PanoGAN：用于全景牙科 X 光片的深度生成模型
计算机视觉与模式识别
2025-07-30 v1 新兴技术
机器学习
图像与视频处理
摘要
本文提出开发一个用于合成牙科全景 X 光片的生成对抗网络(GAN)。尽管该研究具有探索性，但旨在解决牙科研究和教育中数据稀缺的问题。我们使用带有梯度惩罚的 Wasserstein 损失( WGANGP) 在 2322 张分辨率不同的牙科全景 X 光片数据集上训练了一个深层卷积 GAN(DCGAN)。焦点在于牙颌区域，其他解剖结构被裁剪。对输入进行大量预处理和数据清洗，以标准化输入同时保留解剖变异性。我们通过调整批判器迭代次数、特征深度以及使用去噪先验训练来探索四个备选模型。临床专家根据解剖可见性和逼真程度对生成的 X 光片进行评估，使用 5 分制评分(1 非常差 5 优秀)。大多数图像显示中等程度的解剖描绘，尽管一些图像因噪声而受到损坏。我们观察到一种权衡：在非去噪数据上训练的模型能产生更细节的特征，尤其是在如下颌管和颌骨髓砖块等结构上；而在去噪数据上训练的模型则提供了更清晰、更锐利的整体图像。这些发现为未来在牙科影像中使用 GAN 方法提供了基础。
引用
@article{arxiv.2507.21200,
title = {PanoGAN A Deep Generative Model for Panoramic Dental Radiographs},
author = {Soren Pedersen and Sanyam Jain and Mikkel Chavez and Viktor Ladehoff and Bruna Neves de Freitas and Ruben Pauwels},
journal= {arXiv preprint arXiv:2507.21200},
year = {2025}
}