一个细粒度的正统牙科细分模型,用于3D口腔内扫描数据
Juncheng Li1, Bodong Cheng2, Najun Niu3
1School of Communication Information Engineering, Shanghai University, Shanghai, China.
Computers in biology and medicine
|December 8, 2023
概括
研究人员开发了Fast-TGCN,一种新的图形卷积网络,用于从口腔内扫描中精确的3D牙细分. 这种方法在复杂的牙结构中表现出色,解决了当前数据集的局限性,并提高了数字牙诊断的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 牙科技术 牙科技术
背景情况:
- 数字牙科依赖于3D口腔内扫描的精确牙细分.
- 现有的数据集通常使用间接扫描,缺乏多样化,临床相关的样本,阻碍了现实世界的应用.
- 准确的细分对于随后的牙科诊断和治疗计划至关重要.
研究的目的:
- 为解决牙细分分析缺乏标准化数据集的问题.
- 引入一个细粒度的3D口腔内扫描数据集 (3D-IOSSeg) 用于变形牙的细分.
- 提出和验证一种新的快速图形卷积网络 (Fast-TGCN),用于准确的3D牙细分.
主要方法:
- 开发3D-IOSSeg数据集,包含200多名患者的3D口腔内扫描数据,包括所有牙的细粒度网状单元标签.
- 关于Fast-TGCN的建议,这是一个使用天真相邻矩阵捕捉局部几何特征的图形卷积网络.
- 进行了广泛的实验,将Fast-TGCN与3D-IOSSeg数据集上的其他细分方法进行比较.
主要成果:
- 快速-TGCN在复杂的口腔内扫描中显示出优越的速度和准确性,可以从复杂的口腔内扫描中对牙进行细分.
- 拟议的方法在各种评估指标中表现优于现有的方法.
- 在新数据集上提供了经典牙细分方法的全面分析.
结论:
- 3D-IOSSeg数据集提供了一个标准化资源,用于评估牙细分算法,特别是对变形牙.
- 快速-TGCN在临床正牙场景中为3D牙细分提供了有效和高效的解决方案.
- 该研究通过提高自动化牙细分的准确性和适用性,推动了数字牙科领域的发展.
