Aller au contenu principal
Accès ouvert déclaré 2021 article

Unsupervised learning of reference bony shapes for orthognathic surgical planning with a surface deformation network

18Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : us, cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

PURPOSE: The purpose of this study was to reduce the experience dependence during the orthognathic surgical planning that involves virtually simulating the corrective procedure for jaw deformities. METHODS: We introduce a geometric deep learning framework for generating reference facial bone shape models for objective guidance in surgical planning. First, we propose a surface deformation network to warp a patient's deformed bone to a set of normal bones for generating a dictionary of patient-specific normal bony shapes. Subsequently, sparse representation learning is employed to estimate a reference shape model based on the dictionary. RESULTS: We evaluated our method on a clinical dataset containing 24 patients, and compared it with a state-of-the-art method that relies on landmark-based sparse representation. Our method yields significantly higher accuracy than the competing method for estimating normal jaws and maintains the midfaces of patients' facial bones as well as the conventional way. CONCLUSIONS: Experimental results indicate that our method generates accurate shape models that meet clinical standards.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Unsupervised learning of reference bony shapes for orthognathic surgical planning with a surface deformation network
Date Crossref
11/08/2021
Éditeur
Wiley
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • University of North Carolina at Chapel Hill Department of Radiology and Biomedical Research Imaging Center (BRIC) pays non établi dans la notice
    Université ou école supérieure
  • Methodist Hospital Department of Oral and Maxillofacial Surgery pays non établi dans la notice
    Établissement de santé
  • Cornell University pays non établi dans la notice
    Université ou école supérieure
  • Shanghai Ninth People's Hospital pays non établi dans la notice
    Établissement de santé
  • Weill Medical College Department of Surgery (Oral and Maxillofacial Surgery) pays non établi dans la notice
    Université ou école supérieure
  • Shanghai Ninth Hospital Shanghai Jiaotong University College of Medicine Shanghai China Shanghai Ninth Hospital pays non établi dans la notice
    Université ou école supérieure

Department of Radiology and Biomedical Research Imaging Center (BRIC) — University of North Carolina at Chapel Hill, Department of Oral and Maxillofacial Surgery — Methodist Hospital et Cornell University, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Orthodontics and Dentofacial Orthopedics3D Shape Modeling and AnalysisDental Radiography and Imaging

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.