基于ML的牙阴影评估,以防止在不同的诊所灯光中发生转化
Abdullah Ammar Karcioglu1, Esra Efitli2, Emrah Simsek3
1Atatürk University, 25240, Erzurum, Turkey. ammar.karcioglu@atauni.edu.tr.
Lasers in medical science
|January 23, 2025
概括
准确地确定牙的阴影是具有挑战性的,因为metamerism. 这项研究开发了一种机器学习 (ML) 方法,在牙颜色检测中实现了97.93%的准确性,克服了照明变化,并防止了牙假体中的metamerism.
科学领域:
- 牙科的美学 牙科的美学
- 人工智能在牙科中的应用
- 颜色科学 颜色科学
背景情况:
- 精确的假牙颜色选择对于牙美学至关重要,但由于转化而困难.
- 在不同的照明下变色,使牙科实验室和诊所之间的阴影匹配变得复杂.
- 传统方法耗时且昂贵,需要先进的技术解决方案.
研究的目的:
- 开发一种基于机器学习 (ML) 的系统,用于准确评估牙色调.
- 为了克服在牙颜色确定中由美特美主义带来的挑战.
- 为了减少错误,设备的使用,以及与传统牙颜色匹配相关的成本.
主要方法:
- 在四种不同的临床照明下使用Vita颜色阴影指南创建了580张牙科图像的数据集.
- 采用HSV颜色空间,六个ML算法和颜色组图进行分析.
- 使用5倍交叉验证来进行可靠的性能评估.
主要成果:
- 在分类29个颜色值时,获得了97.93%的准确率.
- 在不同的临床照明条件下独立地证明了可靠的牙阴影检测.
- 通过开发的ML方法,成功地预防了甲化.
结论:
- 机器学习算法可以准确地确定牙颜色,有效地缓解转化.
- 开发的ML系统为牙阴影评估提供了可靠和高效的替代方案.
- 这项技术有可能显著改善假牙治疗和患者满意度.
