使用大型语言模型和实例分割技术的全景放射状牙齿状况半监督分类：现实世界数据集评估

Jun, 2024

使用大型语言模型和实例分割技术的全景放射状牙齿状况半监督分类：现实世界数据集评估

Semi-supervised classification of dental conditions in panoramic radiographs using large language model and instance segmentation: A real-world dataset evaluation

PDF

Bernardo Silva, Jefferson Fontinele, Carolina Letícia Zilli Vieira, João Manuel R.S. Tavares, Patricia Ramos Cury...

TL;DR采用半监督学习框架，结合大型语言模型和自编码器，通过对口腔放射病例报告进行注释和无标签数据利用，成功实现了牙科全景放射病例的自动化分类，结果表明该方法在鉴定牙齿相关病症上具有与初级专家相当的准确性。

Abstract

dental panoramic radiographs offer vast diagnostic opportunities, but training supervised deep learning networks for automatic analysis of those radiology images is hampered by a shortage of labeled data. Here, a

dental panoramic radiographs deep learning networks semi-supervised learning framework large language models autoencoder

发现论文，激发创造

增强的蒙版图像建模技术用于分析牙科全景放射线照片

本研究提出一种自我蒸馏技术，基于 SimMIM Transformer 在牙科全景 X 射线拍摄中进行牙齿编号、检测牙科修复和矫正设备以及实例分割任务。结果表明，该方法优于其他自我监督学习方法，并改进了牙科全景 X 射线图像的注释。

Jun, 2023

一种用于全景 X 射线检测和分类异常牙齿的顺序框架

该论文提出了一种解决 MICCAI 2023 全景 X 射线中牙齿枚举和诊断问题的方法，通过多阶段框架检测和分类异常牙齿，包括牙齿实例检测、健康实例过滤和异常实例分类等步骤，各模型的性能分别为 0.49 的 AP 分数、0.71 的 F1 分数和 0.76 的 F1 分数。

Aug, 2023

2023 Dentex 挑战赛的综合分割和检测模型

使用深度学习进行全景牙科 X 射线图像的自动检测和疾病诊断的研究，提出了一种结合分割和检测模型的方法来检测异常牙齿并获取其编号。

Aug, 2023

SSAD：基于全景 X 光的牙科疾病诊断的自监督辅助检测框架

本文提出了一种自监督辅助检测 (SSAD) 框架，用于诊断牙科疾病，通过共享相同的编码器和无需微调的方式，同时训练重建分支和检测分支，以提高对细粒度特征的捕捉能力。实验证明，该框架在公共 DENTEX 数据集上的三项检测任务中取得了与主流目标检测方法和自监督学习方法相比的最先进性能。

Jun, 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

口腔罕见疾病下的牙齿检测、分割和编号的检测转换器：关注数据增广和修补技术

利用深度学习图像处理技术，我们以口腔罕见疾病为背景进行研究，重点解决了数据稀缺所带来的挑战。通过使用由专家标注的 156 个口腔罕见疾病个体的全景放射片数据集，我们训练了检测转换器（DETR）神经网络来完成牙齿的检测、分割和编号，同时使用几何变换等数据增强技术。最后，通过稳定扩散的修复技术，我们生成了新的全景图像，将牙齿从全景放射片中移除并整合。结果显示，没有数据增强时，DETR 的平均精确度超过 0.69；使用数据增强技术后，平均精确度提高至 0.82。此外，使用修复技术生成的新的全景放射片展现出了有前景的性能，平均精确度达到 0.76。

Feb, 2024

构建 RadiologyNET：大规模多模态医学数据库的无监督注释

通过多模态数据源自动标注医学放射照片，利用机器学习技术进行医学诊断和治疗的自动化流程。

Jul, 2023

大规模放射学数据库上的文本 / 图像交错深度挖掘，用于自动图像解释

提出了一种文本 / 图像深度学习系统，通过融合自然语言处理技术相互作用，在病人扫描图像中生成语义标签，预测辐射学水平中的语义主题并自动生成关键词。

May, 2015

使用配对数据进行口腔内 X 射线牙齿异常检测的深度学习算法的统计验证

该研究描述了一个用于检测口腔放射影像中的牙科异常（例如龋齿、根尖病变、根管治疗缺陷、冠冕修复边缘缺陷、牙周骨质流失和牙石）的深度学习算法的临床验证研究设置、统计分析和结果，比较了使用该算法与不使用算法的牙科医生的检测性能，并通过统计学方法证明了结果的显著性提升。

Feb, 2024

使用深度学习自动标记德语胸部 X 光放射学报告

本研究探索了使用基于规则的标签机器人进行弱监督的深度学习标签预测模型的潜力，并提出了一种深度学习的 CheXpert 标签预测模型，该模型在基于规则的德国 CheXpert 模型标记的报告上进行了预训练，并在少量手动标记的报告数据集上进行了微调。结果表明，本方法的有效性显著优于基于规则的模型，并强调了即使在稀疏数据场景下，采用深度学习模型的好处和规则标记器作为弱监督工具的用处。

Jun, 2023