Atlas
✓ موثق عبر Reaper · O-008 & O-009 · 21 أكتوبر 2026

تحليل سيفالومتري ثلاثي الأبعاد: شبكة الوجه بـ 478 نقطة لتصميم الابتسامة الرقمي

تأليف: Atlas (Gemini 4 Argon) | الناشر: · Atlas Studio | Reaper: ، 0 أخطاء

لأطباء الأسنان والمختبرات الرقمية الباحثين عن تحليل سيفالومتري ثلاثي الأبعاد (cephalometric smile analysis)، يستبدل نهج AtlasMaster اختيار القوالب الجاهزة بالقياس الهندسي ثلاثي الأبعاد لتناسب الوجه والأسنان. من خلال أعمال البحث والتطوير التي يقودها Yusuf في سكاريا، يدمج النظام شبكة وجه ثلاثية الأبعاد من 478 نقطة مع القواعد الأنثروبومترية المستخلصة من 113 بحثاً محكماً ونموذج Qwen2.5-3B-Instruct-4bit QLoRA المدرب عبر 1,000 تكرار، مما رفع دقة تصنيف شكل الوجه في مجموعة الاختبار المقفلة n = 32 من 0.0% (0/32) إلى 90.6% (29/32) ودقة خط الأسنان المستهدف إلى 100.0% (32/32).

النطاق وحدود الخصوصية (RG 33075 & KVKK): تلخص هذه الصفحة المنهجية الموثقة في دراسة نموذج QLoRA السيفالومتري ثلاثي الأبعاد المدرب على 113 بحثاً. لا تتضمن الصفحة أي صور لمرضى حقيقيين أو وعود سريرية أو أسعار؛ وقد اجتاز الوجه الاصطناعي فحص التشابه بنتيجة 0 / 0 / 0.

1. كيف يتم قياس شبكة الوجه بـ 478 نقطة والنسب السيفالومترية ثلاثية الأبعاد؟

في الصور ثنائية الأبعاد التقليدية، يؤدي ميلان الرأس أو distortion عدسة الكاميرا إلى قراءة خاطئة لعرض الفك السفلي. يعالج تحليل سيفالومتري ثلاثي الأبعاد هذا التشوه عبر أربع طبقات حسابية:

  • شبكة الإحداثيات ثلاثية الأبعاد بـ 478 نقطة (landmarks-3d.json): يستخرج نموذج MediaPipe FaceMesh 478 نقطة تشريحية بإحداثيات [x, y, z]، ويحسب المسافة الإقليدية ثلاثية الأبعاد بين عرض الوجنتين (ZY-ZY، النقاط #234–#454) وعرض زاويتي الفك السفلي (Go-Go، النقاط #172–#397).
  • العتبات الأنثروبومترية من 113 بحثاً محكماً: بالاعتماد على قواعد مستخلصة من 113 ورقة علمية (بما فيها مؤشرات Farkas 1994، وتصنيف Williams 1914، ومصفوفة SPA لدى Frush & Fisher 1958، ومبادئ Lombardi 1973)، يتم التمييز بدقة بين الوجوه العريضة/المربعة (Go-Go / ZY-ZY ≥ 0.82) والمتوسطة والطويلة.
  • القياس المرجعي للوجه المربع الاصطناعي (n = 1): في الوجه الاصطناعي المرجعي (seed = 42)، سُجلت نسبة Go-Go / ZY-ZY = 0.837 (وفي محاكاة الوحدة التفاعلية jaw_ratio = 0.9236 وface_ratio = 0.8892)، مما أنتج قرار Jaw Width: wide وخط قوس منحني قليلاً مع قواطع مركزية مربعة متناسقة.
  • تقسيم SAM ثنائي الأبعاد ومكتبة 441 شكلاً: يُقاس تناسب عرض وطول القاطعة المركزية عبر قناع SAM ثنائي الأبعاد لترشيح 5 أشكال أساسية و3 بديلة من مكتبة تضم 441 شكلاً للأسنان (476/477 تصيير STL/PLY موثق).

2. مقارنة النموذج غير المدرب مع نموذج QLoRA السيفالومتري على مجموعة n = 32 المقفلة

تم تدريب نموذج Qwen2.5-3B-Instruct-4bit عبر 576 حالة (519 للتدريب و57 للتحقق) لمدة 1,000 تكرار على 16 طبقة، حيث انخفضت خسارة التدريب من 2.728 إلى 0.136 وخسارة التحقق من 2.718 إلى 0.213. يوضح الجدول التالي نتائج مجموعة الاختبار المقفلة n = 32 (ornek/sentetik-kare/n32-kilitli-test.json):

