Teeth-SEG：基于人类先验知识的高效正畸治疗实例分割框架
计算机视觉与模式识别
2024-04-02 v1 人工智能
摘要
2D图像中的牙齿定位、分割和标注在现代牙科中具有巨大潜力，可增强牙科诊断、治疗规划以及基于人群的口腔健康研究。然而，通用的实例分割框架难以胜任，原因在于：1) 某些牙齿形状之间存在细微差异（例如上颌第一前磨牙和第二前磨牙）；2) 不同受试者的牙齿位置和形状存在变异；3) 牙列中存在异常情况（例如龋齿和无牙颌）。为了解决这些问题，我们提出了一个基于ViT的框架TeethSEG，它由堆叠的多尺度聚合（MSA）模块和人类先验知识（APK）层组成。具体而言，为了构建这两个模块，我们设计了：1) 一个独特的基于排列的上采样器，以确保高效率，同时通过 2) 多头自/交叉门控层建立清晰的分割边界，以强调特定语义，同时保持token嵌入之间的差异。此外，我们收集了 3) 第一个开源口内图像数据集IO150K，包含超过15万张口内照片，所有照片均由正畸医生使用人机混合算法进行标注。在IO150K上的实验表明，我们的TeethSEG在牙齿图像分割上优于最先进的分割模型。
引用
@article{arxiv.2404.01013,
title = {Teeth-SEG: An Efficient Instance Segmentation Framework for Orthodontic Treatment based on Anthropic Prior Knowledge},
author = {Bo Zou and Shaofeng Wang and Hao Liu and Gaoyue Sun and Yajie Wang and FeiFei Zuo and Chengbin Quan and Youjian Zhao},
journal= {arXiv preprint arXiv:2404.01013},
year = {2024}
}
备注
This paper has been accepted by CVPR 2024