三维颌面对称参考平面智能构建的深度学习算法

朱玉佳, 沈华, 温奥楠, 高梓翔, 秦庆钊, 单珅瑶, 李文博, 傅湘玲, 赵一姣, 王勇

PDF(3058 KB)
PDF(3058 KB)
北京大学学报(医学版) ›› 2025, Vol. 57 ›› Issue (01) : 113-120. DOI: 10.19723/j.issn.1671-167X.2025.01.017

三维颌面对称参考平面智能构建的深度学习算法

  • 朱玉佳, 沈华, 温奥楠, 高梓翔, 秦庆钊, 单珅瑶, 李文博, 傅湘玲, 赵一姣, 王勇
作者信息 +
History +

摘要

目的:建立一种可实现三维颌面点云数据智能配准的本体-镜像关联深度学习算法,基于颌面动态图结构的配准网络(maxillofacial dynamic graph registration network, MDGR-Net)模型,实现三维颌面对称参考平面的自动化构建,以期为口腔临床数字化设计与分析提供参考。方法:收集2018年10月至2022年10月就诊于北京大学口腔医院无显著颌面畸形临床患者400例,通过数据增强的方式获得2 000例三维颌面数据用于MDGR-Net算法训练与测试,其中训练集1 600例、验证集200例、内部测试集200例,MDGR-Net模型包含构造本体与镜像点云(X和Y)中关键点的特征向量,基于特征向量获取点云X和Y中关键点的对应关系,以及通过奇异值分解(singular value decomposition, SVD)计算旋转和平移矩阵R,t。基于MDGR-Net模型实现本体点云与镜像点云的智能配准,获得本体-镜像联合点云,并采用主成分分析(principal component analysis, PCA)算法获得MDGR-Net关联法对称参考平面。基于决定系数(coefficient of determination,R2)指标对内部测试集平移及旋转矩阵进行模型评价,并对200例内部测试集与40例外部测试集临床数据,基于MDGR-Net关联法与“真值”迭代最近点(iterative closest point, ICP)关联法构建的三维颌面对称参考平面进行角度误差评价。结果:基于200例内部测试集三维颌面数据测试MDGR-Net旋转矩阵R2为0.91,平移矩阵R2为0.98。在内部与外部测试集上,角度误差平均值分别为0.84°±0.55°、0.58°±0.43°,临床构建40例三维颌面对称参考平面仅需3 s,在正畸骨性Ⅲ类、高角、安氏Ⅲ类错(牙合)畸形受试者表现最佳。结论:基于点云智能配准的MDGR-Net关联法为口腔临床三维颌面对称参考平面构建提供了新的解决方案,可显著提升诊疗效率和效果,降低专家依赖性。

关键词

颌面部 / 对称参考平面 / 成像,三维 / 深度学习 / 算法

中图分类号

TP18 / R78

引用本文

导出引用
朱玉佳, 沈华, 温奥楠, 高梓翔, 秦庆钊, 单珅瑶, 李文博, 傅湘玲, 赵一姣, 王勇. 三维颌面对称参考平面智能构建的深度学习算法. 北京大学学报(医学版). 2025, 57(01): 113-120 https://doi.org/10.19723/j.issn.1671-167X.2025.01.017

基金

国家自然科学基金(82071171、82271039); 国家重点研发计划(2022YFC2405401); 北京市自然科学基金(L232100、L242132); 北京大学口腔医院开放课题(PKUSS20230201)

评论

PDF(3058 KB)

Accesses

Citation

Detail

段落导航
相关文章

/