典型文献
深度学习算法辅助构建三维颜面正中矢状平面
文献摘要：
目 的:旨在建立一种可准确确定三维颜面解剖标志点的深度学习算法——多视图堆叠沙漏神经网络(multi-view stacked hourglass convolutional neural networks,MSH-CNN),并结合赋权普氏分析算法实现三维颜面正中矢状平面的自动构建.方法:收集面部无明显畸形的受试者100例,获取三维颜面数据,由专家进行颜面标志点(21个)和正中矢状平面的标注.以上述其中80例受试者三维颜面数据作为训练集数据,训练并建立本研究的MSH-CNN算法模型.以其余20例作为测试集数据,由训练后的深度学习算法自动确定每例数据的三维颜面解剖标志点(21个),并评价算法标点与专家标点间"定点误差".将MSH-CNN自动确定的三维颜面解剖标志点应用于本课题组前期研究建立的赋权普氏分析算法,可自动构建出 20例受试者的三维颜面正中矢状平面.计算MSH-CNN结合赋权普氏分析算法构建的正中矢状平面与专家正中矢状平面间"角度误差",评价三维颜面正中矢状平面自动构建方法的效果.结果:针对20例面部无明显畸形的受试者,基于MSH-CNN和赋权普氏分析算法构建正中矢状平面与专家平面间的角度误差平均为0.73°±0.50°,其中MSH-CNN自动确定颜面21个解剖标志点的定点误差平均为(1.13±0.24)mm,眶区定点误差最大平均为(1.31±0.54)mm,鼻区定点误差最小平均为(0.79±0.36)mm.结论:将深度学习算法与赋权普氏分析算法结合应用,实现了三维颜面正中矢状平面的全自动构建,初步达到了临床专家的构建效果,为自主知识产权的软件开发奠定了基础.
文献关键词：
正中矢状平面;深度学习;普氏分析
中图分类号：
作者姓名：
朱玉佳;许晴;赵一姣;张磊;付子旺;温奥楠;高梓翔;张昀;傅湘玲;王勇
作者机构：
北京大学口腔医学院·口腔医院口腔医学数字化研究中心,国家口腔医学中心,国家口腔疾病临床医学研究中心,口腔数字化医疗技术和材料国家工程实验室,口腔数字医学北京市重点实验室,国家卫生健康委员会口腔医学计算机应用工程技术研究中心,国家药品监督管理局口腔生物材料重点实验室,北京100081;北京大学口腔医学院·口腔医院口腔修复科,北京 100081;北京邮电大学计算机学院(国家示范性软件学院),北京100876;兰州市口腔医院特诊科,兰州 730000
文献出处：
引用格式：
[1]朱玉佳;许晴;赵一姣;张磊;付子旺;温奥楠;高梓翔;张昀;傅湘玲;王勇-.深度学习算法辅助构建三维颜面正中矢状平面)[J].北京大学学报（医学版）,2022(01):134-139
A类：
正中矢状平面
B类：
深度学习算法,颜面,解剖标志点,多视图,堆叠,沙漏,multi,view,stacked,hourglass,convolutional,neural,networks,MSH,普氏分析,算法实现,自动构建,训练集,立本,算法模型,测试集,标点,前期研究,角度误差,构建方法,大平,结合应用,自主知识产权,软件开发
AB值：
0.181734
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
