卷积神经网络在正畸学中的应用综述
计算机视觉与模式识别
2021-04-20 v1 人工智能
图像与视频处理
摘要
卷积神经网络（CNNs）被用于计算机视觉的诸多领域，例如目标跟踪与识别、安防、军事以及生物医学图像分析。本综述介绍了卷积神经网络在牙科学分支之一——正畸学中的应用。医学成像技术与方法的进步使得CNNs能够应用于正畸学，以缩短正畸治疗规划时间，包括在头颅侧位X光图像上自动搜索标志点、在锥形束计算机断层扫描（CBCT）图像或数字模型上进行牙齿分割，以及X光全景图像上缺陷的分类。本工作中，我们描述了当前方法、所采用的深度卷积神经网络架构及其实现，并比较了它们所取得的成果。所述研究的前景广阔的成果与可视化表明，基于卷积神经网络的方法可通过减少检查时间，且在许多情况下比正畸医师手动分析精确得多，从而改进基于计算机的正畸治疗规划。
引用
@article{arxiv.2104.08886,
title = {Convolutional Neural Networks in Orthodontics: a review},
author = {Szymon Płotka and Tomasz Włodarczyk and Ryszard Szczerba and Przemysław Rokita and Patrycja Bartkowska and Oskar Komisarek and Artur Matthews-Brzozowski and Tomasz Trzciński},
journal= {arXiv preprint arXiv:2104.08886},
year = {2021}
}
备注
Preprint to Elsevier