使用基于变压器的神经网络,自动细分下管道

科学领域:

• 医疗成像医学成像
• 计算机辅助手术 计算机辅助手术
• 生物医学工程 生物医学工程

背景情况:

• 精确的下管道3D定位对于成功的数字辅助牙科手术至关重要.
• 手术期间下管损伤可能导致患者出现严重的并发症,如疼痛,麻木或面部.
• 现有的细分方法与样本不平衡和模糊的边界作斗争,损害了准确性.

研究的目的:

• 开发一个快速,稳定,高度精确的下沟通全自动化细分方法.
• 为了克服当前细分技术中样本不平衡和模糊边界的挑战.
• 通过改善下沟通道细分,提高牙科手术的成功率.

主要方法:

• 利用了变压器架构与cl-Dice损失相结合,专注于下沟通道连接.
• 引入了像素级特征融合,以提高对细节结构细节的灵敏度.
• 采用下孔局部化来隔离最大连接域和对比度增强用于预处理.

主要成果:

• 在公开数据集上获得0.844的子得分,0.961的点击得分,0.731的IOU和2.947毫米的HD95.
• 与现有方法相比,表现出优越的性能指标.
• 验证了拟议的自动化细分方法的有效性和最新性能.

结论:

• 提出的自动化细分方法有效地解决了下沟细分方面的挑战.
• 该方法显著提高了识别下沟通道的精度和准确性.
• 这一进步有可能提高数字辅助牙科手术的安全性和成功率.