痕标记:多级级级联混合空间通道注意力编码器-解码器,用于牙的语义细分
Jayaraman Priya1, Subramanian Kanaga Suba Raja2
1Department of Artificial Intelligence and Data Science, Easwari Engineering College, Ramapuram, Chennai, 600089, Tamil Nadu, India.
Biomedizinische Technik. Biomedical engineering
|March 6, 2025
概括
这项研究引入了一种新的深度学习模型,用于使用语义细分来精确检测牙损伤. 这种先进的模型可以准确地识别牙图像中的,帮助早期诊断和治疗.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 牙损是一种全球性口腔健康问题,导致疼痛和牙脱落.
- 目前用于牙腐烂的诊断模型可能不准确且耗时.
- 准确的虫细分对于及时干预至关重要.
研究的目的:
- 分析空间和道注意力机制,用于牙的语义细分.
- 开发和实施新的技术,准确的牙损伤细分.
- 提高现有的牙腐烂检测模型的诊断能力.
主要方法:
- 一个深度完全连接的剩余区块 (DFCR) 旨在保护关键信息.
- 开发了一种混合空间通道注意 (HSCA) 模块,以集成多尺度的空间和跨维的通道特征.
- 一个编码器-解码器网络架构被用于语义细分.
主要成果:
- 拟议的模型在虫数据集上实现了96.63%的准确性,95.77%的子得分和96.28%的IOU.
- 在塔夫斯牙科数据集上,该模型获得了96.93%的准确性,95.21%的子得分和96.1%的IOU.
- 性能超越了牙腐烂细分的现有最先进的算法.
结论:
- 开发的模型允许使用成像技术在牙腔的早期阶段准确地检测牙腔.
- 牙腐烂的语义细分有助于医疗专业人员进行准确的诊断.
- 这种人工智能驱动的方法提高了牙科诊断的效率和准确性.
