46、患者侧面图像中 III 类错颌畸形的检测方法研究

患者侧面图像中 III 类错颌畸形的检测方法研究

1. 数据收集与预处理

收集了贝兹米阿莱姆瓦基夫大学正畸诊所就诊患者的侧面图像数据。正畸医生使用 Dolphin Imaging 软件（版本 11.95）根据头颅侧位片将 60 名患者分为 I 类、II 类和 III 类，每类各 20 名。使用手机为每位患者获取侧面图像，并将每张匿名的 JPG/PNG 格式图像连同诊断结果，按照 IRB 数据传输协议传输到穆拉锡特基科奇曼大学的生物信息学系。
在预处理阶段，将从正畸医生处收到的所有 JPG 和 PNG 图像及其诊断标签进行重命名、调整大小（宽度为 556 像素），以实现标准化，便于后续的自动面部特征点处理。预处理后，最终图像保存为 JPG 格式。

2. 面部特征点检测

面部特征点检测在侧面图像上的算法性能大多不佳。为评估和比较不同库的性能，在侧面图像上实验了几种现成的面部特征点检测库：
- Python Dlib 面部特征点检测器 ：使用 Dlib 库中预训练的面部特征点检测函数，将 68 个点的位置标记为 x, y 坐标。但该库主要基于正面面部图像训练，在侧面图像上表现较差，只有少数图像能成功生成特征点。
- 多任务级联卷积神经网络（MTCNN）用于面部检测 ：先检测面部，再定位侧面特征点。该应用会在检测到的面部周围绘制红色边界框，能正确检测非正面图像中的眼睛、鼻子和嘴巴端点，但检测点不够精确，无法提供正畸医生所需的特殊角度。
- Python 面部对齐库 ：基于 230,000 张图像的大型数据集训练的深度学习库，在野外人