[基于点云的三维面部中平面的深度学习辅助构建]
1Center of Digital Dentistry, Faculty of Prosthodontics, Peking University School and Hospital of Stomatology & National Center for Stomatology & National Clinical Research Center for Oral Diseases & National Engineering Research Center of Oral Biomaterials and Digital Medical Devices & Research Center of Engineering and Technology for Computerized Dentistry Ministry of Health & Beijing Key Laboratory of Digital Stomatology, Beijing 100081, China.
一个新的动态图谱注册网络 (DGRNet) 算法自动化了3D面部中平面的构造. 这种智能注册方法为临床数字设计和分析提供了更高的效率和准确性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 准确的3D面部中平面构造对于临床数字设计和分析至关重要.
- 现有的方法可能缺乏自动注册的效率和精度.
- 需要智能注册算法来增强当前的工作流程.
研究的目的:
- 开发一种智能注册算法,用于自动3D面部中平面构造.
- 为此目的引入动态图表注册网络 (DGRNet).
- 为临床数字设计和分析提供参考.
主要方法:
- 收集了200名临床患者没有显著的面部形的数据.
- 开发了DGRNet来计算特征向量,建立关键点对应,并使用单数值分解计算旋转/转换.
- 利用主要组件分析 (PCA) 进行中平面对齐,并使用R2和角度误差对代最接近点 (ICP) 评估模型性能.
主要成果:
- 与ICP相比,DGRNet的平均角度误差为1.05°±0.56°,与ICP.Net相比,DGRNet的平均角度误差为1.05°±0.56°.
- 最小的角度误差只有0.13°.
- 在50个临床病例中,成功检测率为78%在1.50°以内,90%在2.00°以内.
结论:
- 基于DGRNet的智能注册方法为3D面部中平面构造提供了一种新的解决方案.
- 这种方法显示出提高临床治疗效率和有效性的潜力.
- 该算法为牙科和相关领域的数字设计和分析提供了有价值的工具.
更多相关视频
09:10Digital Hybrid Model Preparation for Virtual Planning of Reconstructive Dentoalveolar Surgical Procedures
Published on: August 5, 2021
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
