DeMambaNet:可变形卷积和Mamba集成网络,用于模糊定义的牙根边界的高精度细分
Binfeng Zou1, Xingru Huang1, Yitao Jiang1
1School of Automation, Hangzhou Dianzi University, Hangzhou 310018, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
这项研究引入了一种用于分割牙X射线图像的新型网络,提高了诊断准确度. 可变形卷积和Mamba集成网络增强了特征管理,以更好地检测病理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 牙科诊断 牙科诊断 牙科诊断
背景情况:
- 牙科X射线中的自动细分有助于诊断和治疗规划.
- 传统方法与X射线图像质量和复杂的牙解剖学作斗争.
研究的目的:
- 开发一个先进的2D牙科X射线图像细分架构.
- 克服牙科成像中现有的细分框架的局限性.
主要方法:
- 提出了可变形卷积和曼巴集成网络.
- 架构包括一个协同结构可变形编码器,认知优化语义增强模块和层次融合解码器.
- 管理多个规模的全球特征和稳定的特征表示.
主要成果:
- 与14个基线相比,实现了0.95%的子系数提升.
- 将第95个百分点的豪斯多夫距离缩小到7.494.4.
- 在牙X射线细分方面表现出卓越的性能.
结论:
- 拟议的网络有效地对牙X射线图像进行细分.
- 为早期病理检测和疾病监测提供了更高的准确性.
- 代表了牙科诊断工具的重大进步.
