在3D照片上完全自动地标和面部细分

科学领域:

• 医学成像医学成像
• 计算机视觉 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:

• 三维面部立体摄影仪可以在没有电离辐射的情况下提供详细的面软组织分析.
• 头脑测量分析的手动地标注释是当前的标准,但耗时且容易出现人为错误.

研究的目的:

• 开发和评估一个使用深度学习方法的自动化脑计注释方法.
• 与手动方法相比,评估自动地标的精度和一致性.

主要方法:

• 使用两个连续的DiffusionNet模型开发了一个深度学习工作流程,用于自动化地标注释.
• 在2897张3D面部照片上手动注释了10个地标,数据集分为训练和测试集.
• 精度是通过自动和手动地标之间的欧几里德距离来评估的,与观察者内部和观察者之间的变化相比较.

主要成果:

• 自动化工作流在98.6%的测试案例中取得了成功.
• 深度学习方法证明了精确和一致的里程碑注释.
• 平均精度为1.69 ± 1.15毫米,相当于手动注释的1.31 ± 0.91毫米的观察者间变化.

结论:

• 使用基于DiffusionNet的方法对3D面部照片进行自动标志注释是可行的.
• 拟议的方法允许对大型数据集进行定量分析.
• 这种技术在诊断,患者随访和虚拟手术规划方面具有潜在的应用.