审查
摘要
背景:面部解剖信息的准确评估和获取极大地有助于提高牙科和医学领域治疗的可靠性,并在颅颌面外科、正畸学、修复学、骨科和法医学等领域具有应用。据报道,移动设备兼容的3D面部扫描仪是临床使用的有效工具,但扫描仪获得的数字面部印象的准确性尚未被探索。
摘要目的:我们旨在回顾用于面部数字化的移动设备兼容面部扫描仪与专业3D面部扫描系统的准确性的比较。
方法:在PubMed (MEDLINE)、Scopus、Science Direct和Cochrane图书馆数据库中采用个人搜索策略搜索截至2020年5月27日发表的文章。同行评审的期刊文章评估了由移动设备兼容的面部扫描仪生成的3D面部模型的准确性。采用Cohen效应量估计和标准化平均差异(SMD)数据集的置信区间进行meta分析。
结果:通过自动数据库检索,筛选出3942篇文章,其中11篇被认为符合叙事回顾条件,6篇研究被纳入元分析。总体而言,使用移动设备兼容的面部扫描仪获得的面部模型的准确性明显低于使用专业3D面部扫描仪获得的面部模型(SMD 3.96 mm, 95% CI 2.81-5.10 mm;z = 6.78;P<措施)。在无生命面部模型上进行面部扫描的差异(SMD 10.53 mm, 95% CI 6.29-14.77 mm)明显高于在活体参与者上进行面部扫描的差异(SMD 2.58 mm, 95% CI 1.70-3.47 mm,P<措施,df= 12.94)。
结论:总体而言,移动设备兼容的面部扫描仪在3D面部采集方面的表现不如专业扫描系统,但偏差在临床可接受的范围内<1.5 mm。当对无生命的面部物体进行3D面部扫描时,结果与对活体参与者的面部进行3D面部扫描时发现了显著差异;因此,在解释对无生命物体进行的研究结果时应谨慎。
doi: 10.2196/22228
关键字
简介
口腔及面部康复包括全面的诊断及治疗计划[
, ].面部形态评估对于颌面异常的诊断、手术、假体的制作和术后评估至关重要[ , ].通过对患者的三维面部模型进行模拟,可以改善治疗结果的美观和预后[ ].生成患者面部模型的常规方法是物理面部印象,即使用弹性材料和石膏铸件制作面部复制品[ , ].然而,这种方法对患者来说是不舒服的,因为在印象获取过程中,他们的脸上覆盖着物质[ ].此外,物理面部印象模型的尺寸精度还受到多种因素的影响,包括印象材料的粘度、凝固时间、储存条件以及从混合材料到浇铸石材的时间间隔[ , ].此外,人脸是由复杂的解剖结构和复杂的皮肤纹理和颜色组成的,这使得逼真地复制人脸具有挑战性。通过使用非接触式光学面部扫描设备捕捉3D面部形态,现代数字技术已经彻底改变了面部印象方法[
, ].数字印模不需要常规的实验室工作,也不需要使用印模材料,从而减少了患者的不适和坐诊时间。与只能对面部进行直接人体测量以进行面部分析的面石模型相比,虚拟重建的面部模型可用于多学科目的[ - ].面部标志可以很容易地从数字面部模型中提取,数字化的数据格式支持图像合并和高级尺寸分析,例如使用分析计算机软件进行地对地距离测量和体积失配评估[ , - ].此外,数码面部扫描为牙科教育和面部识别提供了有效的基础[ - ].基于立体摄影测量技术的固定式面部扫描系统首次被引入牙科[
].然而,由于这项技术负担大且成本高,使用激光或结构光技术的手持扫描系统被开发出来[ - ].虽然大多数专业的手持扫描仪在扫描图像质量方面被认为是可以接受的,但它们价格昂贵,通常需要相当多的培训时间来学习其复杂的扫描协议[ , , ].另外,基于结构光技术的3D传感器相机已被开发用于智能手机和平板电脑设备[ , - ].使用移动设备进行面部扫描的一个优点是操作方便;这减少了用户的培训时间[ , ].应用程序可以通过使用开源脚本和软件编码来为特定目的开发和定制[ , ].此外,当使用外接式3D传感器摄像机时,摄像机在移动设备系统中的位置是可控的[ , ].近年来,使用移动设备的3D传感器相机进行面部扫描已经引起了人们的极大兴趣,因为它高度便携,成本低廉,而且由于移动设备的普及[
].据报道,与智能手机和平板电脑兼容的3D面部扫描仪是临床应用于修复治疗的有效工具[ , - ].然而,使用移动设备兼容的面部扫描仪获得的数字面部印象的准确性还没有被探索过。本系统综述和荟萃分析的目的是调查移动设备兼容的面部扫描仪用于面部数字化的准确性。方法
研究设计
本研究基于PRISMA指南(系统评价和元分析的首选报告项目)[
].这篇评论没有在普洛斯彼罗上预先注册。精度定义为移动设备兼容的人脸扫描相机与参考图像数据集之间的数字面部印象之间的尺寸差异。PICO(人口、干预、比较和结果)问题如下:在准确性(结果)方面,与移动设备兼容的3D面部扫描相机(干预)获得的数字面部印象(人口)是否等同于专业手持面部扫描仪(比较)?搜索策略
