SOFTooth：语义增强的序关系感知的牙齿实例分割
计算机视觉与模式识别
2025-12-30 v1
摘要
三维（3D）牙齿实例分割因拥挤的牙弓、牙龈边界模糊、缺失牙齿以及临床上重要的第三颗磨牙而仍具挑战性。依赖几何线索的原生3D方法常因边界泄漏、中心漂移和身份不一致而受限，尤其在少数类和复杂解剖结构中更为明显。与此同时，类似Segment Anything Model（SAM）等2D基础模型提供强大的边界感知语义，但直接应用于3D在临床工作流程中不可行。为解决此问题，本文提出SOFTooth，一种语义增强、序关系感知的2D-3D融合框架，利用冻结的2D语义且无需显式2D掩码监督。首先，点级残差门控模块将牙面视图的SAM嵌入注入3D点特征，以细化牙龈和牙间边界。其次，中心导引的掩码细化正规化实例掩码与几何中心之间的一致性，减少中心漂移。进一步，序关系感知的匈牙利匹配策略将解剖牙齿顺序和中心距离纳入相似度匹配中，确保在缺失或拥挤牙列情况下标签的连贯性。在3DTeethSeg'22数据集上，SOFTooth实现了最高的整体准确率和平均IoU，尤其在包含第三颗磨牙的案例中取得显著提升，表明丰富的2D语义可在无需2D微调的情况下有效迁移至3D牙齿实例分割。
引用
@article{arxiv.2512.23411,
title = {SOFTooth: Semantics-Enhanced Order-Aware Fusion for Tooth Instance Segmentation},
author = {Xiaolan Li and Wanquan Liu and Pengcheng Li and Pengyu Jie and Chenqiang Gao},
journal= {arXiv preprint arXiv:2512.23411},
year = {2025}
}
备注
11 pages, 5 figures