基于牙齿注意力模块的全景牙片多类分割
计算机视觉与模式识别
2023-11-09 v1
摘要
本文提出了一种前沿的多类牙齿分割架构，其将类 M-Net 结构与 Swin Transformers 以及一种名为牙齿注意力块（Teeth Attention Block, TAB）的新组件相集成。尽管全景牙片中的牙齿分割对牙病诊断至关重要，但现有牙齿图像分割方法由于牙齿形态复杂且多变，存在分割结果不够准确与可靠的问题。我们提出了一种新颖的牙齿分割模型，将类 M-Net 结构与 Swin Transformers 及 TAB 相结合。所提出的 TAB 利用一种独特的注意力机制，专门聚焦于牙齿的复杂结构。TAB 中的注意力机制精确突出全景图像中牙齿特征的关键要素，从而获得更精确的分割结果。该架构有效捕获局部与全局上下文信息，准确界定每颗牙齿及其周围结构。此外，我们采用多尺度监督策略，利用 U-Net 结构的左右分支，通过增强的特征表示提升分割性能。采用平方 Dice 损失以解决类不平衡问题，确保所有类别的准确分割。所提方法在一个真实世界牙科诊断采集的全景牙齿 X 射线数据集上进行了验证。实验结果表明，我们的架构在多个基准牙科图像数据集上的牙齿分割任务中表现有效，在客观指标与视觉检查上均优于现有最先进（SOTA）方法。本研究有望显著增强牙科图像分析，并推动牙科应用的发展。
引用
@article{arxiv.2311.03749,
title = {Multiclass Segmentation using Teeth Attention Modules for Dental X-ray Images},
author = {Afnan Ghafoor and Seong-Yong Moon and Bumshik Lee},
journal= {arXiv preprint arXiv:2311.03749},
year = {2023}
}