Resumen de Uso de redes neuronales artificiales en predicción de morfología mandibular a través de variables craneomaxilares en una vista posteroanterior

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

• español

  Antecedentes: La predicción de la morfología mandibular es importante tanto en la reconstrucción facial con fines forenses, como en ortodoncia y cirugía maxilofacial. Dicho proceso se ha realizado a través de métodos paramétricos y lineales basándose en poblaciones caucásicas. Asimismo, dichos análisis se realizan en radiografías de perfil más no se tiene en cuenta una predicción mandibular desde una vista posteroanterior. Propósito: Predecir, a través de redes neuronales artificiales, la morfología mandibular, empleando medidas craneomaxilares en radiografías posteroanteriores. Métodos: Se recolectaron 229 radiografías postero-anteriores estandarizadas de adultos jóvenes colombianos de ambos sexos. Se usaron coordenadas de puntos de referencia óseos craneofaciales para formar medidas mandibulares y craneomaxilares. Se seleccionaron 17 variables predictoras craneomaxilares de entrada, midiendo anchuras, alturas y ángulos. De la misma manera se seleccionaron 13 medidas mandibulares a predecir, considerando tanto el lado derecho como el izquierdo. Se usaron redes neuronales artificiales para realizar el proceso de predicción y se evaluó a través de un coeficiente de correlación, por medio de una regresión de arista (ridge regression) entre el valor real y el valor predicho. Resultados: Los resultados encontrados dentro del modelo fueron significativos en especial para 5 variables de importancia morfológica dentro del campo forense: la rama mandibular derecha (Cdd-God), el ancho bigoníaco (Goi-God), el ancho bicondilar (Cdi-Cdd) y las distancias entre los cóndilos al mentón (Cdd-Me y Cdi-Me). Conclusión: se encontró una capacidad de predicción importante en 5 medidas de importancia forense en pacientes clase I, clase II y clase III esquelética en ambos sexos. 

• English

  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.