探索机器学习模型的潜力,通过面部地标来预测鼻子测量
Remya Ampadi Ramachandran1, Merve Koseoglu2, Esra Incesu Cinka3
1Graduate Faculty Associate (Fellow), 1DATA Consortium, Computational Comparative Medicine, Department of Mathematics, Kansas State University, Olathe, Olathe, Kans.
The Journal of prosthetic dentistry
|January 4, 2025
概括
机器学习可以准确地从面部标志中预测鼻子尺寸,帮助面假牙. 关键的面部测量,如耳朵长度,是鼻子长度和宽度的关键预测指标.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 人类测量学 人类测量学.
背景情况:
- 缺乏关于从面部地标预测鼻子测量,以预测牙假牙的数据.
- 在假肢应用中需要准确的人类测量数据.
研究的目的:
- 评估机器学习模型,用面部地标来预测鼻子的长度和宽度.
- 在这个预测任务中评估各种回归技术的效率.
主要方法:
- 收集了200个个人的2D正面和侧面照片 (100名男性,100名女性).
- 手动测量了关键的面部地标 (眼睛,鼻子,耳朵).
- 应用和验证的机器学习回归模型用于预测鼻子长度 (LON),鼻桥长度 (NBL),侧面警报宽度 (LAW) 和鼻尖突出 (NTP).
主要成果:
- 机器学习模型实现了鼻子宽度和长度的高预测精度 (R2 > 0.95).
- 耳朵测量是重要的预测指标:LAW的耳朵投影,LON的耳朵长度以及NBL和NTP的特定角度.
- 结合的数据集显示,耳朵长度和耳朵到鼻子之间的距离是不同鼻子参数的关键预测指标.
结论:
- 机器学习算法从面部地标准确预测鼻子的宽度和长度.
- 额头图像是有效的预测鼻子的长度和侧面的宽度.
- 侧面图像对于评估鼻桥长度和鼻尖突出非常有用.
