开发半自动牙科图像细分工作流程与根通道识别,以更快地获得地面牙
Yousef Abo El Ela1, Mohamed Badran1
1Department of Mechanical Engineering, School of Sciences and Engineering, The American University in Cairo, New Cairo 11835, Egypt.
Journal of imaging
|October 28, 2025
概括
半自动图像分割方法用于牙科成像显著减少时间和劳动力. 这些技术提供了牙和根通道的准确细分,与手工方法相比,有助于精确的牙科程序.
科学领域:
- 牙科 牙科是指牙科的专业.
- 医疗成像医学成像
- 计算机辅助诊断 计算机辅助诊断
背景情况:
- 图像细分对于牙科诊断和手术至关重要.
- 像3D U-Net和GANs这样的深度学习模型显示出希望,但需要大型标记数据集.
- 挑战包括数据采集和在牙科应用中的模型通用性.
研究的目的:
- 开发和评估牙科成像半自动细分工作流程.
- 为深度学习模型提高地面真相数据采集的效率.
- 将半自动方法与手动细分和自动化工具进行比较.
主要方法:
- 在3D Slicer中开发了两个半自动细分工作流程,即Grow From Seeds (GFS) 和Watershed (WS).
- 这些工作流被用来生成深度学习模型的培训数据.
- 评估涉及将细分精度 (迪斯系数) 与手动基准和切口和牙数据集的自动化工具进行比较.
主要成果:
- 半自动化工作流程 (GFS,WS) 显示的细分精度与牙和根管的手动细分统计学上相似.
- 与手动细分相比,一个自动化的牙科细分工具产生了明显不同的3D模型.
- 半自动化方法可以大大减少劳动力和时间.
结论:
- 半自动图像细分是牙科应用的可行和高效方法.
- 这些方法促进了更快的基准真相数据生成,用于内牙科的深度学习.
- 开发的工作流程支持更精确的牙科手术,减少手工劳动.
