智能手机3D扫描技术和3D半合成数据用于使用人工智能处理婴儿头部形

科学领域:

• 医学技术 医学技术 医学技术
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 准确的,非侵入性的方法对于早期检测婴儿形非常重要.
• 常见的形包括脑,脑,脑,脑,脑,脑和脑.

研究的目的:

• 开发和验证一个用于分类婴儿头部形的3D扫描智能手机应用程序.
• 评估机器学习模型在自动变形检测中的有效性.

主要方法:

• 使用3D扫描智能手机应用程序生成头点云.
• 将60个3D扫描数据集扩展到3600个半合成扫描数据集.
• 提取了138个形态描述符和训练决策树,随机森林和多层感知模型.

主要成果:

• 机器学习模型实现了高分类准确性,F1分数达到0.98.
• 证明了使用形态描述符用于形分类的有效性.
• 验证了对真实和半合成3D头部数据的方法.

结论:

• 结合移动3D传感,人工智能和半合成数据,为临床决策支持提供了一个有希望的方法.
• 低成本的便携式光学传感器可以有效地用于婴儿头部形评估.
• 开发的方法表明在临床环境中具有预测支持的潜力.