基于锥形束 CT 图像的姿态感知实例分割框架用于牙齿分割
计算机视觉与模式识别
2021-01-26 v1
摘要
从锥形束计算机断层扫描（CBCT）图像中进行单颗牙齿分割是若干应用（如牙齿修复规划和种植导板模拟）中正畸结构解剖学理解的基本前提。然而，CBCT 图像中严重的金属伪影阻碍了每颗牙齿的准确分割。在本研究中，我们提出了一种用于像素级标注的神经网络，以利用对金属伪影鲁棒的实例分割框架。我们的方法包括三个步骤：1）通过姿态回归进行图像裁剪与重新对齐，2）金属鲁棒的单颗牙齿检测，3）分割。我们首先通过姿态回归神经网络提取患者的对齐信息，以获得感兴趣体积（VOI）区域并重新对齐输入图像，从而减小牙齿边界框之间的相互重叠区域。然后，使用卷积检测器在重新对齐的 VOI 图像中定位单颗牙齿区域。我们通过在区域提议网络中采用非极大值抑制和多类分类度量提高了检测器的准确性。最后，我们应用卷积神经网络（CNN）通过将像素级标注任务转换为距离回归任务来执行单颗牙齿分割。还采用了金属密集图像增强以实现对金属伪影的鲁棒分割。结果表明，我们提出的方法优于其他最先进的方法，尤其对于有金属伪影的牙齿。所提方法的主要意义有两点：1）引入姿态感知 VOI 重新对齐继而进行鲁棒牙齿检测；2）用于准确牙齿分割的金属鲁棒 CNN 框架。
引用
@article{arxiv.2002.02143,
title = {Pose-Aware Instance Segmentation Framework from Cone Beam CT Images for Tooth Segmentation},
author = {Minyoung Chung and Minkyung Lee and Jioh Hong and Sanguk Park and Jusang Lee and Jingyu Lee and Jeongjin Lee and Yeong-Gil Shin},
journal= {arXiv preprint arXiv:2002.02143},
year = {2021}
}
备注
10 pages, 10 figures