Segmentación de imágenes de radiografías panorámicas dentales infantiles mediante UNet de transformador de agregación...

Área de la Ciencia:

• Visión por Computadora
• Procesamiento de Imágenes Médicas
• Aprendizaje Profundo

Sus antecedentes:

• El diagnóstico dental pediátrico se basa en radiografías panorámicas, que requieren una segmentación dental precisa.
• Las imágenes dentales infantiles plantean desafíos de segmentación debido a la dentición en evolución y los conjuntos de datos limitados.
• La segmentación precisa es crucial para el diagnóstico y el avance de la investigación dental pediátrica.

Objetivo del estudio:

• Introducir un novedoso modelo de segmentación de imágenes médicas adaptado a conjuntos de datos dentales infantiles.
• Lograr una segmentación eficiente y precisa de los dientes en radiografías panorámicas pediátricas.
• Abordar las complejidades de la segmentación de la dentición en desarrollo y transicional.

Principales métodos:

• Desarrollo de UNet de transformador de agregación dual (DATUnet) que incorpora autoatención espacial y de canal.
• Los bloques de transformador mejoran la extracción de características para formas, tamaños y problemas de calidad de imagen de dientes variables.
• Implementación de un decodificador de fusión multiescala para la fusión adaptativa de características multinivel.

Principales resultados:

• DATUnet logró una precisión de píxeles (PA) del 98,02% en un conjunto de datos privado de radiografías dentales infantiles.
• El modelo demostró un coeficiente de Dice del 93,20% y una distancia de Hausdorff (HD) de 4,21.
• Los resultados cuantitativos indican un alto rendimiento en la segmentación de dientes pediátricos.

Conclusiones:

• El modelo DATUnet propuesto supera a los métodos existentes para la segmentación de dientes infantiles.
• Logró un rendimiento de última generación (SOTA) en este dominio especializado de imágenes médicas.
• Destaca el potencial de las redes basadas en transformadores para el análisis complejo de imágenes dentales.