基于点检测与高斯解耦的锥形束 CT 图像牙齿实例分割

锥形束计算机断层扫描图像中单颗牙齿的分割与识别是正畸治疗的术前前提。使用卷积神经网络的实例分割方法在单颗牙齿分割任务上已取得突破性结果，并用于多种医学影像应用。尽管基于点的检测网络在牙科图像上取得了优越结果，但由于相邻牙齿拓扑相似且彼此接近，区分它们仍是一项挑战性任务。在本研究中，我们提出一种基于点的牙齿定位网络，其基于高斯解耦目标函数有效解耦每颗独立牙齿。所提网络首先对全部解剖学牙齿进行热图回归并伴随边界框回归。通过最小化所有相邻牙齿对热图逐像素相乘之和，采用一种新颖的高斯解耦惩罚。随后，通过将逐像素标注任务转换为距离图回归任务来最小化牙齿相邻区域的假阳性，从而实现单颗牙齿分割。实验结果表明，所提算法将检测平均精度提升 9.1%，优于当前最优方法，从而在单颗牙齿分割上取得高性能。所提方法的主要意义有两点：1) 引入了无需额外分类的基于点的牙齿检测框架；2) 设计了一种在基于点的检测框架中基于热图响应有效分离高斯分布的新型损失函数。