SemiTooth：面向多源牙齿分割的通用半监督框架
计算机视觉与模式识别
2026-03-13 v1
摘要
随着人工智能的快速发展，智能牙科诊断和治疗正变得越来越有前景。作为主要的临床牙科任务，牙齿结构分割（Cone-Beam Computed Tomography, CBCT）近年来取得了显著进展。然而，由于获取完全标注数据的困难，以及来自不同机构的多源数据获取方式的差异，导致了数据利用质量低下、体素级不一致以及CBCT切片中的领域特定差异。因此，合理且高效地利用多源和未标记数据，成为关键问题。本文提出了SemiTooth，一个面向多源牙齿分割的通用半监督框架。具体而言，我们首先编译了MS3Toothset——面向临床牙科CBCT的多源半监督牙齿数据集，包含来自三个不同标注层级的数据来源。随后，我们设计了多教师多学生框架，即SemiTooth，以促进多源数据的半监督学习。SemiTooth采用不同的学生网络从不同来源的未标记数据中学习，并由各自的教师进行监督。此外，引入更严格的加权置信约束，以提高多源准确性。对MS3Toothset上的大量实验表明，SemiTooth框架在半监督和多源牙齿分割场景中实现了SOTA性能。
引用
@article{arxiv.2603.11616,
title = {SemiTooth: a Generalizable Semi-supervised Framework for Multi-Source Tooth Segmentation},
author = {Muyi Sun and Yifan Gao and Ziang Jia and Xingqun Qi and Qianli Zhang and Qian Liu and Tianzheng Deng},
journal= {arXiv preprint arXiv:2603.11616},
year = {2026}
}
备注
5 pages, 5 figures. Accepted to IEEE ICASSP 2026