基于对象检测和深度学习的3D面部软组织地标预测的自动化方法
Yuchen Zhang1,2, Yifei Xu3, Jiamin Zhao1
1Key Laboratory of Shaanxi Province for Craniofacial Precision Medicine Research, College of Stomatology, Xi'an Jiaotong University, 98 XiWu Road, Xi'an 710004, China.
Diagnostics (Basel, Switzerland)
|June 10, 2023
概括
这项研究引入了一个新的神经网络,用于直接从3D模型中精确的3D面部软组织里程碑预测. 该方法实现了高精度,并比现有算法预测了更多的地标.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 生物医学工程 生物医学工程
背景情况:
- 三维面部软组织里程碑预测在牙科中至关重要.
- 现有的深度学习方法将3D模型转换为2D地图,导致信息丢失和精度降低.
研究的目的:
- 提出一种新的神经网络架构,用于从3D面部软组织模型直接预测里程碑.
- 克服2D投影方法在3D地标预测中的局限性.
主要方法:
- 神经网络架构直接处理面部3D软组织模型.
- 对象检测识别器官范围,然后由预测网络用于从3D器官模型中提取地标.
主要成果:
- 拟议的方法在本地实验中达到2.62±2.39的平均误差,优于其他算法.
- 超过72%的测试数据错误在±2.5mm以内,100%在3mm以内.
- 该方法预测了32个地标,超过了其他基于机器学习的算法.
结论:
- 开发的方法准确地预测了大量的3D面部软组织地标.
- 直接利用3D模型进行预测是可行的和准确的.
- 这种方法提高了牙科应用的精度.
