基于轻量级 Auto3DSeg 和 SegResNet 实现的牙科结构多阶段自动分割

锥束计算机断层扫描 (CBCT) 已成为牙科诊断和治疗规划中不可或缺的影像模态，使医生能够实现牙齿及周围结构的三维可视化。CBCT 中的牙科结构自动分割可高效辅助识别疾病（如牙髓或周围牙槽疮）并促进头颈癌患者的放射治疗计划。我们描述了 DLaBella29 队在 MICCAI 2025 ToothFairy3 挑战中所采用的方法，该挑战涉及多类别牙齿分割的深度学习管线。我们利用 MONAI Auto3DSeg 框架，采用 3D SegResNet 架构，在 ToothFairy3 数据集子集（63 例 CBCT 扫描）上进行 5 折交叉验证训练。关键预处理步骤包括将图像重采样至 0.6 mm 等分辨率并进行强度裁剪。我们采用 Multi-Label STAPLE 对 5 折预测进行集成融合，以推断 Phase 1 分割，然后在对易分割的 Phase 1 下颌部进行紧密裁剪，以对较小的神经结构进行 Phase 2 分割。该方法在 ToothFairy3 挑战的外部验证集上实现了平均 Dice 0.87。本文详细阐述了临床背景、数据准备、模型开发、方法结果，并讨论了自动牙科分割在改善放射科医疗中的临床实践的重要性。