使用以下公式布尔运算符搜索2020年5月27日之前发表的同行评议研究:(数字面部印象或三维虚拟人脸或数字的脸)及(光学扫描仪或三维扫描仪或立体摄影测量或结构光或激光扫描仪或深度传感器摄像机或depth-sensing相机)及(智能设备或移动或智能手机或平板电脑或笔记本或移动PC)及(验证或比较或精度或协议或可靠性或精度或再现性).布尔运算符应用于PubMed (MEDLINE)、Scopus、Science Direct、Cochrane Library等主要电子数据库。谷歌学者搜索引擎通过结合相关的MeSH(医学主题标题)术语和文本单词来查找其他文章。在搜索过程中没有使用自动限制器设置,以防止不必要的过滤相关文章。EndNote软件(版本9.2,Clarivate Analytics Inc)用于管理文章的引用。
纳入和排除标准
纳入和排除标准是根据研究设计、目标、干预措施和测量结果制定的。搜索仅限于英文发表的文章。荟萃分析的纳入标准是偏倚风险低,适用性低,使用Cohen进行池加权估计的相关数值数据d统计方法。因此,随机和非随机对照试验、队列研究、病例对照研究以及在人类参与者和无生命物体上进行的横断面研究,报告了用3D面部扫描仪和移动设备兼容的3D面部扫描相机获得的数字面部模型的定量评估。相反,会议论文、病例报告、病例信、流行病学研究和作者或编辑意见文章被排除在外。仅使用2D图像或不包括移动设备兼容的3D面部扫描仪的原始研究没有被审查,并且无法定量确定准确性的研究没有被考虑进行分析。
数据收集
两位审稿人(H-NM和D-HL)根据标题和摘要提供的信息独立参与收集、筛选和选择潜在的研究。由双方审稿人对相关文章全文进行评估和评审。符合所有纳入标准的论文被认为符合评审条件。以下信息是从全文论文中收集的,并记录在电子表格(Office Excel, Microsoft Inc)上:作者、发表年份、研究目的、参与者信息(样本量、平均年龄、年龄范围和性别比例)、扫描方法(扫描设备、捕获技术、工作条件和扫描过程)、验证的参考标准(直接人体测量或其他3D扫描设备)、测量类型(线性距离或表面对表面偏差)、测量次数(地标的数量、测量次数和评分者)、测量结果(平均、估计误差和统计分析类型),以及主要结论。数据缺失或数据不可靠的文章被排除在荟萃分析之外。计算2个审稿人之间的一致性(κ)。如果有分歧,两位审稿人会进行讨论以解决问题。
质量评估和元分析
2名审稿人使用诊断准确性研究质量评估工具-2 (QUADAS-2)评估了基于4个偏倚领域(患者选择、指数测试、参考标准、流程和时间)的偏倚风险和适用性担忧[
].采用随机或固定效应模型分析实验数据集与参考数据集之间的标准化平均差(SMD),利用Cohen研究效应量估计和SMD的置信区间d[
].采用科克伦量表评估异质性问基于希金斯粒子的测试我2统计( ],其中更高我2值表明异质性较强。当问检验表明各研究的异质性较高(P< . 05)或我2>50%,选择随机效应模型,进行亚组分析[ ].亚组的定义是基于参与者或被调查的无生命物体。使用Egger线性回归统计检验评估发表偏倚,并使用漏斗图进行目视检查。使用R软件(3.6.0版本,R Foundation for Statistical Computing Platform)的元包进行meta分析;显著性水平设为0.05。采用robvis包(0.3.0版本)对偏差风险评估结果进行可视化[
].结果
搜索结果
搜索结果为3942篇文章,删除216篇重复文章后减少到3726篇。在标题筛选过程中,3674篇不在本文审查范围内的文章被排除,从而留下52篇文章进行摘要筛选。在排除24篇具有不相关摘要的文章后,对28篇文章全文进行了阅读和评估,其中11篇文章符合本次审查条件。其中,6篇文章被纳入全局元分析,4篇文章被纳入活人面部亚群分析,3篇文章被纳入无生命面部亚群分析。搜索和筛选过程的结果总结在
.评分者之间有实质性的一致性(κ=0.90)。质量评估和适用性问题
诊断准确性研究质量评估工具-2的质量评估结果显示,在纳入的11项研究中,有一项研究[
有很高的偏倚风险,另一项研究[ ]对适用性( ).有两项研究[ , ]显示出一些偏倚的风险,有两项研究[ , ]对其适用性存在一些担忧。在一些研究中,患者选择和指数检验的偏倚风险高于其他领域,因为对随机抽样方法的陈述不明确[ , ]或包括[ , ].关于适用性,主要的问题出现在索引测试领域,因为一些研究没有详细描述扫描程序或没有提供关于扫描设备的足够信息[ , , , ].研究特点
提取的数据根据研究的特点进行组织(
).对所研究的移动设备兼容人脸扫描仪的特点进行了总结 .研究 | 参与者或标本 | 移动设备,面部扫描仪 | 参考 | 具有里程碑意义的, | 测量 | 主要发现 |
Amornvit (2019) ( | ]1个人体模特头 | iPhone X (Apple Inc), FaceApp (Bellus3D Inc) | 手动测量 | N/A一个 | Δx,Δy、Δz | Δx:量程10-50毫米;Δy:范围50-120毫米;文件中未能记录详细信息z设在 |
