NKUT:儿童下智牙细分数据集和基准

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:

• 在小儿牙科中,为受影响的下智切割术是常见的.
• 从3D卷中手动细分牙和骨头是耗时的,延迟了治疗.
• 深度学习需要广泛的注释数据用于医疗图像细分.

研究的目的:

• 策划第一个公开可用的圆束计算机断层扫描 (CBCT) 数据集用于儿科下牙智牙细分.
• 提出一个新的深度学习网络 (WTNet),用于准确的牙和骨细分.
• 解决医疗图像分割任务中的特征混和语义模糊问题.

主要方法:

• 策划了NKUT数据集,这是儿童下牙智慧牙细分的第一个公共CBCT数据集.
• 开发了WTNet,一个语义分离规模特定的特征融合网络,有两个分支用于牙和骨细分.
• 设计输入增强 (IE) 和牙骨特征分离 (TBFS) 块在WTNet内,以解决特征混和语义模糊.

主要成果:

• 与TransUnet.net等最先进的方法相比,WTNet在NKUT数据集上表现出卓越的性能.
• 与现有方法相比,获得了近16%的最大子相似系数 (DSC) 改进.
• 拟议的IE和TBFS块有效地解决了特征混和语义模糊.

结论:

• NKUT数据集是促进儿科下智牙细分研究的宝贵资源.
• 对于牙科CBCT图像,WTNet在自动细分精度上有了显著的改进.
• 这项工作有可能减少手动注释负担,并加快儿科牙科手术规划.