ToothSegNet:CBCT 图像中图像退化遇上牙齿分割
图像与视频处理
2023-07-06 v1 计算机视觉与模式识别
摘要
在计算机辅助正畸中,许多医疗处理需要三维牙齿模型。从锥形束计算机断层扫描(CBCT)图像中进行牙齿分割是构建模型的关键步骤。然而,由拍摄设备与患者牙齿状况引起的金属伪影与模糊等 CBCT 图像质量问题使分割困难。本文提出 ToothSegNet,一种在训练中将分割模型暴露于所生成退化图像的新框架。ToothSegNet 通过通道交叉融合合并所设计退化模拟模块产生的高、低质量图像信息,以缩减编码器与解码器间的语义鸿沟,并通过结构约束损失精炼牙齿预测形状。实验结果表明,ToothSegNet 产生更精确的分割,并优于当前最优(SOTA)的医学图像分割方法。
引用
@article{arxiv.2307.01979,
title = {ToothSegNet: Image Degradation meets Tooth Segmentation in CBCT Images},
author = {Jiaxiang Liu and Tianxiang Hu and Yang Feng and Wanghui Ding and Zuozhu Liu},
journal= {arXiv preprint arXiv:2307.01979},
year = {2023}
}
备注
IEEE ISBI 2023