医学成像中的基于深度学习的牙细分方法:一篇综述
Xiaokang Chen1, Nan Ma2,3, Tongkai Xu4
1Beijing Key Laboratory of Information Service Engineering, Beijing Union University, Beijing, China.
概括
像CNN和变压器这样的深度学习模型正在推进牙细分用于牙科分析. 本综述涵盖了牙科全景放射,CBCT和口腔内扫描的方法,强调了未来的研究方向.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 牙科 牙科是指牙科的专业.
背景情况:
- 深度学习,特别是卷积神经网络 (CNN) 和变压器,已经显著推进了医疗图像分析.
- 牙细分对于临床牙科评估,病理诊断和手术规划至关重要.
- 现有的深度学习模型,如U-Net,Mask R-CNN和SETR,为牙细分提供了基础框架.
研究的目的:
- 审查各种牙科成像模式的牙细分的深度学习方法.
- 讨论提高性能的技术,并确定当前牙细分研究的局限性.
- 为未来的研究提供见解,并促进自动化牙细分的更广泛的临床采用.
主要方法:
- 审查包括CNN和变压器在内的深度学习技术,用于牙细分.
- 对牙科全景放射 (DPR),圆束计算机断层扫描 (CBCT) 图像和口腔内扫描 (IOS) 模型应用的模型分析.
- 讨论增强和优化模块,以提高细分性能.
主要成果:
- 深度学习模型在导出牙特征图表方面取得了显著进展.
- 已经提出了各种架构和增强模块,以提高细分精度.
- 数据注释和模型概括等挑战仍然存在,影响了广泛的临床使用.
结论:
- 深度学习为牙科中自动化牙细分提供了强大的工具.
- 需要进一步的研究来解决目前的局限性,并提高模型的稳定性.
- 改善牙细分可以显著帮助临床决策和患者护理.
