相关实验视频
Updated: Jul 10, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
409
一个新的口腔全景X射线图像和并行网络数据集,使用变压器进行医学图像细分
Peng Chen1, Jianguo Zhang1, Yichuan Jiang1
1School of Mechanical Engineering, Shanghai Institute of Technology, No 100,Haiquan Rd, Shanghai 201418, China.
Journal of stomatology, oral and maxillofacial surgery
|November 18, 2023
概括
这项研究引入了一个新的数据集和CBTrans网络,用于在全景X射线中对下部区域进行细分. 该CBTrans网络有效地结合了卷积和旋转变压器的功能,以提高牙科成像的准确性.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在全景X射线中精确细分下部区域对于牙科诊断和植入术规划至关重要.
- 由于口腔X射线的模糊边界,图像细分具有挑战性,限制了当前数据驱动的方法.
- 口腔成像数据集的稀缺性阻碍了细分技术的临床应用.
研究的目的:
- 开发一个全面的全景X射线数据集用于下部区域分析.
- 设计和评估一个新的细分网络,CBTrans,以提高准确性.
- 解决牙科图像分割在临床应用中的有限数据瓶.
主要方法:
- 创建了一个新的数据集,包括711张全景X射线图像,对下,牙和植入物进行注释.
- 设计了一个CBTrans网络,并行卷积和Swin变压器块进行特征提取.
- 在定制下数据集和DRIVE视网膜数据集上测试了CBTrans网络.
主要成果:
- 该CBTrans网络在细分下部区域方面表现出色.
- 与其他混合模型相比,该网络在定制数据集上取得了优异的结果.
- 在DRIVE数据集上的验证证实了网络的通用性.
结论:
- 通过使用并行CNN和Swin变压器组件,CBTrans有效地整合了本地和全球功能.
- 拟议的网络在现有的混合细分架构上提供了性能优势.
- 这项工作提供了有价值的数据集和牙科图像分析的有效模型.
