基于深度学习的3D牙科模型自动牙齿分割：从单张3D牙科模型可学习信息的定量分析
计算机视觉与模式识别
2022-09-20 v1
摘要
3D牙齿分割是数字正畸中的一项重要任务。已有若干深度学习方法被提出用于从3D牙科模型或口内扫描中自动分割牙齿。这些方法需要标注的3D口内扫描数据。人工标注3D口内扫描是一项费力的工作。一种途径是设计自监督方法以减少人工标注工作量。与场景点云或形状点云等其他类型的点云数据相比，3D牙齿点云数据具有非常规则的结构和很强的形状先验。我们考察从单张3D口内扫描中能够学习到多少代表性信息。我们借助十种不同方法进行定量评估，其中六种为通用点云分割方法，另外四种为牙齿分割专用方法。令人惊讶的是，我们发现仅用单张3D口内扫描训练时，Dice分数可高达0.86，而完整训练集给出的Dice分数为0.94。我们得出结论：在合适条件下（例如数据增强），分割方法可从单张3D牙齿点云扫描中学习到大量信息。我们首次定量评估并展示了深度学习方法从单张3D口内扫描中的表征学习能力。这能够在极端数据受限场景下，通过最大限度利用可用数据，构建用于牙齿分割的自监督方法。
引用
@article{arxiv.2209.08132,
title = {Automatic Tooth Segmentation from 3D Dental Model using Deep Learning: A Quantitative Analysis of what can be learnt from a Single 3D Dental Model},
author = {Ananya Jana and Hrebesh Molly Subhash and Dimitris Metaxas},
journal= {arXiv preprint arXiv:2209.08132},
year = {2022}
}
备注
accepted to SIPAIM 2022