Nov, 2023

FDNet：牙齿 CBCT 图像的特征解耦分割网络

PDF
TL;DRFDNet 是一种特征解耦分割网络，通过使用 LF-Wavelet 来强调患者牙齿的全局结构完整性，以及使用 SAM 编码器来改善边界描绘，从而提高相邻牙齿结构之间的对比度，解决了 CBCT 扫描中复杂的伪影和不清晰牙齿边界的问题，并在严格的基准测试中验证了其有效性，达到了 85.28% 和 75.23% 的顶级 Dice 和 IoU 分数。这种创新的语义和边界特征解耦方式充分发挥了各个元素的独特优势，显著提高了分割性能的质量。
发现论文，激发创造
  • ToothSegNet: CBCT 图像中图像退化与牙齿分割的相遇

    本研究提出了一种新的 ToothSegNet 框架，通过训练中使用生成的降质图像来提高 CBCT 图像的牙齿分割精度，该方法在计算机辅助正畸和医学治疗中有广泛应用。

    Jul, 2023

  • CBCT 图像中的牙齿定位和损伤分割：基于 SpatialConfiguration-Net 和 U-Net

    本研究提出了一种基于深度学习的方法，利用两个卷积神经网络：SpatialConfiguration-Net (SCN) 和修改版的 U-Net，精确地预测了 CBCT 图像中所有牙齿的坐标，从而实现了对牙齿体积的精确裁剪，并通过分割方法检测出病变，解决了 CBCT 图像中的类别不平衡问题。经过对 144 个 CBCT 图像的评估，我们的方法实现了 97.3％的牙齿定位准确率，并具有 0.97 的敏感性和 0.88 的特异性，用于随后的病变检测。

    Dec, 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

  • 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

  • 面向特征的肺部锥束 CT（CBCT）增强多任务定制感知损失的深度学习框架

    通过多任务深度学习模型，以特征为导向的深度学习框架提供了一种新的方法，用于将低质量的锥形束计算机断层成像（CBCT）图像转换成高质量的类似于 CT 的成像，从而在压制伪影的同时保留了解剖细节。

    Nov, 2023

  • 具备对比和结构约束的语义分解网络用于牙菌斑分割

    提出一种语义分解网络 (SDNet), 该网络引入两种单任务分支，分别解决牙齿和牙菌斑的分割并为每个分支设计附加约束，从而促进语义分解并提高牙菌斑分割的性能。SDNet 引入了两个约束模块：(CCM) 和 (SCM)，并构建了大规模开源的 Stained Dental Plaque Segmentation dataset (SDPSeg)。实验结果表明，SDNet 实现了最先进的性能。

    Aug, 2022

  • SFFNet：基于小波的遥感分割的空间和频域融合网络

    为了充分利用空间信息进行分割并解决遥感图像中灰度变化显著区域的挑战，我们提出了 SFFNet（Spatial and Frequency Domain Fusion Network）框架。该框架采用两阶段网络设计：第一阶段使用空间方法提取特征，以获取具有足够空间细节和语义信息的特征；第二阶段在空间和频域中映射这些特征。在频域映射中，我们引入了小波变换特征分解器（WTFD）结构，该结构使用 Haar 小波变换将特征分解为低频和高频成分，并将其与空间特征进行融合。为了弥合频域和空域特征之间的语义差距，并便于进行显著特征选择以促进来自不同表示域的特征组合，我们设计了多尺度双重表示对齐滤波器（MDAF）。该结构利用多尺度卷积和双交叉注意力机制。全面的实验结果表明，与现有方法相比，SFFNet 在 mIoU 方面表现出卓越性能，分别达到 84.80% 和 87.73%。

    May, 2024

  • FFPN：傅里叶特征金字塔网络用于超声图像分割

    在超声波图像分割中，通过使用傅里叶锚点的特征金字塔网络 (FFPN) 和轮廓采样细化 (CSR) 模块，可以提高准确性和效率。

    Aug, 2023

  • 利用 ZXYFormer 与不确定性引导和权重传输进行牙齿和根管分割

    本研究针对 CBCT 图像中的牙齿和根管进行同时分割，提出了基于逆特征融合变压器和不确定性估计的粗细分割方法，通过 157 个临床高分辨率 CBCT 数据的综合实验验证该方法优于现有的牙齿或根管分割方法。

    Aug, 2023

  • BEFUnet: 用于精确医学图像分割的混合 CNN-Transformer 架构

    本文提出了一种名为 BEFUnet 的创新 U 形网络，它通过增强融合身体和边缘信息来实现精确的医学图像分割，该方法在医学图像分割数据集上显示出优于现有方法的卓越性能。

    Feb, 2024