在使用基于U-NET的深度学习算法对3D面部图像进行自动解剖地标检测.
Yuming Chong1,2, Fengzhou Du1,2, Xuda Ma1,2
1Department of Plastic and Aesthetic Surgery, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Quantitative imaging in medicine and surgery
|March 28, 2024
概括
一个新的深度学习算法在3D模型上自动检测面部地标,大大提高了3D面部人类学的效率. 这一进步解决了耗时的手动过程,为各种患者群体提供了准确的结果.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 3D摄影仪在面部人体测量手术中越来越受欢迎.
- 在3D摄影测量中手动定位地标是耗时的.
- 需要自动化方法来提高3D面部分析的效率.
研究的目的:
- 开发一种深度学习算法,用于在3D面部模型上自动检测解剖学里程碑.
- 为了克服手动地标定位在3D摄影测量中的局限性.
- 为了提高3D面部图像分析的准确性和效率.
主要方法:
- 开发了一个基于U-NET的深度学习算法,将两个U-NET堆叠在一起.
- 该算法使用了3x3卷积内核和ReLU激活函数.
- 200张来自健康患者,壮症患者和局部性硬皮肤病患者的3D图像被用于培训和测试.
主要成果:
- 该算法在健康病例中实现了平均1.4毫米的正常化平均误差 (NME).
- 在健康病例中,正确关键点 (PCK) 的百分比在2毫米值时达到90%.
- 平均NME为2.8毫米的积病和2.2毫米的局部性硬皮病患者.
结论:
- 成功开发了一种深度学习算法,用于在3D图像上自动检测面部地标.
- 该算法在三个不同的参与者群体中展示了准确的地标检测.
- 这项创新提高了临床环境中3D面部图像分析的效率和准确性.
