基于人工智能技术的面相照片标志点自动定位的评价

作者：邱韬; 何涛; 张强; 肖雨璇; 郭维华^*

来源：口腔医学, 2023, 43(12): 1057-1064.

DOI：10.13591/j.cnki.kqyx.2023.12.001

• 面相测量分析
• 卷积神经网络
• 面部美学

目的 本研究旨在构建一种基于卷积神经网络(CNN)的面相自动定点分析系统及其准确性评价体系。方法 收集467例6～55岁患者的正侧貌照片，选取常用标志点(正貌45个，侧貌31个)及相关比例、角度，构建基于卷积神经网络(全局→局部模型)的自动化面相定点分析系统，提出了基于审美考虑的准确性评价体系，即定点的标准化平均误差(NME)、单位距离内的定点成功率(SDR)及测量指标的成功分类率(SCR)。结果 测试集NME为0.079±0.221(侧貌),0.025±0.021(正貌)。测试集0.02、0.04、0.06、0.08、0.10单位距离内的SDR分别为54.17%、85.71%、93.94%、96.69%、97.37%(侧貌);58.54%、87.59%、95.64%、98.03%、99.00%(正貌)。测试集中多数角和比例等测量指标的SCR为100%。结论 本研究成功构建了基于CNN的面相自动定点分析系统，该系统可在20 s内完成76个标志点的精准检测，并提出了基于审美考量的面相自动化定点分析的准确性评价体系，简化了面相测量分析的过程。

• 单位
  口腔疾病研究国家重点实验室; 四川大学华西口腔医院; 昆明医科大学附属口腔医院; 四川大学