首页 > 工程科学学报 > 结合三维重建与机器学习预测上颌中切牙宽度的研究

结合三维重建与机器学习预测上颌中切牙宽度的研究

Research on predicting maxillary central incisor width by combining 3D reconstruction and machine learning

二维码有效期 120s

摘要传统人类学测量在微笑美学临床实践中存在主观误差问题.本文提出了一种包含三维面部标志点自动检测、双目三维重建、WGAN-GP数据增强、回归模型分析的上颌中切牙宽度智能预测技术.通过 200 例三维面部扫描数据,建立了包含口角间距(Inter-canthal width,ICW)、鼻翼宽度(Inter-alar width,IAW)等 5 项关键解剖参数的特征空间,创新性地将Wasserstein生成对抗网络与梯度惩罚机制引入,有效解决了小样本条件下的模型泛化难题.系统比较了多层感知器(Multilayer perceptron,MLP)、梯度提升回归(Gradient boosting regression,GBR)等五种回归算法的性能差异,其中GBR在测试集上达到 0.9446的决定系数,预测误差(RMSE=0.1238 mm)较传统方法降低 73.44%,而多层感知器(MLP)展现出最佳的泛化稳定性(测试集决定系数 R2=0.9691).本方法通过三维特征空间映射与集成学习策略,实现了亚毫米级预测精度(0.0924～0.2358 mm),建议临床优先采用MLP或者GBR模型架构,为数字化微笑设计提供可解释性强、临床适配度高的智能决策模型.