用于口腔罕见病中牙齿检测、分割与编号的 Detection Transformer：聚焦于数据增强与图像修复技术
计算机视觉与模式识别
2024-09-09 v1
摘要
在本工作中，我们重点关注口腔罕见病背景下的深度学习图像处理，由于数据可用性有限，这带来了挑战。一个关键步骤涉及全景 X 光片中牙齿的检测、分割和编号。为此，我们使用了一个包含来自罕见口腔疾病患者的 156 张全景 X 光片并由专家标注的数据集。我们训练了 Detection Transformer（DETR）神经网络，用于对 52 个牙齿类别进行检测、分割和编号。此外，我们使用了数据增强技术，包括几何变换。最后，我们利用带有稳定扩散的图像修复技术，通过从全景 X 光片中移除牙齿并将牙齿整合其中，生成了新的全景图像。结果显示，在没有数据增强的情况下，DETR 的 mAP 超过了 0.69。当使用数据增强技术时，mAP 提升至 0.82。此外，我们观察到在使用图像修复技术生成的全新全景 X 光片时，表现出了令人鼓舞的性能，mAP 达到 0.76。
引用
@article{arxiv.2402.04408,
title = {Detection Transformer for Teeth Detection, Segmentation, and Numbering in Oral Rare Diseases: Focus on Data Augmentation and Inpainting Techniques},
author = {Hocine Kadi and Théo Sourget and Marzena Kawczynski and Sara Bendjama and Bruno Grollemund and Agnès Bloch-Zupan},
journal= {arXiv preprint arXiv:2402.04408},
year = {2024}
}