自动地标检测和嘴唇厚度分类使用卷积神经网络在横向头脑计射线图中
Miaomiao Han1, Zhengqun Huo2, Jiangyan Ren1
1Department of Orthodontics, Nanjing Stomatological Hospital, Affiliated Hospital of Medical School, Research Institute of Stomatology, Nanjing University, Nanjing 210008, China.
Diagnostics (Basel, Switzerland)
|June 26, 2025
概括
这项研究开发了一个卷积神经网络 (CNN) 用于自动地标检测和唇厚分类在头脑计辐射图. 美国有线电视新闻网 (CNN) 实现了高精度,使唇形态的可靠分析成为可能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 矯正牙科 矯正牙科是一種矯正牙科.
背景情况:
- 头部计量放射在牙科中对于诊断和计划治疗至关重要.
- 准确的地标识别对于对面结构的定量分析至关重要.
- 手动地标检测可能耗时,并且受观察者之间的变化影响.
研究的目的:
- 开发和评估一个卷积神经网络 (CNN) 用于在横向脑电图上自动检测硬和软组织标志.
- 利用检测到的地标来自动将唇厚分为薄,正常和厚的类别.
- 评估基于CNN的头脑测量分析方法的精度和可靠性.
主要方法:
- 一个数据集的1019个前正牙侧脑图被用来训练一个CNN模型.
- 美国有线电视新闻网 (CNN) 接受了训练,可以检测22个头脑测量地标.
- 使用特定的地标测量唇厚,并使用决策树模型对厚度类别进行分类.
主要成果:
- 在22个地标点上,CNN的平均辐射误差 (MRE) 为0.97±0.52毫米,在软组织地标点上为0.97.
- 成功检测率在2.00毫米值时超过95%.
- 唇厚分类的准确性达到了0.92,AUC值≥0.97.
结论:
- 开发的CNN模型在自动地标检测上表现出高精度,在头脑计辐射图上表现出高精度.
- 这种自动化方法可以可靠地对唇厚进行分类,有助于正牙诊断和治疗计划.
- 这些发现表明,人工智能在提高头脑测量分析的效率和准确性方面发挥着有希望的作用.
