面向肉毒杆菌毒素注射规划的剂量-反应建模的局部化潜在编辑
计算机视觉与模式识别
2026-01-28 v1
摘要
肉毒杆菌毒素注射是处理面部不对称和美容年轻化的金标准，然而最佳剂量的确定在很大程度上仍依赖直觉，常常导致次优结果。我们提出了一种局部化潜在编辑框架，通过剂量-反应建模模拟肉毒杆菌毒素注射效果，用于注射规划。我们的主要贡献是一种区域特异性潜在轴发现方法，该方法在StyleGAN2的潜在空间中学习局部化的肌肉松弛轨迹，从而能够在不产生全局副作用的情况下精确控制特定面部区域。通过将这些局部化潜在轨迹与注射的毒素单位相关联，我们学习了一个预测性的剂量-反应模型。我们严格比较了两种方法：直接度量回归与基于图像的生成模拟，使用的临床数据集包含来自46名患者的N=360张图像。在保留测试集上，我们的框架在几何不对称性度量上显示出中等到强的结构相关性，证实了生成模型正确捕捉了形态变化的方向。虽然生物变异性限制了绝对精度，但我们引入了一种混合的“人在回路”工作流程，临床医生可以交互式地优化模拟，从而弥合病理重建与美容规划之间的差距。
引用
@article{arxiv.2601.19593,
title = {Localized Latent Editing for Dose-Response Modeling in Botulinum Toxin Injection Planning},
author = {Estèphe Arnaud and Mohamed Daoudi and Pierre Guerreschi},
journal= {arXiv preprint arXiv:2601.19593},
year = {2026}
}