从牙弧的三维扫描中进行无监督的牙细分,使用合成数据的域调整
Md Sahadul Hasan Arian1, Faisal Ahmed Sifat1, Saif Ahmed1
1Department of Electrical and Computer Engineering, North South University, Dhaka, Bangladesh.
International journal of medical informatics
|December 25, 2024
概括
深度学习中的域调整能够从牙科扫描中准确地进行3D牙细分. 这种方法在合成数据上训练模型,消除了手动3D注释的需要,并提高了细分精度.
科学领域:
- 人工智能的人工智能
- 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
背景情况:
- 由于解剖学变异,3D牙科模型的自动细分是复杂的.
- 域调整是一种深度学习技术,允许模型在不同的数据类型中进行概括,而无需手动注释.
研究的目的:
- 通过域调整,从各种3D牙弧形态上细分单个牙.
- 评估训练深度学习模型在合成数据上进行牙科细分的有效性.
主要方法:
- 通过使用16个自然和20个合成3D牙科扫描来训练PointNet和PointNet++模型.
- 采用了梯度反转层和罗网络技术来适应域名.
- 在四个未见的自然扫描上验证模型,以评估具有和没有域调整的性能.
主要成果:
- 模型在没有进行域调整的情况下,实现了0.34-0.36的平均交叉对联 (mIoU).
- 通过域调整,PointNet和PointNet++实现了分别为0.80和0.95的mIoU.
- 在没有人类注释的3D模型的情况下,成功训练了3D深度神经网络.
结论:
- 域调整有效地使深度学习细分模型在合成3D数据上的训练成为可能.
- 这种方法消除了对培训数据手动注释的要求.
- 使用合成数据实现了对3D牙细分精度的显著改进.
