基于特征匹配的自动头脑计叠加方法的评估
Ling Zhao1, Juneng Huang2, Min Tang1
1College of Stomatology, Hospital of Stomatology, Guangxi Medical University, Nanning, Guangxi, China.
Journal of imaging informatics in medicine
|February 25, 2025
概括
使用特征匹配和YOLOv8的新自动头脑测量叠加方法比传统的Sella-Nasion (SN) 方法更准确,用于成人侧面头脑测量放射.
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
- 计算机视觉 计算机视觉
背景情况:
- 头计叠加对于评估 ортодонтика治疗结果至关重要.
- 塞拉-纳西恩 (SN) 方法是一种常见的,但潜在的不太准确的技术.
- 自动化方法提供了提高准确性和效率的潜力.
研究的目的:
- 开发和评估一种基于特征匹配的新型自动头脑测量叠加方法.
- 将这种新方法的准确性与传统的SN叠加技术进行比较.
主要方法:
- 一个你只看一次版本8 (YOLOv8) 模型被训练在90个横向头脑电图 (LCR) 对上,以确定稳定的头骨参考区域.
- 这种新方法在88对LCR上进行了测试,由三名正牙专家进行了里程碑式的识别.
- 测量了17个硬组织地标的欧几里德距离,并比较了自动和SN方法.
主要成果:
- 与SN方法相比,新型自动叠加方法在1-3毫米精度范围内显示出更高的成功检测率 (SDR).
- 对大多数地标 (p < 0.05) 观察到叠加错误的显著差异.
- 自动方法在成年LCR中被证明更准确和可靠.
结论:
- 开发的基于特征匹配的自动头脑计叠加方法比SN方法更准确.
- 这种新的方法为牙矯正的临床和研究应用提供了可靠的工具.
- 使用YOLOv8的自动叠加提高了脑力测量分析的精度.
