GT U-Net：一种用于牙根分割的类 U-Net 分组 Transformer 网络
计算机视觉与模式识别
2021-10-01 v1 图像与视频处理
摘要
为实现根管治疗的准确评估，基本步骤是在口腔 X 射线图像上进行牙根分割，因为牙根边界位置是根管治疗评估中的重要解剖信息。然而，模糊的边界使牙根分割极具挑战性。本文提出一种新颖的端到端类 U-Net 分组 Transformer 网络（GT U-Net）用于牙根分割。所提网络保留了 U-Net 的基本结构，但每个编码器与解码器均由一个分组 Transformer 替代，其利用分组结构与瓶颈结构显著降低了传统 Transformer 架构的计算成本。此外，所提 GT U-Net 由卷积与 Transformer 的混合结构组成，使其不依赖于预训练权重。为优化，我们还提出一种形状敏感的傅里叶描述子（FD）损失函数以利用形状先验知识。实验结果表明，我们所提网络在自建牙根分割数据集与公开视网膜数据集 DRIVE 上均取得了最先进的性能。代码已发布于 https://github.com/Kent0n-Li/GT-U-Net。
引用
@article{arxiv.2109.14813,
title = {GT U-Net: A U-Net Like Group Transformer Network for Tooth Root Segmentation},
author = {Yunxiang Li and Shuai Wang and Jun Wang and Guodong Zeng and Wenjun Liu and Qianni Zhang and Qun Jin and Yaqi Wang},
journal= {arXiv preprint arXiv:2109.14813},
year = {2021}
}