Aswehlee (2018) ( | ]1印象铸造 | Scanify(燃料3D科技有限公司) | CTb | 三维点云 | RMSEc | 对颌面部缺损最准确的非接触式3D数字化仪是Vivid 910(美能达公司),其次是Danae (NEC工程公司),3dMD (3dMD LLC)和Scanify (P<措施)。 |
Elbashti (2019) ( | ]1印象铸造 | iPhone 6 (Apple Inc), 123D Catch App (Autodesk Inc) | CT | 三维点云 | RMSE | 智能手机3D建模不如商用激光扫描准确,缺陷区域代表缺陷深度的RMSE值更高。 |
努普(2017)( | ]8人(4男4女) | 结构传感器(Occipital Inc) | SPd | 三维点云;4 | RMSE | Structure Sensor的RMSE显著高于M4D Scan (Rodin4D) (P= .008)。结构传感器缺乏硬件和软件来准确地描述复杂形状和高曲率的区域,但擅长描述一般的面部形状。 |
警察所(2019)( | ]4个尸头(无) | Sense (3D Systems Inc);iSense (3D系统公司) | N/A | 三维点云 | RMSE | Artec Eva (Artec组)提供的结果明显比Sense (P<.001)和iSense设备(P<措施)。Sense比iSense扫描仪更准确;然而,两者的差异并不显著(P=点)。 |
警察所(2020)( | ]30个(男15个,女15个),人体模特头1个 | Sense (3D Systems Inc) | SP | 三维点云 | RMSE | 全面<1.0 mm (RMSE 0.516, SD 0.109 mm)。 |
刘(2019)( | ]2个模组(男性) | Scanify(燃料3D科技有限公司) | CT | 13 | 11个线性偏差(Δx,Δy、Δz) | 总体而言,Scanify的线性偏差<1 mm。Scanify (mean 0.74, SD 0.089 mm)和Vectra (mean 0.15, SD 0.015 mm)图像之间的平均总体差异<0.3 mm。 |
猫(2018)( | ]10人(5男5女) | Kinect(微软公司) | SP | 10 | 7线性距离 (平均差) |
扫描方法的平均差异为0.3 (SD为2.03 mm),精度合理。 用Kinect拍摄的图像之间的平均差异为0.1 (SD 0.6 mm;P<.05)表现出良好的准确性。Kinect似乎是一种有趣而有前途的面部分析资源。 |
Piedra-Cascon (2020) ( | ]10人(2男8女) | Face Camera Pro (Bellus3D Inc) | 手动测量 | 6 | RMSE | Face Camera Pro的真实度RMSE为0.91 mm,精度RMSE为0.32 mm。 |
罗斯(2018)( | ]16人(8男,8女) | iPhone 7(苹果公司),Camera+ app (tap tap tap LLC);RealSense(英特尔公司) | 结构光 | 三维点云 | RMSE | iPhone扫描90张照片(RMSE 1.4, SD 0.6 mm)、60张照片(RMSE 1.2, SD 0.2 mm)和30张照片(RMSE 1.2, SD 0.3 mm)之间的RMSE值无显著差异。RealSense的RMSE明显高于iPhone实验组(P<措施)。 |
十哈克尔(2017)[ | ]34人(10男,24女) | RealSense(英特尔公司) | SP | 三维点云 | RMSE | 与健康面部(RMSE 1.46, SD 0.26 mm)或Sunnybrook姿势相比,面瘫(RMSE 1.48, SD 0.28 mm)不影响RealSense深度精度e(P= .76)。然而,患者与RealSense设备的距离被证明会影响准确度,其中最高深度准确度(1.07 mm)在35 cm的距离处测量。 |
一个N/A:不适用。
bCT:计算机断层扫描。
cRMSE:均方根误差(面对面)。
dSP:立体摄影测量术。
eSunnybrook pose是一个面部分级系统,用于评估面部运动的结果,包括休息时和基于自主运动的5个面部表情(前额皱纹,温柔地闭上眼睛,张开嘴微笑,咆哮和噘唇)[
].在纳入的11项研究中,有6项是在成年志愿者或患者身上进行的[
