基于深度学习的唇对称性评估,用于修复裂唇患者
Karen Rosero1,2, Ali N Salman1, Lucas M Harrison3
1Department of Electrical and Computer Engineering, The University of Texas at Dallas, Richardson, TX, USA.
概括
这项研究引入了一种人工智能驱动的方法,用于评估裂口修复中的术后唇对称性. 人工智能方法自动化了评估,为手术结果评估提供了更客观的工具.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 手术结果评估手术结果评估.
背景情况:
- 手术后的唇部对称性对于评估裂口修复成功至关重要.
- 基于地标的传统方法对于视频分析是有限的,缺乏纹理评估.
- 需要自动化,定量化唇部对称性评估.
研究的目的:
- 开发一种人工智能 (AI) 方法,用于自动化唇部对称性评估.
- 用对比式学习来量化唇部对称性的横侧唇形态.
- 为了分类不对称的严重程度,而不需要患者的图像进行培训.
主要方法:
- 利用对比学习来测量唇形象表示之间的相似性.
- 在对照对象中通过时不对齐和面部转换引入模拟的唇部不对称.
- 训练了一个深度学习模型来区分左唇和右唇图像表示.
- 在146张患者的图像上对模型进行了评估.
主要成果:
- 经过面部转换训练的模型实现了75%的加权准确度和0.31的皮尔森相关性与专家评估.
- 经过时间错位训练的模型实现了69%的加权精度和0.27.7的皮尔森相关性.
- 人工智能模型成功地将患者图像分为五个不对称级别.
结论:
- 在修复裂唇患者中开发了一种自动化的AI方法来评估唇部不对称性.
- 该方法使用转换的对照对象图像,消除了手动地标的需要.
- 这种人工智能工具提供了一种更有效,更客观的方法来评估手术结果.
