两个阶段的深度学习框架用于封闭冠深度图像生成
Junghyun Roh1, Junhwi Kim2, Jimin Lee3
1Graduate School of Artificial Intelligence, Ulsan National Institute of Science and Technology, 50, UNIST-gil, Ulsan, 44919, Republic of Korea.
Computers in biology and medicine
|October 4, 2024
概括
这项研究引入了一种新的两阶段计算机视觉模型,用于生成各种位置的牙冠的准确深度图像. 该模型通过改善形状和表面精度来增强牙冠重建和患者治疗.
科学领域:
- 计算机视觉 计算机视觉
- 生物医学成像技术 生物医学成像技术
- 牙科技术 牙科技术
背景情况:
- 由于定制需求,生成牙冠的准确深度图像是具有挑战性的.
- 现有的计算机视觉模型在流体位置的牙冠上扎.
- 减少牙科技术人员的工作量对于有效治疗患者至关重要.
研究的目的:
- 提出一个两阶段的计算机视觉模型,用于在不同位置生成隐形牙冠的深度图像.
- 为了提高生成的牙冠深度图像的形状和表面结构准确度.
- 提高计算机生成的牙冠模型的现实性和适用性.
主要方法:
- 开发了一种结合细分和绘画网络的两阶段模型.
- 分段网络识别了冠状位置和尺寸,以实现适应性.
- 一个基于GAN的inpainting网络使用图像和二进制面具生成冠状表面结构.
主要成果:
- 拟议的模型显著减少了平均平方误差 (MSE) 从0.007001降至0.002618.
- DICE得分从0.9333提高到0.9648,这表明面具的准确性更好.
- 与基线方法相比,该模型在生成真实的皇冠细节方面表现出卓越的性能.
结论:
- 这种两级模型有效地生成了牙冠在不同位置的精确深度图像.
- 细分和涂装网络的整合提高了形状和表面结构的真实性.
- 这种方法提供了更好的现实性和直接用于患者牙科治疗的潜力.
