口腔成像用于颞下颌不良问题评估：OMNI 数据集、深度学习基线及基准测试
计算机视觉与模式识别
2025-05-22 v1
摘要
颞下颌不良是正畸学中的重要挑战，其复杂的表现形式和多样化的临床表现使准确的局部分辨和诊断尤为重要。目前，牙科图像分析领域的主要短板之一是缺乏专为颞下颌不良问题构建的大规模、准确标注的数据集，这限制了dentistry 领域自动化诊断的发展，并导致临床实践中的诊断准确性和效率不足。因此，本研究提出了 Oral and Maxillofacial Natural Images (OMNI) 数据集，这是一个旨在促进分析颞下颌牙科图像以解决颞下颌不良问题的新型综合性牙科图像数据集。具体而言，该数据集包含 4166 张多视角图像，数据收集于 384 名受试者，并由专业牙科医生进行标注。此外，我们对所创建的 OMNI 数据集进行了全面验证，包括三种基于卷积神经网络的方法、两种基于 Transformer 的方法以及一种基于图神经网络的方法，并针对颞下颌不良问题进行了自动化诊断实验。实验结果表明，OMNI 数据集可以促进颞下颌不良问题的自动化诊断研究，并为该领域的研究提供了新的基准。我们的 OMNI 数据集和基线代码已公开于 https://github.com/RoundFaceJ/OMNI。
引用
@article{arxiv.2505.15637,
title = {Oral Imaging for Malocclusion Issues Assessments: OMNI Dataset, Deep Learning Baselines and Benchmarking},
author = {Pujun Xue and Junyi Ge and Xiaotong Jiang and Siyang Song and Zijian Wu and Yupeng Huo and Weicheng Xie and Linlin Shen and Xiaoqin Zhou and Xiaofeng Liu and Min Gu},
journal= {arXiv preprint arXiv:2505.15637},
year = {2025}
}