在牙科全景放射图上进行多结构细分的粗细先导注意网络
Yuan Tian1, Zhejia Zhang1, Bailiang Zhao1
1Angelalign Inc. No. 500 Zhengli Road, Yangpu District, Shanghai, People's Republic of China.
Physics in medicine and biology
|October 10, 2023
概括
这项研究引入了一种新的深度学习方法,用于在牙科全景放射图中自动细分关键解剖结构. 这种方法显著提高了像鼻和下神经这样的结构的准确性,有助于数字牙科诊断.
科学领域:
- 数字牙科数字牙科
- 医学成像分析分析 医学成像分析
- 医疗保健中的深度学习
背景情况:
- 在牙科全景放射图中,解剖结构的准确细分对于诊断疾病和计划治疗至关重要.
- 现有的方法可能缺乏对多重结构进行全面分析所需的精度.
研究的目的:
- 开发一种基于深度学习的新方法,用于在全景射线图上准确和完全自动地对多个解剖结构进行细分.
- 通过改进图像分析,增强数字牙科的诊断能力.
主要方法:
- 开发了一个两阶段粗细的先导细分框架.
- 该框架包括初始粗口罩的多标签细分网络.
- 带有边缘融合和空间/混合注意模块的预先引导注意网络完善了细分精度.
主要成果:
- 拟议的方法实现了高的平均雅卡德分数:87.91% (大鼻),85.25% (下冠状腺),63.94% (下神经),93.46% (气囊骨) 和88.96% (牙).
- 在150张临床全景放射图上评估了性能,与最先进的方法相比,显示出更高的准确性.
结论:
- 开发的深度学习方法准确地从全景射线图中细分了多个关键的解剖结构.
- 这种技术具有很大的潜力,可以集成到数字牙科的自动化病理诊断系统中.
