OralBBNet：基于边界框先验的牙科全景X光片空间引导分割
计算机视觉与模式识别
2025-07-03 v3 人工智能
机器学习
摘要
牙齿分割与识别在各种牙科应用和诊断程序中起着至关重要的作用。深度学习模型的集成促进了精确且自动化分割方法的发展。尽管先前的研究已经探索了牙齿分割，但成功同时进行牙齿分割和检测的方法并不多。本研究提出了UFBA-425，一个源自UFBA-UESC数据集的牙科数据集，包含425张全景牙科X光片的边界框和多边形标注。此外，本文提出了OralBBNet架构，该架构分别基于U-Net和YOLOv8等架构的最佳分割和检测特性。OralBBNet旨在通过利用U-Net和YOLOv8的互补优势，提高全景X光片上牙齿分类和分割的准确性和鲁棒性。我们的方法在牙齿检测的平均精度均值(mAP)上比现有技术提高了1-3%，在多种牙齿类别的牙齿分割Dice分数上比最先进(SOTA)解决方案提高了15-20%，并且与其他SOTA分割架构相比，Dice分数提高了2-4%。本研究的结果为对象检测模型在牙科诊断中的更广泛应用奠定了基础。
引用
@article{arxiv.2406.03747,
title = {OralBBNet: Spatially Guided Dental Segmentation of Panoramic X-Rays with Bounding Box Priors},
author = {Devichand Budagam and Azamat Zhanatuly Imanbayev and Iskander Rafailovich Akhmetov and Aleksandr Sinitca and Sergey Antonov and Dmitrii Kaplun},
journal= {arXiv preprint arXiv:2406.03747},
year = {2025}
}