基于 Transformer 且带有咬合与碰撞约束的牙齿排列预测
计算机视觉与模式识别
2024-11-13 v3
摘要
数字正畸治疗的规划需要提供牙齿排列方案，手动确定该方案不仅耗费大量时间和人力，而且高度依赖临床经验。在本工作中，我们提出了一种基于 Swin-transformer 的轻量级牙齿排列神经网络。我们首先基于虚拟弓形线重新组织三维点云，并将其转换为有序的多通道纹理，从而同时提高了准确性和效率。然后，我们设计了两个新的咬合损失函数，定量评估上下颌之间的咬合关系。据我们所知，它们是首次被引入的重要临床约束，并带来了前沿的预测准确度。为了训练我们的网络，我们收集了一个包含 591 个临床病例的大型数字正畸数据集，其中包括各种复杂的临床病例。由于迄今为止没有公开的数据集，该数据集在发布后将使社区受益。此外，我们还提出了两种考虑牙齿空间分布和咬合的正畸数据集增强方法。我们使用该数据集对方法进行了评估，进行了包括与 STAT 方法比较和消融研究在内的广泛实验，证明了我们方法的高预测准确度。
引用
@article{arxiv.2410.20806,
title = {Transformer-Based Tooth Alignment Prediction With Occlusion And Collision Constraints},
author = {ZhenXing Dong and JiaZhou Chen and YangHui Xu},
journal= {arXiv preprint arXiv:2410.20806},
year = {2024}
}
备注
Modify formatting errors, optimize content layout