S-R2F2U-Net：一种用于牙齿分割的单阶段模型
计算机视觉与模式识别
2023-02-27 v2
摘要
精确的牙齿分割在口腔领域至关重要，因为它为正畸治疗、临床诊断与外科手术提供位置信息。本文中，我们研究残差、循环与注意力网络以从全景牙片中分割牙齿。基于我们的发现，我们提出三种单阶段模型：Single Recurrent R2U-Net (S-R2U-Net)、Single Recurrent Filter Double R2U-Net (S-R2F2U-Net) 和 Single Recurrent Attention Enabled Filter Double (S-R2F2-Attn-U-Net)。特别地，S-R2F2U-Net 在准确率和 dice 系数上优于最先进模型。我们采用结合交叉熵损失与 dice 损失的混合损失函数训练模型。此外，与 R2U-Net 模型相比，其模型参数量减少约 45%。模型在包含 1500 张口腔全景 X 射线图像的基准数据集上训练和评估。S-R2F2U-Net 取得了 97.31% 的准确率和 93.26% 的 dice 系数，展现出优于最先进方法的性能。代码见 https://github.com/mrinal054/teethSeg_sr2f2u-net.git。
引用
@article{arxiv.2204.02939,
title = {S-R2F2U-Net: A single-stage model for teeth segmentation},
author = {Mrinal Kanti Dhar and Mou Deb},
journal= {arXiv preprint arXiv:2204.02939},
year = {2023}
}
备注
GitHub link is mentioned in the abstract. The main manuscript contains 4 figures and 4 tables. The supplementary document contains 7 figures and 1 table