Jul, 2024

STS MICCAI 2023 挑战赛: 基于半监督的二维和三维牙齿分割大挑战

HTML
PDF
TL;DR通过STS MICCAI 2023挑战赛，本研究总结了在半监督牙齿分割算法研究领域中，排名前列的团队采用的多种方法。
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

  • 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

  • DENTEX：全景X光异常牙齿检测和诊断基准

    该研究使用人工智能技术提高牙科诊断和治疗计划的准确性，通过DENTEX挑战赛提供的数据集和竞赛结果，为牙科诊断和治疗规划领域中创建AI辅助工具奠定基础。

    May, 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

  • 全景X光牙齿分割和定位的深度学习方法

    通过深度学习技术，在口腔保健中对牙齿进行精确分割和定位，提供了更准确的诊断、治疗计划和牙齿种植设计方法。

    Oct, 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