通过使用基于CNN的算法来从侧面面部照片中确定头度地标和头度分析的准确性
Yui Shimamura1, Chie Tachiki2, Kaisei Takahashi3
1Department of Orthodontics, Tokyo Dental College, 2-9-18, Kandamisaki-Cho, Chiyoda- Ku, Tokyo, 101-006, Japan.
Scientific reports
|December 28, 2024
概括
一个新的算法准确地估计了患有恶性塞的患者的面部照片中的正牙头度标志. 这种方法显示出高精度,使其在诊断和治疗规划方面具有临床价值.
科学领域:
- 矯正牙科 矯正牙科是一種矯正牙科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 脑仪分析对于正牙诊断至关重要.
- 之前的研究开发了一个算法,用于正常的闭塞患者.
- Malocclusion 在地标识别方面提出了独特的挑战.
研究的目的:
- 为了评估算法在估计脑度标志的准确性,从侧面面部照片的患者有缺陷.
- 评估头脑测量分析算法的临床实用性.
主要方法:
- 基于卷积神经网络 (CNN) 的算法被训练在2320张侧面面部照片上,包括缺陷病例.
- 使用平均辐射误差 (MRE) 量化了里程碑估计的准确性.
- 估计的地标被用于头脑测量分析 (角度和距离).
主要成果:
- 该算法在骨II类 (0.42 ± 0.15毫米) 和III类 (0.46 ± 0.16毫米) 缺陷中实现了0.5毫米以下的平均辐射误差 (MRE).
- 使用估计地标的头脑测量分析显示,与实际数据相比,没有显著差异.
- 脑力测量分析的误差小于0.5°.
结论:
- 开发的算法在估计脑度标志的高度准确性,从面部照片的恶性闭塞患者.
- 该算法的头脑测量分析精度支持其临床价值.
- 这种由人工智能驱动的方法为正牙诊断提供了可靠的工具.
