DentalX：基于放射图的上下文感知牙科疾病检测
计算机视觉与模式识别
2026-01-14 v1
摘要
从放射图诊断牙科疾病耗时且具有挑战性, 因为诊断证据往往不够显著。现有方法依赖于为自然图像设计的目标检测模型, 这些模型针对具有更明显目标模式的自然图像效果较好，难以检测牙科疾病。为解决这一挑战, 本文提出了DentalX,一种新颖的上下文感知牙科疾病检测方法, 通过利用口腔结构信息来缓解放射图中固有的视觉歧义。具体而言, 我们引入结构上下文提取模块, 学习一个辅助任务: 牙科解剖的语义分割。该模块提取有意义的结构上下文并将其整合到主要的疾病检测任务中, 以增强对微妙牙科疾病的检测。在专门的基准数据集上进行大量实验表明, DentalX 在两个任务中均显著优于先前方法。这种相互益处自然地在模型优化期间体现, 因为两个任务之间的相关性得到有效捕获。我们的代码已公开于 https://github.com/zhiqin1998/DentYOLOX。
引用
@article{arxiv.2601.08797,
title = {DentalX: Context-Aware Dental Disease Detection with Radiographs},
author = {Zhi Qin Tan and Xiatian Zhu and Owen Addison and Yunpeng Li},
journal= {arXiv preprint arXiv:2601.08797},
year = {2026}
}
备注
Accepted at ISBI 2026