Jul, 2024

自动化牙齿识别和三维包围框在锥形束CT图像上的高效方法

HTML
PDF
TL;DR本研究提出了一种自动检测、鉴定和提取CBCT图像中牙齿的方法，通过将三维图像分割为轴向切片进行图像检测，使用单阶段物体检测器精确定位和标记牙齿，并创建每颗牙齿的三维表示。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 使用二维投影图像自动进行牙科CBCT和面部扫描数据的三维配准

    本文提出一种基于现有的基于机器学习的2D标记检测算法和开发的新数学算法识别成对3D标记的全自动牙科锥束计算机断层扫描（CBCT）和面部扫描数据的配准方法。经实验证明，该方法达到了0.74毫米的平均表面距离误差。

    May, 2023

  • 牙科锥束CT的AI技术：趋势和实践

    该论文回顾了近期在牙科锥形束计算机断层扫描成像中人工智能技术的趋势和应用，重点关注了机器学习、深度学习和超分辨率技术在CBCT成像中的应用及其在诊断和治疗规划中的潜力，同时讨论了AI在牙科和CBCT成像中的挑战和限制。

    Jun, 2023

  • 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

  • FDNet：牙齿CBCT图像的特征解耦分割网络

    FDNet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。

    Nov, 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

  • 稀疏解剖指引半监督学习配合掩模图像建模用于CBCT牙齿分割

    利用未标记数据和掩码预训练范式结合，提出了一种基于图注意力的稀疏掩码提示机制，用于准确分割牙齿和学习牙齿的解剖结构特征。

    Feb, 2024

  • 一种用于牙科CBCT中的3D个体牙齿分割的多阶段框架

    CBCT的3D牙齿分割方法中，通过使用多阶段框架解决了深度学习方法需要大量标注数据和设备获取数据分布不同的问题。实验证明了该方法的有效性。

    Jul, 2024