Aug, 2024

弱监督物体检测用于自动化齿痕舌头识别

HTML
PDF
TL;DR本研究解决了传统中医舌诊中齿痕舌头识别方法主观性强、准确性差的问题。提出了一种新颖的弱监督自动化方法，利用视觉变换器和多实例学习进行舌头区域的提取和齿痕舌头的识别。研究结果表明，该方法在齿痕舌头分类中具有高准确性，显著提升了诊断的客观性和准确性，为临床实践提供了重要价值。
发现论文，激发创造
  • 基于深度学习的牙齿龋齿位翼射线照片检测

    开发了一种计算机辅助诊断系统(CAD)，可通过作为牙医的第二意见，显著提高检测牙齿龋齿的能力；该系统由深度完全卷积神经网络(FCNN)组成，可对近3000个全口X光片进行自动诊断。与三名牙医的平均表现相比，我们的系统在召回和F1-Score方面的表现显著更好。

    Nov, 2017

  • 利用大规模肺炎和气胸研究进行弱监督单阶段视觉和语言疾病检测

    本文介绍了一种基于自然语言信息的检测架构，来应对医学图像领域中标注数据不足的问题，通过一种新的自然语言信息标注方法，提出了一个新的数据集MIMIC-CXR，利用一种基于弱监督的联合视觉语言检测方法（LITERATI）实现了对象检测。

    Jul, 2020

  • 基于Transformer的多层多实例学习用于全切片图像分类

    提出了一种多层多实例学习与Transformer相结合的方法，能有效处理大量实例的MIL任务，并在WSI图像分类任务上展示出优秀的性能。

    Jun, 2023

  • YOLOrtho — 牙齿数量和牙科疾病检测的统一框架

    通过全景X光影像来检测牙科疾病是牙医的标准程序，我们开发了YOLOrtho，一个用于齿数目和牙科疾病检测的统一框架，通过牙齿位置关系、卷积层替换、模型架构调整、上采样和后处理策略等方法来提高检测性能。

    Aug, 2023

  • TongueSAM:基于SAM的通用舌分割模型，支持零样本

    本研究提出了一种基于SAM（Segment Anything Model）的通用舌部分割模型TongueSAM，该模型具有零样本泛化能力，通过将SAM应用于舌部分割，能够对不同类型的舌部图像进行分割。实验表明，TongueSAM在各种舌部分割数据集上表现出了卓越的性能，尤其在零样本情况下。TongueSAM可以直接应用于其他数据集而无需微调，据我们所知，这是首次将大规模预训练模型应用于舌部分割。

    Aug, 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

  • 氨网: 牙痕舌诊断中的多类别分割和分类多任务联合学习模型

    通过Ammonia-Net模型对舌象图像进行语义分割，以识别牙痕，为牙痕舌的分类提供语义分割结果，并且模型在牙痕舌鉴别两类分类任务中达到99.06％的准确度和舌象图像分割任务中的71.65％的mIoU。

    Oct, 2023

  • 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

  • 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

  • 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

    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。

    Jun, 2024