使用深度学习预测无牙患者的后修复性面部外观:一项前性队列研究
Hongyang Ma1, Minjie Wu2, Yu Han2
1Professor, Department of Oral Implantology, Second Affiliated Hospital of Harbin Medical University, Harbin, China; Researcher, Second Clinical Division, Peking University School and Hospital of Stomatology, Beijing, PR China.
The Journal of prosthetic dentistry
|December 2, 2025
概括
人工智能模型FacePointNet准确地预测了牙修复后牙患者的面部变化. 该工具通过可视化审美结果,改善患者咨询和临床成功来增强治疗规划.
科学领域:
- 生物医学工程 生物医学工程
- 牙造型牙科 牙造型牙科 牙造型牙科
- 人工智能在医学中的应用
背景情况:
- 由于复杂的软组织动态,在没有牙的患者中预测后修复性面部外观具有挑战性.
- 目前的方法在模拟美学结果方面缺乏精度,影响患者的福祉和治疗成功.
研究的目的:
- 开发FacePointNet,一种双向深度学习模型,用于预测牙修复后牙患者的面部变化.
- 使用定量指标和视觉相似度评分 (VSSs) 加强预恢复性治疗计划.
主要方法:
- 使用了16名牙患者的3D面部扫描 (恢复前和后).
- 采用FacePointNet,一个点设定神经网络,用于双向几何转换预测.
- 通过交叉验证,管距离 (CD),欧几里德距离 (ED) 和外科医生评级的VSSs来评估性能.
主要成果:
- 人工智能预测的3D形态与实际的修复结果非常相匹配 (平均基准误差:3.805.98毫米).
- 预测和实际结果之间没有发现显著差异 (P > .05).
- 专家评论员报告了高视觉一致性 (VSS:4.2/5),特别是在鼻唇上.
结论:
- FacePointNet在牙科修复前可视化局部面部变化的临床实用性.
- 人工智能模型通过提供可靠的修复前预测来推进精密假牙.
- 未来的研究应该专注于更大的数据集和生物力学集成,以提高全球预测.
