相关实验视频
Updated: Jan 10, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.9K
自动明显鼻指数从单个面部照片使用轻量级深度学习管道:试点研究
Babak Saravi1, Lara Schorn1, Julian Lommen1
1Department of Oral, Maxillofacial and Facial Plastic Surgery, Medical Faculty and University Hospital Düsseldorf, Heinrich-Heine-University Düsseldorf, 40225 Düsseldorf, Germany.
Medicina (Kaunas, Lithuania)
|November 27, 2025
概括
这项研究引入了一个深度学习管道,用于从单个正面照片中自动计算鼻指数. 该方法允许快速,可重复的鼻子比例分类用于手术规划和研究.
科学领域:
- 计算机视觉 计算机视觉 计算机视觉
- 医学成像医学成像
- 整形外科手术 整形外科手术
背景情况:
- 手动测量鼻孔比例是耗时且可变的.
- 准确的量化对于面部塑性和重建性手术至关重要.
- 需要一种可复制的自动化方法.
研究的目的:
- 开发一个深度学习管道用于鼻子本地化和明显鼻指数 (aNI) 计算.
- 启用自动分类到五个标准的人类测量类别.
- 为手动测量提供一个快速和可重复的替代方案.
主要方法:
- 使用了29998张额头面部图像 (CelebA) 的数据集.
- 训练了一个轻量级的YOLOv8n探测器用于鼻子定位.
- 从检测到的边界框中计算出明显的鼻指数 (aNI).
- 使用检测指标,协议统计 (MAE,RMSE,R2,Bland-Altman) 和分类准确性 (宏观F1) 评估性能.
主要成果:
- 在测试组中实现了99.97%的鼻子检测覆盖率.
- 强烈同意地面真相 aNI (MAE 3.04,R2 0.819) 的证明.
- 获得了80.7%的准确性和0.705宏F1用于五类鼻腔比例分类.
结论:
- 一个紧的深度学习探测器从单个照片中准确估计鼻指数.
- 该管道提供快速,可复制和可靠的五类鼻分类.
- 这种方法可以作为一个有价值的决策支持工具,用于手术规划和形态测量研究.
关键词:
人类测量学的人类测量学.临床临床临床临床临床临床临床电脑 计算机 计算机 计算机计算机辅助的计算机辅助.决策支持系统 决策支持系统深度学习是一种深度学习.图像处理是图像处理的过程.神经网络的神经网络的神经网络鼻子 鼻子 鼻子 鼻子塑料的塑料塑料的塑料塑料的塑料的塑料鼻腔整形术是指进行鼻腔整形术.手术 手术 手术 手术 手术 手术 手术