, , , , , ],平均年龄35.50岁(SD 8.50;范围24-59)。这些研究的参与者人数从8到34人不等,其中男性参与者2到15人,女性参与者4到15人。其他5项研究是使用无生命的物体进行的,如面部的模版[ , , ]或人体模型头部[ , ],以及1项研究[ 是在人的尸体头上进行的。立体摄影测量术( , , , ],电脑断层扫描[ , , ],以及高分辨率结构光手持扫描[ , ]作为比较的参考测量值,2项研究[ , ]采用人工地标间距离作为参考测量。对于评价,大多数研究[
, , , , - , , ]通过计算机分析软件计算叠加三维图像的均方根误差(RMSE),测量参考图像与测试图像之间的整体面-面偏差,RMSE值越大,表示面偏差越大;然而,3项研究[ , , ]比较了数字化面部标志之间的距离与使用人工测量方法获得的物理模型上各自标志之间的距离。其中,1项研究[ ]评估了全球地面偏差和地标间线性距离,偏差沿x-轴(水平长度),y-axis(垂直长度),和z-轴(深度)在另一项研究[ ].荟萃分析
全球分析显示存在异质性(我2= 91%P<措施)。基于研究间的异质性,选择随机效应模型进行全局和亚组元分析。总体而言,使用移动设备兼容的面部扫描仪获得的面部模型的准确性明显低于使用专业面部扫描仪获得的面部模型(SMD 3.96 mm, 95% CI 2.81-5.10 mm,z= 6.78,P<措施;
).亚组分析结果显示各亚组间有显著差异( ).移动设备兼容面部扫描仪和专业面部扫描仪之间的差异,对于无生命面部物体的面部扫描(SMD 10.53 mm, 95% CI 6.29-14.77 mm)明显高于对活体参与者的面部扫描(SMD 2.58 mm, 95% CI 1.70-3.47 mm,P<措施,df= 12.94)。漏斗图显示不对称产生于3个不同的点,具有不同的效应估计(
).关于发表偏倚,Egger检验结果显示截距为3.9 (95% CI 1.94-5.86,t= 3.792,P= 04)。讨论
主要研究结果
我们旨在研究移动设备兼容的面部扫描仪在面部数字化中的准确性。在本系统综述中收录的文章中,使用移动设备兼容的3D面部扫描仪获得的数字化面部的平均差异值为0.34至1.40 mm。荟萃分析显示,移动设备兼容的3D面部扫描仪的准确性低于专业3D扫描仪。数字人脸扫描仪的可靠性可分为4类:高度可靠(偏差<1.0 mm)、可靠(偏差1.0 mm-1.5 mm)、中等可靠(偏差1.5 mm-2.0 mm)、不可靠(偏差>2.0 mm) [
].对于临床应用,偏差<1.5 mm被认为是可以接受的[ , , ].基于分类,移动设备兼容的3D面部扫描仪被认为是可接受的临床使用,即使他们的准确性低于那些专业的3D面部扫描仪。amnvit等[ ]及刘等[ 报道称,在扫描额头、脸颊和下巴等简单平坦的面部区域时,与移动设备兼容的面部扫描仪可与专业的3D面部扫描仪相媲美。然而,当使用移动设备兼容的面部扫描仪来捕捉复杂的面部区域,如外耳、眼睑、鼻孔和牙齿时,扫描精度相对较低[ , , ].在面部缺陷区域发现了更高的不准确性,这取决于缺陷的深度[ ].因此,在使用移动设备兼容的面部扫描仪时,可能需要根据目的和人仔细考虑。在初步阶段,基于智能手机的3D扫描仪使用多摄影测量方法,从不同角度捕捉物体的几张照片,并匹配照片中的共同特征,通过专用的智能手机软件应用程序建立物体的3D模型[
, ].三维图像的分辨率取决于由软件算法根据捕获图像的分辨率计算出的重构多边形的数量[ ].工作原理类似于专业立体摄影面部扫描系统;然而,专业系统通常使用数码单反相机,与智能手机相机相比,数码单反相机具有更高的像素密度、更好的降噪软件和更高的ISO设置[ ].Elbashti等人报道,智能手机多重摄影测量在面部数据采集中的精度为0.605 (SD 0.124) mm [ ].罗斯等人的另一项研究[ ],使用智能手机获得的扫描数据的平均差异在0.9毫米至1.0毫米之间,这取决于扫描时拍摄的照片数量。近年来,红外结构光深度感应相机已被纳入移动设备,以方便三维光学扫描[ ].3D深度传感相机的工作原理是飞行时间,测量光从照明单元发射到物体并返回传感器阵列所花费的时间[ , ].然后根据物体和周围环境的深度图重建3D图像[ ].虽然智能手机深度感应相机与专业激光扫描系统具有相似的工作原理,但激光系统对深度更敏感,因为它们采用了更高灵敏度的传感器[ , ].amnvit等[ ]报道了智能手机的3D深度感知传感器扫描仪在正面平面的线性测量方面是可靠的,但与专业的面部扫描仪相比,其深度测量精度较低。深度感应相机还可以单独使用,并连接或插入智能手机、平板电脑或笔记本电脑,以获取3D扫描[ , , - , ].由于使用外部深度传感相机时,面部扫描的质量也受到兼容移动设备性能的影响,因此产生的精度可能差异很大,应该对每种深度传感相机和移动设备的组合进行评估。亚组元分析显示,对活人进行3D面部扫描的准确性与对无生命物体进行的准确性有显著差异。这一结果表明,体外或实验室研究的结果可能与从人身上获得的结果不同。因此,基于本综述的发现,我们建议使用活人进行移动设备兼容人脸扫描的相关研究。在扫描活人面部的眼眶、鼻唇和口腔区域时应谨慎,以尽量减少由运动伪影引起的差异[
