通过基于人口平价的人工智能模型的多量化面特征.
Mengru Shi1, Zhuohong Gong1, Peisheng Zeng1
1Hospital of Stomatology, Guanghua School of Stomatology, Guangdong Provincial Key Laboratory of Stomatology, Sun Yat-sen University, Guangzhou 510055, China.
BME frontiers
|August 14, 2024
概括
本研究引入了一种人口平衡策略,以改进人工智能 (AI) 模型,从形光束计算机断层扫描 (CBCT) 图像中量化口面部特征,实现跨性别的公平表现.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 口腔和牙面部外科手术
背景情况:
- 准确量化口面部特征对于手术规划和结果至关重要.
- 现有的人工智能 (AI) 模型在数据中的人口差异上扎,限制了它们的概括性.
- 膜膜基底骨量化涉及多个指数,这些指数对于审美和功能评估至关重要.
研究的目的:
- 为基于人工智能的面指数多量化制定人口平价战略.
- 提高AI模型的概括能力,用于分析形光束计算机断层扫描 (CBCT) 图像.
- 解决人工智能模型中与性别等敏感属性相关的性能差异.
主要方法:
- 收集了4000张CBCT松图像的膜膜基底骨.
- 开发了一个具有共享参数和多重回归头的深度学习模型.
- 识别性别作为一个敏感的属性,细分数据,训练子模型,并将它们组合为最终的概括.
主要成果:
- 最初的AI模型在量化主要基底骨指数方面表现不佳.
- 组装模型,在男性和女性亚型模型上接受训练,在两性之间实现了平等的表现.
- 最终的模型显示出低误差,高一致性和强相关性,类似于临床医生,但更快.
结论:
- 人口平衡策略显著改善了人工智能模型的泛化,用于大面部特征量化.
- 这种方法即使对高度可变的特征也有效,有利于外观意识的面外科手术.
- 开发的AI模型提供了一个可靠和高效的工具,用于牙面部手术的临床应用.


