基于双视图协训练的基础模型牙齿龋齿检测适配
计算机视觉与模式识别
2025-08-29 v1
摘要
从全景 X 光片 accurate 检测牙齿龋齿在防止齿龈发生病变中起着关键作用。然而当前检测方法常因牙齿龋齿的细微对比度变化和多样化病变形态而 yield 次佳准确率。本文灵感来自牙科临床工作流程：牙医系统性地结合整体图像筛查和细致牙齿级检查。我们提出 DVCTNet，一种 novel 双视图协训练网络，用于 accurate 检测牙齿龋齿。DVCTNet 通过自动牙齿检测建立两个互补视图：来自全景 X 光片的全局视图和来自裁剪牙齿图像的局部视图。随后分别在两个视图上预训练两个视觉基础模型。全局视图基础模型作为检测 backbone，生成区域提议和全局特征；局部视图模型从与区域提议匹配的裁剪牙齿块中提取细节特征。为有效整合双视图信息，我们引入 Gated Cross-View Attention（GCV-Atten）模块，动态融合双视图特征，增强检测管道，通过将融合特征重新集成到检测模型中进行最终龋齿检测。为严格评估 DVCTNet，我们在公开数据集上进行测试，并在新建的高精度牙齿龋齿检测数据集上进行验证，该数据集使用内镜图像和全景 X 光片进行双重验证。实验结果表明，DVCTNet 在两个数据集上优于现有最先进（SOTA）方法，表明该方法在临床上的可行性。我们的代码和标记数据集已在 https://github.com/ShanghaiTech-IMPACT/DVCTNet 提供。
引用
@article{arxiv.2508.20813,
title = {Adapting Foundation Model for Dental Caries Detection with Dual-View Co-Training},
author = {Tao Luo and Han Wu and Tong Yang and Dinggang Shen and Zhiming Cui},
journal= {arXiv preprint arXiv:2508.20813},
year = {2025}
}