HRNet для определения цефалометрических ориентиров

О сервисе

Краткое описание Эта модель автоматизирует обнаружение 19 анатомических ориентиров на боковых цефалометрических рентгенограммах. В её основе лежит архитектура HRNet-W32, специально адаптированная для анализа изображений в медицинской диагностике. Возможности модели Архитектура: HRNet-W32 (High-Resolution Network) Задача: Обнаружение 19 цефалометрических ориентиров Набор данных: Латеральные цефалограммы ISBI Размер входного изображения: 768×768 пикселей Выход: 19 пар координат (x, y) для каждого ориентира Размер модели: 331.1 МБ Обнаруживаемые ориентиры: Турецкое седло (Sella turcica) - Центр гипофизарной ямки Назион (Nasion) - Носолобный шов Орбитальная точка (Orbitale) - Самая нижняя точка орбитальной полости Порион (Porion) - Самая высокая точка слухового прохода Субспинале (Точка А) - Самая глубокая срединная точка на верхней челюсти Супраментале (Точка Б) - Самая глубокая срединная точка на нижней челюсти Погонион (Pogonion) - Самая выступающая срединная точка подбородка Ментон (Menton) - Самая нижняя точка подбородочного симфиза Гнатион (Gnathion) - Середина между Погонионом и Ментоном Гонион (Gonion) - Угол челюсти Верхушка нижнего резца (Lower Incisor Tip) - Верхушка нижнего центрального резца Верхушка верхнего резца (Upper Incisor Tip) - Верхушка верхнего центрального резца Верхняя губа (Upper Lip) - Самая выступающая точка верхней губы Нижняя губа (Lower Lip) - Самая выступающая точка нижней губы Субназале (Subnasale) - Соединение между носом и верхней губой Мягкотканный погонион (Soft Tissue Pogonion) - Самая выступающая точка подбородка в профиль Задний носовой отросток (Posterior Nasal Spine) - Верхушка заднего носового отростка Передний носовой отросток (Anterior Nasal Spine) - Верхушка переднего носового отростка Сочленование (Articulare) - Соединение височной кости и нижней челюсти Применение Эта модель может быть использована для автоматизации цефалометрического анализа в ортодонтии и челюстно-лицевой хирургии, позволяя быстро и точно определять ключевые анатомические точки на рентгеновских снимках. Пример использования Python API: Производительность Средняя радиальная ошибка (MRE): ~1.2-1.6 мм Показатель успешного обнаружения (SDR@2mm): ~80-85% Ссылки cwlachap/hrnet-cephalometric-landmark-detection Ссылки https:// https://huggingface.co/cwlachap/hrnet-cephalometric-landmark-detection Источник: https://qubu.ai/models/hr-net-dlya-opredeleniya-tsefalometricheskikh-orientirov License: MIT