, ].潜意识的鼻子呼吸、眨眼和嘴唇抽动也应该仔细考虑,因为这些是无意识面部运动的主要来源。 ].奥兹索伊等[ ]报道了面部表情的变化可能会影响扫描的再现性和可靠性,在惊恐的面部表情中观察到的误差值最高,而在中性面部表情中观察到的误差值最低。为减少运动伪影,应指导患者在图像采集过程中保持中性面部表情并避免任何头部运动[ ].另一个问题是,人脸包含复杂的皮肤纹理、毛孔、雀斑、疤痕和皱纹。一些伪影或缺失的扫描数据以孔的形式出现,这些孔来自于难以捕捉的表面,如眉毛、睫毛和发际线[ ].小空洞可以使用图像处理软件修复,该软件使用形态相似的相邻区域;然而,由于缺乏参考,较大的缺陷会造成拼接过程中的困难[ ].此外,人脸的形状各不相同,并不是完全对称的,因此在不同的视角下可能会呈现不同的面貌[ ].当使用多重摄影测量方法时,这种现象可能会导致一些伪影,因为物体的3D模型是通过匹配捕获照片中的共同面部特征来重建的。本综述的一个局限性是该综述方案没有在PROSPERO上进行预注册。由于难以进行临床研究来评估扫描仪的准确性,大多数纳入的研究与临床治疗结果不直接相关。然而,这篇综述的发现为临床使用移动设备兼容的面部扫描仪显示了巨大的希望。本系统综述的另一个局限性是纳入的研究数量较少。有限数量的研究显示出高度的异质性和漏斗图不对称性。关于发表偏倚,Egger检验结果显著(P= 04)。当干预效果与研究规模存在相关性时,异质性会导致漏斗图不对称[
].对一项研究的合格性进行了进一步检查,该研究显示效果估计明显较大[ ],我们纳入了研究[ 因为它是在扫描干预的环境中进行的,并且在方法上是科学的。尽管这项研究的纳入[ ]增加了研究间的异质性和漏斗图不对称性,其结果从根本上归因于少数文章[ ].由于研究主题的新颖性,本次评审纳入的所有符合条件的论文均在2017年至2020年期间发表。随机效应模型常用于荟萃分析的异质性研究。通过纳入研究间的方差,随机效应元分析对研究的权重比固定效应分析更平等[ ].因此,在本综述中,基于异质性和漏斗图不对称性,选择随机效应模型进行全局和亚组分析。还需要额外的体外对照和随机临床试验来加强综述文章的影响。此外,考虑到面部扫描在医疗领域的快速发展,需要不断使用新开发的设备和系统进行各种调查。结论
总体而言,移动设备兼容的人脸扫描仪在三维人脸采集方面的精度无法与专业光学扫描系统相比,但在尺寸偏差<1.5 mm的临床可接受范围内。在对无生命物体和活人进行的3D面部扫描之间存在显著差异;因此,在解释对无生命物体进行的研究结果时,应谨慎。
致谢
本研究由韩国政府资助的国家研究基金生物与医疗技术发展计划(2020R1I1A1A01062967)资助。
利益冲突
没有宣布。
研究中调查了商用移动设备兼容的面部扫描仪。
DOCX文件,18kb参考文献
- Spear FM, Kokich VG。美学牙科的多学科方法。登特诊所北Am 2007年4月;51(2):487-505,x-xi。[CrossRef] [Medline]
- 何佳耶里,康S,马斯里RM,库恩L,法希米普尔F, Vanevenhoven R,等。颅面假体制造的进展:整体治疗的叙事回顾。J Adv prosthodon 2018 Dec;10(6):430-439 [免费全文] [CrossRef] [Medline]
- 赵玉军,熊燕燕,王赟。临床面部畸形三维扫描精度:一种新的面部扫描精度评价方法。PLoS One 2017;12(1):e0169402 [免费全文] [CrossRef] [Medline]
- Bidra。无牙上颌种植支撑固定假体治疗方案的三维美学分析:美学文献综述。中国美学杂志2011年8月23日(4):219-236。[CrossRef] [Medline]
- Aswehlee AM, Elbashti ME, Hattori M, Sumita Y, Taniguchi H.非接触式三维数字化仪用于几何面部缺陷的可行性和准确性:体外比较。中华口腔修复杂志2018;31(6):601-606。[CrossRef] [Medline]
- Alsiyabi AS, Minsley GE。使用两阶段聚(乙烯基硅氧烷)印象的面部模压制造。中华口腔修复杂志2006;15(3):195-197。[CrossRef] [Medline]
- Thongthammachat S, Moore B, Barco M, Hovijitra S, Brown D, Andres C.牙模尺寸精度:托盘材料、压模材料和时间的影响。中华口腔修复杂志2002 6;11(2):98-108。[CrossRef] [Medline]
