基于补丁的卷积神经网络用于在临床环境中对3D面部图像的自动地标检测

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 矯正牙科 矯正牙科是一種矯正牙科.

背景情况:

• 3D面部标志注释对于正义牙和正义牙手术至关重要.
• 手动地标是耗时且可变的,需要自动化解决方案.

研究的目的:

• 介绍使用CNNs在3D面部图像中自动检测地标的框架.
• 为了评估这个自动化方法的准确性,与地面真相数据对比.

主要方法:

• 创建了一个由408张3D面部图像和37个专家注释的地标组成的数据集.
• 一个基于2.5D补丁的CNN架构被训练为自动地标检测.

主要成果:

• 在CNN模型中,实现了0.83±0.49mm的平均定位误差.
• 95%的地标平均误差小于1毫米;88%的检测误差小于1.5毫米.

结论:

• 自动化方法的准确性与临床环境中的手动注释相美.
• 拟议框架的性能优于现有模型,有可能提高正义牙科/正义牙科手术的效率和准确性.