基于深度学习的二维头影测量定点分析系统的研究

目的探讨基于深度学习的图像高斯金字塔和卷积神经网络方法,构建和训练一种高精准度的自动化二维头影测量标志点定位与分析系统模型。方法收集2021年1月至12月期间本院所摄的400张年龄在18至50周岁且无牙列缺损的头颅侧位影像,在3D slicer(NIH美国)上完成每张44个牙颌和颅面软硬组织结构标志点的标注,并构建和训练基于图像高斯金字塔和卷积神经网络的自动化二维头影测量标志点定位和分析系统。结果运用图像高斯金字塔和卷积神经网络方法能高精准获取44个牙颌和颅面的软硬组织结构标志点,在2.0 mm、2.5 mm、3.0 mm、4.0 mm精度范围内预测的平均准确率分别为85.61%、90.72%、93.82%、96.34%;44个牙颌和颅面软硬组织结构标志点的平均误差为1.22 mm,平均标准差为1.27 mm;常见头影测量项目(ANB、SNA、SNB、ODI、APDI、FHI、FMA、MW)的平均预测准确率为85.00%。结论运用图像高斯金字塔和卷积神经网络方法能高精准获取牙颌和颅面的软硬组织结构标志点,并且对牙颌和颅面形态分析诊断具有良好的准确性,该技术将有助于推进自动化头影测量的临床运用。