Apr, 2023

基于深度学习的三维牙齿网格分割方法在部分扫描分割中的限制的临床分析

PDF
TL;DR本研究检验了当前广泛使用的深度学习基于完整颌部模型的牙齿分割技术在部分口内扫描下的鲁棒性表现，结果发现这些技术表现严重不足。该研究对解决该问题和开发不依赖完整颌部模型的鲁棒牙齿分割技术具有重要作用。
发现论文，激发创造
  • 3DTeethSeg'22：3D 牙齿扫描分割与标记挑战

    本文介绍了 3DTeethSeg'22 竞赛的数据集及结果，该竞赛旨在解决牙齿定位、分割和标记的自动化算法挑战，以提高口腔诊断、治疗规划和口腔健康人群研究的效率。

    May, 2023

  • AI-Enabled 自动多模态融合锥形束 CT 和口内扫描用于智能化的 3D 牙骨重建和临床应用

    本研究提出一种基于深度学习的多模态分析框架（DDMA）用于三维重建牙齿 - 骨骼结构，结合 CBCT 和口内扫描，实现了高保真度和精准的牙冠 - 骨骼结构分割。DDMA 可以显著提高数字牙科模型的质量，帮助牙医做出更好的临床决策。

    Mar, 2022

  • 基于深度学习的三维分割：一份调查报告

    综述了近期基于深度学习的三维物体分割，涵盖了 150 多篇文章，总结了最常用的算法流程、讨论了它们的优缺点，并分析了这些分割方法的竞争结果，最后提出了未来的研究方向。

    Mar, 2021

  • 医学图像分割的可信深度学习

    该论文研究利用新的数学和优化方法来解决基于深度学习的医学图像分割方法在图像获取协议和图像解剖变异性方面的限制，以减少需要手动标记成本高昂的问题。

    May, 2023

  • CTooth+: 大规模牙科锥束计算机体层摄影数据集及对牙体体积分割的基准测试

    本文旨在建立一个 3D 牙科 CBCT 数据集 CTooth+，并通过完全监督、半监督和主动学习等方法，评估多种最先进的牙齿体积分割策略，并定义了性能原则。该实验可作为未来基于人工智能的牙科成像研究和临床应用开发的基线和新基准。

    Aug, 2022

  • 探索卷积神经网络 (CNN) 在牙科 X 光影像分割中的作用：一项全面系统文献综述

    深度学习在牙科图像分析中展示了其作为分析图像的有效工具，且具有非常高的性能水平。

    Jan, 2024

  • 全景 X 光片中的实例分割和牙齿分类

    通过整合深度学习模型 U-Net 和 YOLOv8，本研究提出了全景 X 射线下牙齿分类和分割的高效可靠的新架构 BB-UNet，并提出了医学数据集用于评估，为牙科诊断领域中的目标检测模型的更广泛应用铺平了道路。

    Jun, 2024

  • CTooth: 基于锥束计算机断层扫描图像的牙体积分割全标注三维数据集和基准

    本研究旨在为牙齿三维分割任务建立新的基准。通过建立带牙齿标准的 CTooth 数据集，评估了几种最先进的分割方法，并进一步总结和应用了一系列基于 3D 注意力的 Unet 变体，证明了注意力模块可以提高分割性能。该研究表明，使用基于注意力的 Unet 框架可以优于其他最先进的方法。

    Jun, 2022

  • 使用弱监督学习从 2D 图像中处理和分割人牙齿

    使用弱监督方法进行牙齿分割，通过关键点检测网络的输出热图和中间特征图来引导分割过程，采用 TriDental 数据集训练牙齿关键点检测网络，结合不同层次的特征图实现准确牙齿分割，进一步利用检测到的关键点优化分割结果，在真实牙科应用中实现成本效益高且高效的牙齿分割。

    Nov, 2023

  • 3D-U-SAM 网络用于 CBCT 图像中的少样本牙齿分割

    准确的牙位表示在治疗中非常重要。用于三维牙齿图像分割的预训练 SAM 和我们提出的三维牙齿图像分割网络 3D-U-SAM 解决了样本稀缺的问题，并通过削减逼近方法和 U-Net 参考的跳跃连接来提高细节保留能力。通过消融实验、对比实验和样本大小实验证明了该方法的有效性。

    Sep, 2023