全景 X 光片中异常牙齿检测与分类的序贯框架
图像与视频处理
2023-09-06 v2 计算机视觉与模式识别
摘要
本文描述了我们在 MICCAI 2023 全景 X 光片牙齿枚举与诊断挑战赛中的解决方案。我们的方法由一个针对异常牙齿检测与分类任务定制的多步骤框架组成。该方案包含三个序贯阶段:牙齿实例检测、健康实例过滤和异常实例分类。在第一阶段,我们采用 Faster-RCNN 模型来检测并识别牙齿。在后续阶段,我们设计了一个将预训练 U-net(针对牙齿病变检测优化)的编码路径与 Vgg16 架构相融合的模型。所得模型首先用于过滤掉健康牙齿。然后,任何被识别的异常牙齿被分类,可能归入以下一种或多种状况:埋伏牙、根尖周病变、龋坏、深龋。执行牙齿实例检测的模型取得了 0.49 的 AP 分数。负责识别健康牙齿的模型达到了 0.71 的 F1 分数。同时,训练用于多标签牙齿疾病分类的模型取得了 0.76 的 F1 分数。代码可在 https://github.com/tudordascalu/2d-teeth-detection-challenge 获取。
引用
@article{arxiv.2309.00027,
title = {A Sequential Framework for Detection and Classification of Abnormal Teeth in Panoramic X-rays},
author = {Tudor Dascalu and Shaqayeq Ramezanzade and Azam Bakhshandeh and Lars Bjorndal and Bulat Ibragimov},
journal= {arXiv preprint arXiv:2309.00027},
year = {2023}
}