自动面部标志的准确性 - - Cliniface软件和基于补丁的卷积神经网络算法之间的比较研究
Bodore Al-Baker1, Xiangyang Ju2, Peter Mossey3
1Orthodontic Department, Hamad Dental Centre, Hamad Medical corporation, Onaiza Service Road, P.O. Box 3050, Doha, Qatar.
European journal of orthodontics
|March 20, 2025
概括
与Cliniface软件相比,一种新的基于补丁的卷积神经网络 (CNN) 算法在面部地标检测方面表现出卓越的准确性. 这种CNN方法为3D面部图像的临床评估提供了可靠的精度.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 生物医学工程 生物医学工程
背景情况:
- 自动标志软件有助于3D面部图像分析,但往往缺乏临床准确性.
- 临床面是一个可访问的开放访问软件,用于自动面部标志,未经验证的临床有效性.
研究的目的:
- 评估Cliniface软件用于面部地标识别的准确性.
- 将Cliniface的准确性与开发的基于补丁的卷积神经网络 (CNN) 算法进行比较.
主要方法:
- 这项研究分析了30张3D面部图像与20个解剖学地标.
- 专家手动数字化作为地面真理.
- 克里尼脸和基于补丁的CNN算法自动检测了地标.
- 部分Procrustes分析测量了Euclidean距离以评估准确性.
主要成果:
- 克利尼菲斯软件的整体地标定位误差为3.66 ± 1.53毫米,在Subalar等地标上存在显著差异.
- 基于补丁的CNN算法实现了与手动精度相当的精度.
- 克利尼菲斯的不准确率明显高于手动标志精度.
结论:
- 基于补丁的CNN算法为3D面部图像的临床评估提供了令人满意的准确性.
- 克里尼菲斯软件的精度限制限制了其在某些地标上临床应用.
