DENTALMODELSEG:上下3D口腔内表面的全自动细分

科学领域:

• 计算机视觉 计算机视觉
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 准确的表面细分对于医学图像分析至关重要.
• 传统的方法经常与复杂的表面几何和变化作斗争.

研究的目的:

• 介绍一种基于深度学习的表面细分的新方法.
• 应用和评估这种方法用于牙冠细分.

主要方法:

• 获取二维视图和提取像正常向量一样的表面特征.
• 使用2D卷积神经网络 (UNET) 进行图像分析.
• 训练网络进行多类细分,使用图像标签作为基本事实.

主要成果:

• 在牙冠细分方面获得了0.97的Dice平均分数.
• 证明了高性能,平均灵敏度为0.98,精度为0.98.
• 使用5倍交叉验证验证该方法.

结论:

• 拟议的深度学习方法为表面细分提供了强大而准确的方法.
• 该技术对牙冠细分有效,并且可以作为3DSlicer扩展.