Large-scale open-source three-dimensional growth curves for clinical facial assessment and objective description of facial dysmorphism
Notice bibliographique
Résumé
Craniofacial dysmorphism is associated with thousands of genetic and environmental disorders. Delineation of salient facial characteristics can guide clinicians towards a correct clinical diagnosis and understanding the pathogenesis of the disorder. Abnormal facial shape might require craniofacial surgical intervention, with the restoration of normal shape an important surgical outcome. Facial anthropometric growth curves or standards of single inter-landmark measurements have traditionally supported assessments of normal and abnormal facial shape, for both clinical and research applications. However, these fail to capture the full complexity of facial shape. With the increasing availability of 3D photographs, methods of assessment that take advantage of the rich information contained in such images are needed. In this article we derive and present open-source three-dimensional (3D) growth curves of the human face. These are sequences of age and sex-specific expected 3D facial shapes and statistical models of the variation around the expected shape, derived from 5443 3D images. We demonstrate the use of these growth curves for assessing patients and show that they identify normal and abnormal facial morphology independent from age-specific facial features. 3D growth curves can facilitate use of state-of-the-art 3D facial shape assessment by the broader clinical and biomedical research community. This advance in phenotype description will support clinical diagnosis and the understanding of disease pathogenesis including genotype-phenotype relations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».