グミの笑顔と人工的なıntelligence

グミの笑顔（GS）の原因の中には、前上顎の過度の垂直発達、眼窩周囲の筋肉の多動性が、笑顔中に過度の唇の上昇を引き起こし、臨床クラウンの長さが短いことがあります。 短い臨床クラウン長はGSに対する感受性を高めます。受動的噴火、歯肉炎症、歯肉の過形成の変化は、臨床クラウンの長さの減少に寄与します。 歯の垂直寸法が水平方向の寸法よりも短い場合、受動噴火がGSに寄与する要因であることを示唆しています。

GSの程度は、笑顔に関与するすべての歯全体で均質ではなく、しばしば複数の病因因子に起因します。 歯肉ディスプレイが3 mmの場合、それは過剰な歯肉組織のみに起因します。 追加の2.2 mmの歯肉ディスプレイが存在する場合（3 mm + 2.2 mm）、垂直上顎過剰（VME）が寄与因子と見なされます。 追加の2.8 mmの歯肉ディスプレイが観察される場合（3 mm + 2.2 mm + 2.8 mm）、ハイパーモビル（HM）リップが関係しています。 たとえば、上顎の左中央切歯の上の3 mm gsは、HM唇のみが原因である可能性がありますが、上顎左2番目の小臼歯の上の8 mm以上のGSは、HMリップ（2.8 mm）、過剰な歯肉組織（過剰な歯肉組織）の組み合わせに起因する場合があります。 3 mm）、およびVME（2.2 mm）。 これは、正確な診断とパーソナライズされた治療計画のために、各歯レベルでGSを測定することの重要性を強調しています。

非対称GSを評価するには、各歯の個々の測定が必要であり、エラーの尤度と患者の椅子時間を増やすことができます。 審美的なスマイルデザインの個別の介入戦略を特定する際の科学的研究の重要性を考えると、人工知能（AI）は、審美的知覚の主観的性質を、特定の参照パラメーターに従って個別の科学的プラットフォームに変えるのに役立ちます。 GS評価における正確で有効な測定値の使用は、診断、病因評価、および治療計画を促進することができます。

包括的なデータセットを確立することにより、測定された変数を理想的な参照値と比較することにより、さまざまな病因の寄与を分析できます。 このようなアプローチを通じて、エティオ病原性因子と状態の重症度の細心の分析を達成できます。 以前の研究では、GS診断の精度と感度とその病因評価を検証するより多くの研究が必要であることが示されています。

現在まで、AIを使用して歯肉ディスプレイを評価する文献では研究が見つかりませんでした。 テストデータセットまたは完全にオープンアクセスデータセットを使用して精度スコアリングを使用する研究とは異なり、この研究で得られたデータは、トレーニングデータセットからのみ導出されます。 AIモデルの検証戦略を最適化するために、GSに関与する各歯について、選択された臨床指標を個別に測定しました。 ラベル付けは、複数の注釈オプションを可能にするライセンスされたWebベースの注釈プラットフォームを使用して実行されました。

この研究には、ガジ大学歯学部歯科学部に申請する患者から選択された高い笑顔の患者が含まれます。 患者の写真のラベル付けは、2人の研究者によって行われます：歯周病学者と人工知能（AI）の上級専門家とソフトウェア開発。 Gummy Smile（GS）の患者の写真は、トレーニング、検証、およびテストデータセットを作成するために使用されます。

単純なランダムサンプリング方法が使用され、信頼レベルは0.95、有病率は0.1、誤差は0.05でした。 これらのデータセットの形成は、以下に概説する手順に従います。

歯肉視認性測定の標準化方法を特定するために、文献レビューが実施されました。 ただし、歯の歯肉ディスプレイの同時キャリブレーションと測定を可能にするルーラーシステムは見つかりませんでした。 その結果、この研究のために特別にカスタム設計された定規システムを開発する必要性が現れました。

歯肉ディスプレイは、ハイブリッドモデルを使用して決定されます。 トレーニングプロセスには、ピクセル精度（PA）とユニオン（MIOU）の平均交差点が含まれます。 データセットは、トレーニング、検証、およびテストサブセットに分割されます。 画像は、前処理ワークフローの一部として、サイズ変更、正規化、およびテンソルへの変換を受けます