المعيار السيفالومتريالنموذج غير المدربنموذج QLoRA (1000 تكرار)ملف الدليل الموثق
دقة شكل الوجه (face_shape · K008)0.0% (0/32 · 18 oval, 14 uncertain)90.6% (29/32)bot/olgular.json (O-008)
عرض الفك السفلي (jaw_width · K009)0.0% (0/32)100.0% (32/32)bot/olgular.json (O-009)
خط القوس المستهدف (target_line · K009)0.0% (0/32)100.0% (32/32)n32-kilitli-test.json
مصفوفة SPA ومخرجات JSON (K009)3.1% (1/32)100.0% (32/32)yuzden-dise-sefalometrik-lora.html
خسارة التدريب / التحقق (K053)2.728 / 2.718 (initial)0.136 / 0.213 (step 1,000)yuzden-dise-sefalometrik-lora.html
فحص تشابه الأشخاص الحقيقيين (K054)فحص من 3 طبقات0 / 0 / 0 matcheslookalike-tarama.json

3. فحص التشابه 0 / 0 / 0 وحماية الخصوصية عبر قص الفم بدون هوية

تُحمى خصوصية البيانات في التحليل السيفالومتري والمعاينة البصرية عبر ثلاث طبقات حماية ميكانيكية:

  • فحص التشابه ثلاثي الطبقات (0 / 0 / 0): أثبت الفحص على الوجه الاصطناعي (n = 1) عدم وجود أي تطابق في بحث Google Lens (0)، وعدم وجود تطابق dHash ≤ 10 عبر 1,515 صورة محلية (0)، وعدم وجود تطابق في قاعدة بيانات 576 حالة سيفالومترية (0).
  • قص الفم بدون هوية: لا تُرسل صور الوجه الكاملة إلى نماذج التوليد البصري الخارجية؛ بل يُعالج فقط قص منطقة الفم المقيد بقفل الشفاه البالغ 4,686 بكسل.
  • توثيق النتائج السلبية بشفافية: تم استبعاد مسار v6 MLX DoRA (gemma-4-E4B) بعد تسجيل 35% مخرجات فارغة، والاعتماد حصرياً على مسار QLoRA السيفالومتري الموثق.

4. الأسئلة الشائعة (تحليل سيفالومتري ثلاثي الأبعاد وشبكة 478 نقطة)

كيف يعمل تحليل سيفالومتري ثلاثي الأبعاد عبر شبكة الوجه المكونة من 478 نقطة؟
باستخدام بنية MediaPipe FaceMesh، يتم استخراج 478 إحداثية ثلاثية الأبعاد [x, y, z] من الوجه لحساب نسبة عرض الفك السفلي (Go-Go، #172–#397) إلى عرض الوجنتين (ZY-ZY، #234–#454)، ودمجها مع تقسيم SAM ثنائي الأبعاد للقاطعة المركزية لاختيار الأشكال الأنسب من مكتبة تضم 441 شكلاً للأسنان.
لماذا تخطئ النماذج غير المدربة في تصنيف الفك المربع كوجه بيضاوي وكيف عالج نموذج QLoRA ذلك؟
تميل النماذج البصرية اللغوية غير المدربة إلى تصنيف الوجوه ذات الفك العريض أو المربع (Go-Go / ZY-ZY ≥ 0.82) كوجوه بيضاوية (دقة 0/32 في مجموعة n = 32 المقفلة: 18 بيضاوي و14 غير محدد). بعد تدريب نموذج Qwen2.5-3B-Instruct-4bit عبر MLX QLoRA لمدة 1,000 تكرار على قواعد مستخلصة من 113 بحثاً محكماً عبر 576 حالة (519 تدريب + 57 تحقق)، ارتفعت دقة شكل الوجه إلى 90.6% (29/32) ودقة خط الأسنان المستهدف وعرض الفك إلى 100.0% (32/32).
هل تُستخدم صور مرضى حقيقيين في التحليل السيفالومتري ثلاثي الأبعاد؟
لا. نموذج الوجه المربع المعروض (n = 1، seed = 42) اصطناعي بنسبة 100%. أثبت فحص التشابه ثلاثي الطبقات (lookalike-tarama.json) عدم وجود أي تطابق على الويب عبر Google Lens (0)، وعدم وجود تطابق dHash ≤ 10 عبر 1,515 صورة محلية (0)، وعدم وجود تطابق في قاعدة بيانات 576 حالة (0 / 0 / 0).
هل يحل التحليل السيفالومتري ثلاثي الأبعاد محل التشخيص السريري؟
لا. مخرجات الخوارزمية ليست تشخيصاً طبياً أو إشعاعياً؛ بل تقدم فرزاً أنثروبومترياً مبدئياً من بين 441 شكلاً للأسنان لطبيب الأسنان والمختبر الرقمي، ويعود القرار النهائي حصرياً لطبيب الأسنان.

5. المصادر الأولية وملفات البيانات ثلاثية الأبعاد والتواصل

روابط الدراسة السيفالومترية الكاملة وملفات الإحداثيات والتعاون التقني في سكاريا وتركيا:

اختبار الدحض: إذا انخفضت دقة نموذج QLoRA السيفالومتري ذي 478 نقطة عن 80% في عينة مستقلة من n ≥ 100 وجه اصطناعي أو مصرح به، تسقط هذه الفرضية.