增强型掩码图像建模用于牙科全景放射影像分析
计算机视觉与模式识别
2023-06-21 v1
摘要
计算机辅助放射信息报告已受到越来越多研究关注，以促进牙科服务提供者的诊断与治疗规划。然而，牙科图像的手动判读受限、昂贵且耗时。牙科影像的另一障碍是用于训练的可用图像数量有限，这在深度学习时代是一项挑战。本研究提出一种在掩码图像建模（SimMIM）Transformer 之上的新颖自蒸馏（SD）增强自监督学习方法，称为 SD-SimMIM，以在牙科放射影像数量有限的情况下改善结果。除对掩码块的预测损失外，SD-SimMIM 在可见块上计算自蒸馏损失。我们将 SD-SimMIM 应用于牙科全景 X 光片的牙齿编号、牙体修复体与正畸器械检测及实例分割任务。我们的结果表明 SD-SimMIM 优于其他自监督学习方法。此外，我们扩充并改进了现有全景 X 光片数据集的标注。
引用
@article{arxiv.2306.10623,
title = {Enhanced Masked Image Modeling for Analysis of Dental Panoramic Radiographs},
author = {Amani Almalki and Longin Jan Latecki},
journal= {arXiv preprint arXiv:2306.10623},
year = {2023}
}