- Gonçalves F, Popoff D, Castro C, Silva G, Magalhães C, Moreira a .弹性体压模材料的尺寸稳定性:文献综述。欧洲修复义齿修复器杂志2011年12月19日(4):163-166。[CrossRef]
- Gibelli D, Dolci C, Cappella A, Sforza C.三维面部解剖描述光学设备的可靠性:系统回顾和荟萃分析。中华口腔颌面外科杂志2020年8月;49(8):1092-1106。[CrossRef] [Medline]
- Bohner L, Gamba DD, Hanisch M, Marcio BS, Tortamano Neto P, Laganá DC,等。面部、骨骼和口腔内组织扫描数字技术的准确性:一项系统综述。义肢凹痕2019年2月;121(2):246-251。[CrossRef] [Medline]
- 用于颅面标志识别和测量的图像处理:摄影测量学和头影测量学综述。Comput Med Imaging Graph 2004 Oct;28(7):401-409。[CrossRef] [Medline]
- 胡晓峰,王晓峰,王晓峰,王晓峰,王晓峰,Bergé王晓峰。规划和评估正畸和正颌手术的数字三维图像融合过程:系统综述。中华口腔颌面外科杂志2011年4月;40(4):341-352。[CrossRef] [Medline]
- 郭敏,郑s, Park H, Oh H, Ryu S, Cho J,等。不同面部软组织分析方法的比较研究。中华颅颌面外科杂志2014 7月;42(5):648-656。[CrossRef] [Medline]
- 李波德,刘X, K旺多,Drerup B, Schreiber K, Kirschneck C,等。基于曲率图和轮廓分析的面部标志定位。Head Face Med 2014年12月08日;10:54 [免费全文] [CrossRef] [Medline]
- Elbashti M, Sumita Y, Aswehlee A, Seelaus R.智能手机应用程序作为面部缺陷数字化的低成本替代品:它是否足够准确用于临床应用?中华口腔修复杂志2019;32(6):541-543。[CrossRef] [Medline]
- 李文杰,李文杰,李文杰,等。验证Vectra H1便携式三维摄影测量系统的面部成像。国际口腔颌面外科杂志2018 Mar;47(3):403-410 [免费全文] [CrossRef] [Medline]
- Özsoy U, Sekerci R, Hizay A, Yildirim Y, Uysal H.三维手持扫描仪面部表情的再现性和可靠性评估。中华颅颌面外科杂志2019;47(6):895-901。[CrossRef] [Medline]
- Cook DA, Erwin PJ, Triola MM.卫生专业教育中的计算机化虚拟患者:系统回顾和荟萃分析。2010年10月;85(10):1589-1602。[CrossRef] [Medline]
- 基于视觉信息的面部情绪识别综述。传感器(巴塞尔)2018年1月30日;18(2):401 [免费全文] [CrossRef] [Medline]
- 田斌,郑斌,池生,黄勇,金勇,朴海辉,等。用于患者安全和生物特征识别的面部识别移动应用程序:设计、开发和验证。JMIR Mhealth Uhealth 2019四月08;7(4):e11472 [免费全文] [CrossRef] [Medline]
- Burke P, Beard L.面部立体摄影测量。对摄影等高线制图简化系统精度的初步研究。中华口腔整形外科杂志1967年10月;53(10):769-782。[CrossRef] [Medline]
- Gwilliam JR, Cunningham SJ, Hutton T.软组织标志在三维面部扫描上的再现性。欧洲医学杂志2006年10月;28(5):408-415。[CrossRef] [Medline]
- Kovacs L, Zimmermann A, Brockmann G, Baurecht H, Schwenzer-Zimmerer K, Papadopulos N,等。使用三维激光扫描仪对面部表面进行三维评估的准确性和精密度。IEEE transmed Imaging 2006 Jun;25(6):742-754。[CrossRef] [Medline]
- 马志刚,王志刚,王志刚,王志刚,等。低成本三维结构光扫描仪用于人脸建模的比较。应用物理学报,2017年2月1日;26(4):985-992。[CrossRef] [Medline]
- 马玲,徐涛,林杰。基于结构光技术的三维人脸扫描系统的验证。计算方法程序,2009年6月;94(3):290-298。[CrossRef] [Medline]
