相关实验视频
Updated: Jul 18, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
441
在使用ResNet和基于Swin变压器的UNet的圆束计算机断层扫描图像上检测尾鼻腔
Adalet Çelebi1, Andaç Imak2, Hüseyin Üzen3
1Oral and Maxillofacial Surgery Department, Faculty of Dentistry, Mersin University, Mersin, Turkey.
Oral surgery, oral medicine, oral pathology and oral radiology
|August 26, 2023
概括
这项研究引入了Res-Swin-UNet,这是一种人工智能模型,可以从束计算机断层扫描 (CBCT) 扫描中准确检测上鼻感染,帮助牙医进行诊断.
科学领域:
- 人工智能在牙科中的应用
- 医学成像分析 医学成像分析
- 圆束计算机断层扫描 (CBCT)
背景情况:
- 准确检测上鼻腔病理对于牙科诊断和治疗至关重要.
- 目前用于分析CBCT图像的方法可能耗时,需要专门的专业知识.
研究的目的:
- 开发和评估基于人工智能的模型,用于使用CBCT图像自动检测上鼻腔病理状况和感染.
- 帮助牙科专业人员通过提供精确的边界识别鼻异常.
主要方法:
- 开发了一个新的深度学习架构Res-Swin-UNet,集成ResNet和Swin变压器组件.
- 该模型使用自我注意机制和补丁扩展层来增强功能提取.
- 在298张CBCT图像的数据集上接受培训和验证.
主要成果:
- Res-Swin-UNet模型表现出高性能,达到99%的准确性.
- 该车型的F1得分为91.72%,Union (IoU) 的交叉点为84.71%.
- 在检测鼻病理方面表现优于现有的最先进模型.
结论:
- 提出的深度学习模型有效地帮助牙医自动识别鼻感染和病理的边界.
- 这种人工智能工具可以简化诊断工作流程,提高CBCT成像中鼻状况评估的准确性.
