STSN-Net:在拥挤的环境中同时进行牙分割和编号方法,使用深度学习
Shaofeng Wang1, Shuang Liang2,3,4, Qiao Chang1
1Department of Orthodontics, Beijing Stomatological Hospital, Capital Medical University, Beijing 100050, China.
Diagnostics (Basel, Switzerland)
|March 13, 2024
概括
这项研究引入了一个新的多任务学习框架,用于精确的牙细分和编号在牙科X射线. 先进的系统显著提高了牙科专业人员的诊断准确性和效率.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的牙细分和编号对于自动牙科诊断和治疗规划至关重要.
- 现有的方法可能缺乏复杂临床应用所需的精度.
研究的目的:
- 开发和评估一个多任务学习架构,用于在全景牙部X射线图像中精确的牙细分和编号.
- 提高自动牙科诊断工作流程的效率和准确性.
主要方法:
- 一个新的多任务学习框架,集成图形卷积网络,检测子网络 (DSN) 和区域细分子网络 (RSSN).
- 在DSN和RSSN之间进行特征融合,以提高边界回归的准确性.
- 利用全景X射线图像进行培训和验证.
主要成果:
- 拟议的框架在多个评估指标上实现了高绩效.
- 顶级F1得分为0.9849,子指标得分为0.9629,平均平均精度 (mAP) 为0.9810 (IOU = 0.5).
- 在牙细分和编号准确度方面表现出显著的改善.
结论:
- 开发的多任务学习框架为自动牙细分和编号提供了强大的解决方案.
- 这项技术有可能大大提高牙医的临床效率.
- 该框架对推进自动牙科诊断和治疗规划具有前景.
