Exploring mandibular asymmetry: insights from visual perception using eye-tracking technology
Notice bibliographique
Résumé
The visual attention provides an objective perspective on how a stimulus take attention. In dentistry, one of the important facial determinants in esthetic perception is the mandibular asymmetry. The study aimed to evaluate the eye movements of the orthodontists and non-professionals on the images with different severity of mandibular asymmetry using eye tracking technology. The eye movements of 26 orthodontists and 30 non-professionals were captured. Thirty images were visually evaluated for the presence of mandibular asymmetry by two orthodontists. 2 mm, 4 mm, 6 mm, and 8 mm chin deviation were simulated on the images and the images without asymmetry were considered as control group. A total of 50 photographs from 10 individuals were included in the study. Participants’ eye movements were recorded using an Eyelink 1000 plus eye-tracking device (Sr-Research, Canada). Repeated Measures Analysis of Variance (ANOVA) was used for statistical comparisons. The number of fixations on the lower lip-chin area in either the right or left direction did not show a statistically significant difference. (F(1,000;59,000) = 2.133, p > 0.05, ). Time to first fixation was faster to the lower lip-chin area in 8 mm asymmetry condition compared to 2 mm (F(1,2) = 31.423, p < 0.05, ηp2 = 0.940). Orthodontists made less fixations before the lower lip-chin area in 8 mm condition compared to 2 mm (F(1,2) = 20.758, p < 0.05, ηp2 = 0.912). While the direction of mandibular asymmetry did not affect voluntary attention, an increase in asymmetry, regardless of profession, attracted more attention to the lower lip-chin area. While the 8 mm asymmetry caught the involuntary attention of orthodontists, the same did not occur in non-professionals.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».