基于深度学习的正牙正面和侧面面部照片的自动软组织分析

科学领域:

• 医疗成像医学成像
• 人工智能在正牙科中的应用
• 定量面部分析 定量面部分析

背景情况:

• ортодонтика软组织分析传统上依赖于手动测量,这可能是耗时和主观的.
• 开发用于面部软组织的定量评估的自动化方法对于改善牙科诊断准确性和治疗规划至关重要.

研究的目的:

• 建立基于深度学习的自动软组织分析模型,用于正牙面部照片.
• 通过自动化地标检测和测量计算,实现软组织的全面定量评估.

主要方法:

• 使用578张正面和450张侧面正牙患者照片构建数据集.
• 43个正面和17个侧面的图像标志的手动注释,由两个正牙医进行.
• 开发自动地标检测模型,包括高分辨率网络,功能融合模块和基于像素混合的预测模型.

主要成果:

• 自动模型实现了正面地标的平均辐射误差为14.44±17.20像素,横向地标的平均辐射误差为13.48±17.12像素.
• 对于大多数测量,在模型预测和手动注释之间没有发现统计学上显著的差异,14个测量显示出高一致性.
• 这些模型成功地进行了全面的软组织测量,包括10个前部图像和8个侧面图像.

结论:

• 基于深度学习的自动软组织分析模型已成功为正牙面部照片建立.
• 这些模型可以自动检测大量的地标,并进行全面的软组织测量.
• 开发的模型为高效准确的软组织定量评估提供了潜力,有助于正牙医在临床应用中.