基于三维卷积神经网络的自动三维头影测量标注系统
计算机视觉与模式识别
2023-07-27 v1
摘要
背景：利用计算机断层扫描数据的三维（3D）头影测量分析已迅速用于畸形学与人体测量学。为克服传统头影测量的局限性，已有若干不同的自动三维标注方法被提出。本研究的目的是评估我们新开发的、使用深度学习算法进行自动三维头影测量标注的系统的准确性。方法：为克服当前技术限制，我们采取了若干措施以直接标注三维人类颅骨数据。我们基于深度学习的模型系统主要由三维卷积神经网络和图像数据重采样组成。结果：计算了三个坐标轴及三维距离上参考坐标值与预测坐标值之间的偏差，以评估系统准确性。我们的新模型系统在三个坐标轴上的预测误差分别为 3.26、3.18 和 4.81 mm，三维误差为 7.61 mm。此外，三组标志点（包括正中矢状面、水平面和下颌骨）之间无差异（p>0.05）。结论：我们开发了一种基于三维卷积神经网络的自动三维头影测量标注新系统。文中详述了实现该系统所采用的策略，并评估了测量结果的准确性。计划对该系统进行进一步开发，以实现自动三维头影测量标注的全面临床应用。
引用
@article{arxiv.1811.07889,
title = {Automatic Three-Dimensional Cephalometric Annotation System Using Three-Dimensional Convolutional Neural Networks},
author = {Sung Ho Kang and Kiwan Jeon and Hak-Jin Kim and Jin Keun Seo and Sang-Hwy Lee},
journal= {arXiv preprint arXiv:1811.07889},
year = {2023}
}