利用 SpatialConfiguration-Net 和 U-Net 进行 CBCT 图像中的牙齿定位与病灶分割
图像与视频处理
2023-12-20 v1 计算机视觉与模式识别
摘要
在锥形束计算机断层扫描（CBCT）图像中定位牙齿和分割根尖周病灶是临床诊断和治疗计划的关键任务，这些任务通常耗时且需要高水平的专业知识。然而，由于病灶形状、大小和方向的变化以及牙齿间拓扑结构的相似性，自动化这些任务具有挑战性。此外，CBCT 图像中病灶所占体积较小，导致了需要解决的类别不平衡问题。在本研究中，我们提出了一种基于深度学习的方法，利用两个卷积神经网络：SpatialConfiguration-Net (SCN) 和改进版的 U-Net。SCN 准确预测图像中所有牙齿的坐标，从而实现牙齿体积的精确裁剪，随后将其输入 U-Net 以通过分割检测病灶。为解决类别不平衡问题，我们比较了三种重加权损失函数的性能。在对 144 张 CBCT 图像进行评估后，我们的方法在牙齿定位方面达到了 97.3% 的准确率，并在随后的病灶检测中分别取得了 0.97 的灵敏度和 0.88 的特异度，表现令人鼓舞。
引用
@article{arxiv.2312.12189,
title = {Teeth Localization and Lesion Segmentation in CBCT Images using SpatialConfiguration-Net and U-Net},
author = {Arnela Hadzic and Barbara Kirnbauer and Darko Stern and Martin Urschler},
journal= {arXiv preprint arXiv:2312.12189},
year = {2023}
}
备注
Accepted for VISIGRAPP 2024 (Track: VISAPP), 8 pages