在CBCT卷中细分下膜通道:牙仙的挑战
IEEE transactions on medical imaging
|March 3, 2025
概括
引入了一个新的数据集和挑战,用于圆束计算机断层扫描 (CBCT) 中的下膜通道 (IAC) 分段. 该倡议为评估牙科成像中的深度学习算法提供了一个基准.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 牙科放射学 牙科放射学
背景情况:
- 有限的公开数据集阻碍了在圆束计算机断层扫描 (CBCT) 中对下膜通道 (IAC) 分段算法的比较评估.
- 这种稀缺性阻碍了牙科成像分析的深度学习研究和开发.
研究的目的:
- 为了解决在CBCT扫描中IAC细分的基准数据集的缺乏.
- 通过ToothFairy挑战和新的公共数据集,促进深度学习研究和比较评估.
- 展示挑战的细节,并分析参与者算法的性能.
主要方法:
- 在MICCAI 2023组织了牙仙挑战,发布了443个CBCT扫描数据集,其中包括153个voxel级IAC注释.
- 任务参与者开发算法,使用2D和3D注释扫描进行准确的IAC识别.
- 在一个开源存储库中收集并发布了表现最好的算法的实现.
主要成果:
- 这项挑战促进了IAC细分方法在一个共同的基准上进行的首次全面比较评估.
- 提供了对IAC细分的最先进算法的洞察.
- 建立了CBCT中IAC细分的最大的公开数据集.
结论:
- 牙仙女挑战和数据集在CBCT中的IAC细分领域取得了重大进展.
- 发布的数据集和开源存储库促进了牙科AI的可复制性和未来研究.
- 这项工作为开发更准确,更可靠的临床应用自动化细分工具奠定了基础.


