在X射线中精确的牙损伤细分,使用注意力和边缘双解码器网络
Feng Huang1, Jiaxing Yin2, Yuxin Ma2
1School of Mechanical and Energy Engineering, Zhejiang University of Science and Technology, Hangzhou, 310023, China. huangfe001@163.com.
Medical & biological engineering & computing
|February 17, 2025
概括
一个新的深度学习模型,AEDD-Net,通过专注于复杂的边界来改善牙损伤细分. 这种先进的方法可以提高牙腐烂的早期检测和治疗计划.
科学领域:
- 医学图像分析 医学图像分析
- 深度学习 (Deep Learning) 是一种深度学习.
- 计算式牙科 计算式牙科
背景情况:
- 精确细分牙腐烂对于早期检测和治疗至关重要.
- 现有的深度学习方法在精确细分复杂的牙边界方面面临挑战.
研究的目的:
- 提出一个新的深度学习网络,AEDD-Net,用于增强牙边界细分.
- 提高自动化虫检测的准确性和临床适用性.
主要方法:
- AEDD-Net整合了的空间金字塔聚合,并对特征融合进行了交叉协调.
- 引入了一个专用的边界生成模块和一个创新的边界损失函数.
- 该网络将注意力机制与双解码器结构相结合.
主要成果:
- 在子系数,Jaccard相似性,精度和灵敏度方面,AEDD-Net显著优于现有网络.
- 拟议的网络表现出卓越的性能,特别是在细分腐蚀边界方面.
- 实验结果验证了边界生成模块和损失函数的有效性.
结论:
- AEDD-Net提供了一种创新和有效的方法,用于自动化虫细分.
- 该方法显示了改善牙科诊断中的临床应用的巨大潜力.
- 提高边界细分的准确性可以带来更好的牙损伤治疗结果.