- 张志强,张志强,张志强。一种用于三维人脸采集的移动结构光系统。IEEE传感器学报2016年4月;16(7):1854-1855。[CrossRef]
- Piedra-Cascón W, Meyer MJ, Methani MM, Revilla-León M.双结构光面部扫描仪的准确性(真度和精度)和审查员间可靠性。J Prosthet Dent 2020 Jan 06;S0022-3913(19):30689-30684。[CrossRef] [Medline]
- amnvit P, sanokhan S.从3D扫描仪获得的数字面部扫描的准确性:体外研究。国际环境与公共卫生2019年12月12日;16(24):5061 [免费全文] [CrossRef] [Medline]
- Knoops PG, Beaumont CA, Borghi A, Rodriguez-Florez N, Breakey RW, Rodgers W,等。颅颌面三维扫描系统的比较。中华整形外科杂志2017年4月30日(4):441-449。[CrossRef] [Medline]
- Hassan B, Greven M, Wismeijer D.在数字工作流程中集成3D面部扫描到CAD/CAM设计和制作全口义齿,用于即时全口康复。J Adv prosthodon 2017 Oct;9(5):381-386 [免费全文] [CrossRef] [Medline]
- Lo Russo L, Salamini A, Troiano G, Guida L.数字假牙:基于口腔内扫描的协议。J Prosthet Dent 2020年4月21日;S0022-3913(20):30139-30136(即将出版)。[CrossRef] [Medline]
- Hong S, Noh K.通过使用面部和口腔内扫描突出的咬合间位置在虚拟关节上设置髁状面倾角:一种牙科技术。J Prosthet Dent 2020年3月24日;S0022-3913(20):30101-30103(即将出版)。[CrossRef] [Medline]
- Revilla-León M, Raney L, Piedra-Cascón W, Barrington J, Zandinejad A, Özcan M.使用面部和口腔内扫描仪和添加剂制造的硅酮指数进行美容康复的数字工作流程:牙科技术。中华义肢修复杂志2020年4月23日(4):564-570。[CrossRef] [Medline]
- Moher D, Liberati A, Tetzlaff J, Altman DG, PRISMA Group。系统评价和元分析的首选报告项目:PRISMA声明。PLoS Med 2009 7月21日;6(7):e1000097 [免费全文] [CrossRef] [Medline]
- Whiting PF, Rutjes AWS, Westwood ME, Mallett S, Deeks JJ, Reitsma JB, QUADAS-2 Group。QUADAS-2:诊断准确性研究质量评估的修订工具。安实习医学2011年10月18日;155(8):529-536。[CrossRef] [Medline]
- 统计权力分析。精神科学1992;1(3):98-101。[CrossRef]
- 希金斯分卫,汤普森得分后卫,Deeks JJ, Altman DG。测量元分析中的不一致性。英国医学杂志2003 Sep 06;327(7414):557-560 [免费全文] [CrossRef] [Medline]
- DerSimonian R, Kacker R.临床试验meta分析的随机效应模型:更新。conp临床试验2007 Feb;28(2):105-114。[CrossRef] [Medline]
- 麦吉尼斯洛杉矶,希金斯JPT。偏差风险可视化(robvis):一个R包和Shiny web应用程序,用于对偏差风险评估进行可视化。Res Synth方法2020年4月26:1-7(即将到来)。[CrossRef] [Medline]
- 柯班,李志强,李志强,等。面部三维表面成像的精度:在尸体模型中进行的手持扫描仪比较。美容外科杂志2019年3月14日;39(4):NP36-NP44。[CrossRef] [Medline]
- Maués CPR, Casagrande M, Almeida R, Almeida M, Carvalho F.低成本扫描仪获取的面部软组织三维表面模型。中华口腔颌面外科杂志2018年9月;47(9):1219-1225。[CrossRef] [Medline]
- Harkel TC, Speksnijder CM, van der Heijden F, Beurskens CHG, Ingels KJAO, Maal TJJ。RealSense F200深度精度:低成本4D面部成像。科学通报2017年11月24日;7(1):16263 [免费全文] [CrossRef] [Medline]
