Uso de redes neuronales artificiales en predicción de morfología mandibular a través de variables craneomaxilares en una vista posteroanterior / Use of Artificial Neural Networks for Mandibular Morphology Prediction through Craniomaxillar Variables...

Tania Camila Niño Sandoval,Fabio Augusto González,Robinson Andrés Jaque,Sonia Victoria Guevara Pérez,Clementina Infante Contreras

doi:10.11144/javeriana.uo35-74.urna

Tania Camila Niño Sandoval, Fabio Augusto González + Show 3 more

Open Access

PDF Available

https://doi.org/10.11144/javeriana.uo35-74.urna

Copy DOI

Export

Save

Cite

Journal: Universitas Odontologica	Publication Date: Jun 28, 2016
Citations: 8	License type: CC BY 4.0

Affiliation: Universidad Nacional de Colombia

Abstract
Highlights/Summary
Full-Text PDF
Similar Papers

Abstract

Listen

Background: Predicting mandibular morphology is important in facial reconstruction for forensic purposes as in orthodontics and maxillofacial surgery. This process has been performed through parametric and linear methods based on Caucasian populations. Also, these analyzes are performed on lateral cephalograms, but a prediction from a posteroanterior view is not taken into account. Purpose: To predict through artificial neural networks the mandibular morphology using craniomaxillary measures in posteroanterior radiographs. Methods: 229 standardized posteroanterior radiographs from Colombian young adults of both sexes were collected. Coordinates of craniofacial skeletal landmarks were used to create mandibular and craniomaxillary measures. 17 predictor craniomaxillary input variables were selected, measuring widths, heights, and angles. Similarly, 13 mandibular measures were selected to be predicted, considering both the right and left sides. Artificial neural networks were used for the prediction process and it was evaluated by a correlation coefficient using a ridge regression between real value and the predicted value. Results: The results found in the model were significant especially for 5 variables of morphological importance in the forensic field: right mandibular ramus (Cdd-God), bigonial width (Goi-God), bicondylar width (Cdi-Cdd), and distance between the condyles to the menton (Cdd-Me and Cdi-Me). Conclusions: An important prediction capacity in 5 measures of forensic importance in patients with skeletal Class I, Class II and Class III was found in both sexes.

Highlights

Predicting mandibular morphology is important in facial reconstruction for forensic purposes as in orthodontics and maxillofacial surgery
Los resultados encontrados fueron significativos, en especial para cinco variables de importancia morfológica dentro del campo forense: Teniendo en cuenta los resultados, se recomienda la rama mandibular derecha (Cdd-God), el ancho explorar otras medidas que no están en la literatura, bigoniaco (Goi-God), el ancho bicondilar (Cdi-Cdd) y por medio de máquinas de vectores de soporte, para las distancias entre los cóndilos y el mentón (Cdd-Me que asignen pesos entre todas las 8126 variables, y Cdi-Me), medidas usadas en especial para detera fin de establecer cuáles podrían ser relevantes en minar el dimorfismo sexual [38]
Puişoru M, Forna N, Fătu AM, Fătu R, Fătu C

Summary

Capa ddeeSsaalildidaa

Entre las diferentes arquitecturas de las RNA existe la red neuronal unidireccional (RNU, en inglés feedforward neural networks o FFNN), donde la conexión va de una capa a otra, pero no entre las neuronas de la misma capa. La más comúnmente usada es la perceptrón multicapa, que consiste de una capa de entrada en la cual se introducen los datos a la red para ser analizados; una capa oculta o intermedia [21], donde se agrupan y se asignan los diferentes pesos, a fin de determinar cuáles podrían ser relevantes [19,22]; y la capa de salida, en la cual se dan los resultados del análisis [23,24]. Adicionalmente, las RNA emplean algoritmos de aprendizaje, usualmente de tipo supervisado, donde es necesario prestablecer los nodos de salida; estos se controlan para dar un resultado deseado. Si el error es muy grande, el algoritmo devuelve la información al inicio y el maestro ajusta los pesos hasta que el error sea menor de un nivel preestablecido; cuando esto ocurre, se determina que la red ha aprendido la información de entrada [25]. Esta investigación utilizó RNA para predecir la morfología mandibular a través de variables craneomaxilares, desde una vista posteroanterior, a efectos de robustecer el análisis con una alta dimensionalidad, de una forma rápida y económica

MATERIALES Y MÉTODOS

Superimposition and reconstruction in forensic facial

Clementina Infante Contreras