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/dm...