آنالیز کاملا خودکار فتوگرافی های ارتودنسی با یادگیری ماشینی
نسبت های آنتروپومتریک سر و صورت در علومی همچون دندانپزشکی، جراحی فک و صورت، مطالعات رشد، جراحی پلاستیک و... کاربرد دارد. روش دستی آنالیز فتوگرافی های صورت مستلزم صرف وقت و دقت زیاد میباشد. هدف طراحی نرم افزار آنالیز تمام اتوماتیک فتوگرافی های صورت و مقایسه آن با آنالیز دستی می باشد.
در این مطالعه مقطعی، مجموعه داده شامل 395 فتوگرافی پروفایل، 271 فتوگرافی فرونتال در حالت لبخند و 346 فتوگرافی فرونتال در حالت استراحت اختصاص داده شد. یک شبکه عصبی 2 مرحله ای با معماری شبکه عصبی کانولوشنال کامل برای مکان یابی لندمارک ها طراحی شد. دو روش آنالیز دستی و اتوماتیک در اندازه گیری 8 متغیر فضای راهرو باکال، نسبت ارتفاع یک سوم میانی به یک سوم تحتانی صورت و زوایای تحدب کل صورت، تحدب صورت، بینی-صورت، نازولبیال، منتولبیال و نازوفرونتال مقایسه شدند. میزان توافق دو روش با استفاده از آزمون T-test زوجی در سطح معنا داری 0/05 و محاسبه ضریب ICC ارزیابی گردید. سطح معنی داری کمتر از 0/05 تعیین شد.
در زوایای تحدب کل صورت (0.005P=)، بینی-صورتP=0.001)) و نازولبیال (P=0.02)، بین دو روش اختلاف معنی داری مشاهده شد؛ اما در 5 متغیر تحدب صورت، منتولبیال، نازوفرونتال، فضای راهرو باکال و نسبت ارتفاع یک سوم میانی به یک سوم تحتانی صورت اختلاف معناداری بین 2 روش مشاهده نشد. ضریب ICC برای همه متغیر ها به جز زاویه نازولبیال بیش از 0/69 بدست آمد. در اکثر متغیرهای اندازه گیری شده، دقت روش خودکار مشابه روش دستی بود.
یادگیری ماشینی پتانسیل استفاده در آنالیز بالینی بافت نرم را دارند؛ همچنین توانایی انجام آنالیز های قابل اعتماد و قابل تکرار بر روی دیتاهای بزرگی از تصاویر را فراهم می کند.
ارتودنسی ، صورت ، فتوگرافی ، یادگیری ماشینی
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.