlässlich. Traditionelle Methoden wie die Zahn-entwicklungs-stufe (TDS) nach Demirjian erfordern jedoch eine zeitaufwändige manuelle Annotation durch geschulte Experten. Zudem können populationsbedingte Unterschiede in den Zahn-entwicklungsmustern die Genauigkeit der Altersschätzung erheblich beeinflussen, was die Notwendigkeit eines ethnisch-spezifischen Referenzdatensatzes (RDS) unterstreicht. Ziel dieser Studie ist es, tiefe neuronale Netze (DNNs) zur automatischen Schätzung der Demirjian-TDS der Molaren auf digitalen Panorama-Röntgenaufnahmen zu verwenden und den vollständigsten südchinesischen RDS für eine ethnisch angemessene zahnärztliche Altersschätzung zu integrieren. Panorama-Röntgenaufnahmen von Personen im Alter von 2 bis 25 Jahren werden für die Molaren-TDS annotiert und zum Training von acht DNN-Architekturen einschließlich AlexNet, DenseNet-201 und ResNet-50 verwendet. DenseNet-201 erreicht mit 93 % die höchste Genauigkeit bei der Klassifizierung der Molaren-TDS. Die meisten Fehlklassifikationen betreffen benachbarte Stadien. Das integrierte mittlere Zahnalter (IMDA) wird durch Abbildung der prognostizierten Molaren-TDS mit dem südchinesischen RDS erhalten. Die mittlere Differenz und der Korrelationskoeffizient zwischen dem geschätzten IMDA des leistungsstärksten DNN (AlexNet) und dem chronologischen Alter betragen -0,063 Jahre (-3,3 Wochen) bzw. r=0,898 (p<0,001). Diese Ergebnisse zeigen, dass die Kombination von DNN zur TDS-Schätzung mit einem ethisch spezifischen RDS eine genaue und zuverlässige zahnärztliche Altersschätzung ermöglicht.

Tiefe neuronale Netze (DNN);Zahn-alter Schätzung;Panorama-Röntgenaufnahmen;Südchinesen;Zahn-entwicklung