TSegLab:多阶段的3D牙科扫描细分和标签.
Ahmed Rekik1, Achraf Ben-Hamadou2, Oussama Smaoui3
1Digital Research Center of Sfax, Technopark of Sfax, Sakiet Ezzit, 3021 Sfax, Tunisia; ISSAT, Gafsa university, Sidi Ahmed Zarrouk University Campus, 2112 Gafsa, Tunisia; Laboratory of Signals, systeMs, aRtificial Intelligence and neTworkS, Technopark of Sfax, Sakiet Ezzit, 3021 Sfax, Tunisia.
这项研究提出了一种新的深度学习方法,用于精确的3D牙细分和标记,提高牙科计算机辅助设计 (CAD) 系统的准确性. 该方法在3D扫描中定位,细分和识别牙方面实现了高性能.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 精确的3D牙细分和标签对于牙科计算机辅助设计 (CAD) 应用至关重要.
- 现有的方法在处理复杂的3D牙科扫描时,往往在精度和可靠性方面扎.
- 深度学习为牙结构的自动化和增强分析提供了潜力.
研究的目的:
- 引入一种新的深度学习框架,用于准确的3D牙扫描细分和标签.
- 在CAD系统中提高自动牙科分析的精度和可靠性.
- 在牙本地化,细分和识别方面建立一个新的最先进的技术.
主要方法:
- 一个三阶段的深度学习管道:在2D表示上使用Mask-RCNN进行粗略本地化.
- 通过Mask-RCNN在异态映射的2D波参数空间上进行细牙细分.
- 使用图形神经网络进行标记,包括3D形状和空间分布,并对变异进行新的数据增强.
主要成果:
- 在Teeth3DS数据集 (1800次扫描) 上实现了高性能:牙定位精度 (TLA) 为98.45%,牙细分精度 (TSA) 为98.17%,牙识别率 (TIR) 为97.61%.
- 在所有评估的指标中,超越现有最先进的技术.
- 证明了自动化牙细分和标签的精度和可靠性的显著提升.
结论:
- 拟议的深度学习方法显著推进了自动化的3D牙细分和标签.
- 该方法的高精度和可靠性使其成为牙科CAD应用的宝贵工具.
- 这项工作为数字牙科中更复杂的AI驱动解决方案铺平了道路.
更多相关视频
09:10Digital Hybrid Model Preparation for Virtual Planning of Reconstructive Dentoalveolar Surgical Procedures
Published on: August 5, 2021
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023