- 刘C, Artopoulos a .低成本便携式三维面部扫描仪的验证。影像科学杂志2019 Mar;49(1):35-43 [免费全文] [CrossRef] [Medline]
- Koban KC, Perko P, Etzel L, Li Z, Schenck TL, Giunta RE.两种手持设备与非便携式三维表面扫描仪的对比验证和术中面部成像的潜在用途评估。中华整形外科杂志2020年1月;73(1):141-148。[CrossRef] [Medline]
- 罗斯MT,克鲁兹R,布鲁克斯-理查兹TL,哈夫纳LM,鲍威尔SK,伍德拉夫MA。外耳三维表面扫描技术的比较。虚拟和物理原型2018年7月05日;13(4):255-265。[CrossRef]
- Aung S, Ngim R, Lee S.激光扫描仪作为表面测量工具的评估及其与直接面部人体测量测量的精度比较。中华整形外科杂志1995年12月;48(8):551-558。[CrossRef] [Medline]
- Secher JJ, Darvann TA, Pinholt EM. DAVID SLS-2扫描仪在三维面部成像中的准确性和再现性。中华颅颌面外科杂志2017年10月;45(10):1662-1670。[CrossRef] [Medline]
- 叶宏,吕磊,刘勇,刘勇,周勇。两种不同三维人脸扫描系统的准确性、可靠性和再现性评价。中华口腔修复杂志2016;29(3):213-218。[CrossRef] [Medline]
- 王志强,王志强,王志强,Bergé王志强,王志强,等。三维面部照片中数字牙模的集成。中华口腔颌面整形杂志2008年12月;134(6):820-826。[CrossRef] [Medline]
- C巷,哈勒尔·w,完成三维图像。中华口腔整形外科杂志,2008年4月;33(4):612-620。[CrossRef] [Medline]
- 姚华,葛超,薛军,郑娜。一种基于双目结构光的高空间分辨率深度传感方法。传感器(巴塞尔)2017 Apr 08;17(4):805 [免费全文] [CrossRef] [Medline]
- Sarbolandi H, Lefloch D, Kolb A. Kinect范围感知:结构光与飞行时间Kinect。计算机视觉与图像理解2015年10月;139:1-20。[CrossRef]
- 贾涛,周志,高宏。基于红外编码结构光的深度测量。传感器学报2014;2014:1-8。[CrossRef]
- Alfaro-Santafé J, Gómez-Bernal A, Lanuza-Cerzócimo C, Alfaro-Santafé JV, Pérez-Morcillo A, Almenar-Arasanz AJ。三轴测量与3D足底足扫描的新系统:iPhone X.鞋类科学2020年3月05日;12(2):123-131。[CrossRef]
- Verhulst A, Hol M, Vreeken R, Becking A, Ulrich D, Maal T.面部三维成像:三种不同成像方式的比较。美容外科杂志2018年5月15日;38(6):579-585。[CrossRef] [Medline]
- Zaidel DW, Hessamian M.人脸美的不对称与对称。对称2010 Feb 23;2(1):136-149。[CrossRef]
- Terrin N, Schmid CH, Lau J.在漏斗图的实证评估中,研究人员无法从视觉上识别发表偏倚。中华临床流行病学杂志2005年9月58(9):894-901。[CrossRef] [Medline]
- Sterne JAC, Sutton AJ, Ioannidis JPA, Terrin N, Jones DR, Lau J,等。随机对照试验meta分析中检查和解释漏斗图不对称性的建议。英国医学杂志2011 7月22日;343:d4002。[CrossRef] [Medline]
缩写
RMSE:均方根误差 |
SMD:标准化平均差 |
G·艾森巴赫(G Eysenbach)编辑;提交06.07.20;M Behzadifar, KM Kuo, J Vermeir同行评审;对作者15.09.20的评论;修订版本收到29.09.20;接受30.09.20;发表23.10.20
版权©Hang-Nga Mai, Du-Hyeong Lee。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2020年10月23日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。