FDNet：面向牙齿CBCT图像的特征解耦分割网络
计算机视觉与模式识别
2024-09-06 v2
摘要
精确的牙齿锥形束计算机断层扫描（CBCT）图像分割对于正畸治疗规划至关重要。本文中，我们提出FDNet，一种特征解耦分割网络，以应对CBCT扫描中遇到的可变牙齿状况，如复杂伪影和模糊的牙齿边界。采用低频小波变换（LF-Wavelet）通过强调牙齿的全局结构完整性来丰富语义内容，同时利用SAM编码器细化边界描绘，从而改善相邻牙齿结构间的对比度。通过整合这两个方面，FDNet巧妙地处理了语义鸿沟，提供详细且准确的分割。该框架的有效性通过严格基准验证，分别取得了85.28%和75.23%的最高Dice和IoU分数。这种对语义与边界特征的创新性解耦利用了各元素的独特优势，提升了分割性能的质量。
引用
@article{arxiv.2311.06551,
title = {FDNet: Feature Decoupled Segmentation Network for Tooth CBCT Image},
author = {Xiang Feng and Chengkai Wang and Chengyu Wu and Yunxiang Li and Yongbo He and Shuai Wang and Yaiqi Wang},
journal= {arXiv preprint arXiv:2311.06551},
year = {2024}
}
备注
IEEE ISBI 2024, Oral