FD-SOS: 基于骨 fenestration 和 dehiscence 检测的视觉-语言开集检测器——用于牙齿内视觉图像
机器学习
2024-07-15 v1 计算机视觉与模式识别
摘要
精确检测骨 fenestration 和 dehiscence(FD) 对制定有效的治疗方案至关重要。虽然锥束层析扫描(CBCT) 是评估 FD 的黄金标准，但其存在剂量暴露、可及性有限以及成本较高于牙内视觉图像等局限性。牙科医生在牙内视觉图像中面临 FD 的鉴别诊断挑战。本文提出了一种仅基于牙内视觉图像进行 FD 检测的新颖且临床意义重大的方法。为实现这一目标，我们提出了 FD-SOS，一种用于牙内视觉图像的新型开集目标检测器。FD-SOS 包含两个新颖组件：条件对比去噪(CCDN)和牙齿特定匹配分配(TMA)。这些模块使 FD-SOS 能够有效地利用外部牙科语义。实验结果显示，我们的方法在相同精度水平下超越了现有检测方法，并将牙科专业人员的召回率提升了 35%。代码已公开：https://github.com/xmed-lab/FD-SOS。
引用
@article{arxiv.2407.09087,
title = {On the Role of Discrete Tokenization in Visual Representation Learning},
author = {Tianqi Du and Yifei Wang and Yisen Wang},
journal= {arXiv preprint arXiv:2407.09087},
year = {2024}
}
备注
ICLR 2024 Spotlight