基于VGG19骨干网络的定制SegUNet在全景X光片上增强的儿童牙齿分割
图像与视频处理
2025-03-11 v1 计算机视觉与模式识别
摘要
儿童牙齿分割在牙科诊断中至关重要，但由于牙齿结构的差异以及儿童X光图像数量较少，面临着独特的挑战。本研究提出了一种带有VGG19骨干网络的定制SegUNet模型，专为儿童牙齿分割设计，并应用于儿童牙齿全景X光片数据集。带有VGG19骨干网络的SegUNet架构首次被应用于该数据集，并取得了SOTA性能。该模型达到了97.53%的准确率、92.49%的Dice系数和91.46%的交并比（IOU），为该数据集设定了新的基准。这些结果证明了VGG19骨干网络在增强特征提取和提高分割精度方面的有效性。在精确率、召回率和特异性等指标上的综合评估表明了该方法的鲁棒性。该模型在各种牙齿结构上的泛化能力使其成为儿童牙科临床应用中的宝贵工具。它为自动化牙科诊断提供了可靠且高效的解决方案。
引用
@article{arxiv.2503.06321,
title = {Enhanced Pediatric Dental Segmentation Using a Custom SegUNet with VGG19 Backbone on Panoramic Radiographs},
author = {Md Ohiduzzaman Ovi and Maliha Sanjana and Fahad Fahad and Mahjabin Runa and Zarin Tasnim Rothy and Tanmoy Sarkar Pias and A. M. Tayeful Islam and Rumman Ahmed Prodhan},
journal= {arXiv preprint arXiv:2503.06321},
year = {2025}
}