面向半监督第一真根管牙分割的跨频率协作训练网络与数据集
计算机视觉与模式识别
2025-04-17 v1
摘要
根管（RC）治疗是临床实践中极其精细且技术复杂的程序，深受临床医生经验和主观判断的影响。深度学习在计算机辅助诊断（CAD）领域取得了显著进展，因为它能够提供更客观和准确的诊断结果。然而，其在 RC 治疗中的应用仍相对稀少，主要由于该领域缺乏公共数据集。为此本文建立了一个称为 FMRC-2025 的 First Molar Root Canal 分割数据集。此外，为缓解医生进行手动标注的负担并充分利用未标记数据，我们设计了一种称为 CFC-Net 的跨频率协作半监督学习（SSL）网络。它包含两个组件：（1）跨频率协作均匀教师（CFC-MT），它引入两个专业学生（SS）和一个综合教师（CT）进行协作多频率训练。CT 和 SS 在不同的频率成分上进行训练，同时通过跨频率和全频率一致性监督完全集成多频率知识。（2）不确定性引导的跨频率混合（UCF-Mix）机制使网络能够生成高置信度的伪标签，同时学习整合多频率信息并保持目标结构的完整性。在 FMRC-2025 和三个公共牙科数据集上的大量实验表明，CFC-MT 对 RC 分割有效，并且在其他牙科分割任务中也表现出强大的鲁棒性，优于最先进的 SSL 医学图像分割方法。代码和数据集将公开释放。
引用
@article{arxiv.2504.11856,
title = {Cross-Frequency Collaborative Training Network and Dataset for Semi-supervised First Molar Root Canal Segmentation},
author = {Zhenhuan Zhou and Yuchen Zhang and Along He and Peng Wang and Xueshuo Xie and Tao Li},
journal= {arXiv preprint arXiv:2504.11856},
year = {2025}
}
备注
12 pages, Initial submission time 25 December 2024, Now Under Review