基于条件生成对抗网络的咬翼片X线影像语义分割
计算机视觉与模式识别
2018-02-09 v1
摘要
目前，咬翼片X线影像的分割是一项极具挑战性的任务。本研究的重点是将其实划分为龋损、牙釉质、牙本质、牙髓、牙冠、修复体及根管治疗区域。现阶段咬翼片X线影像语义分割的主要方法是U形深度卷积神经网络，但其精度较低。为提高咬翼片X线影像语义分割的精度，本文提出采用条件生成对抗网络（cGAN）结合U形网络结构（U-Net）的方法进行咬翼片X线影像语义分割。实验结果表明，cGAN结合U-Net的精度为69.7%，比U形深度卷积神经网络的56.4%高出13.3%。
引用
@article{arxiv.1802.02571,
title = {Bitewing Radiography Semantic Segmentation Base on Conditional Generative Adversarial Nets},
author = {Jiang Yun and Tan Ning and Zhang Hai and Peng Tingting},
journal= {arXiv preprint arXiv:1802.02571},
year = {2018}
}
备注
12pages, in Chinese