论文阅读：Tooth and Alveolar Bone Segmentation from Dental Computed Tomography Images

最新推荐文章于 2024-06-09 09:37:32 发布
原创 最新推荐文章于 2024-06-09 09:37:32 发布 · 794 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了使用2002年提出的MS多相水平集模型进行牙科CT图像中的牙齿及下颌骨分割的方法。该方法虽然能够实现多目标分割，但因需设置多个水平集而显得复杂且效率较低。

【论文信息】
Tooth and Alveolar Bone Segmentation from Dental Computed Tomography Images
发表在IEEE Journal of Biomedical and Health Informatics
3区，IF2
【背景】

【方法】
可以用2002年的MS多相水平集模型来进行多目标的分割，但是这样就需要17个水平集（16个牙齿以及一个下颌骨，太过复杂和低效。

【讨论&启发】

基于人工智能的 CBCT 牙齿及牙槽骨全自动分割系统A fully automatic AI system for tooth and alveolar bone segmentation from
needyn的博客
11-30 5878
从牙锥束CT (CBCT)图像中准确描绘单个牙齿和牙槽骨是数字牙科精确牙科保健的重要步骤。在本文中，我们提出了一种高效、精确和全自动分割真实患者CBCT图像的人工智能系统。我们的人工智能系统是在迄今为止最大的数据集上进行评估的，即使用来自15个不同中心的4,215名患者(4,938次CBCT扫描)的数据集。这种全自动人工智能系统实现了与经验丰富的放射科医生相当的分割精度(例如，在平均骰子相似系数方面提高了0.5%)，同时显著提高了效率(即快了500倍)。
论文阅读：Individual tooth segmentation from CT images scanned with contacts of maxillary and mandible te
bashana102的博客
03-01 1055
Preface Individual tooth segmentation from CT images scanned with contacts of maxillary and mandible teeth computer methods and programs in biomedicine 2017 Introduction 以前的文章几乎都是针对的上颌骨/下颌骨CT牙齿
Tooth and Alveolar Bone Segmentation From Dental Computed Tomography Images基于计算机断层扫描图像的牙齿和牙槽骨分割
needyn的博客
04-07 1186
计算机辅助正畸治疗计划和模拟需要牙槽骨复合体的三维模型。从计算机断层扫描(CT)图像中分割牙齿和牙槽骨是重建其模型的基本步骤。由于牙槽骨在常规正畸治疗中的应用较少，可能会产生不良的副作用，以往的研究主要集中在牙齿的分割和重建上，没有考虑到牙槽骨。在这项研究中，我们提出了一种从牙齿CT图像中实现牙齿和牙槽骨分割的方法，用于重建牙齿和牙槽骨的三维模型。该方法首先利用全局凸水平集模型从CT图像中提取牙齿和牙槽骨的连通区域;然后，基于Radon变换和局部水平集模型将单个牙齿和牙槽骨从连通区域中分离出来;
【亲测免费】 推荐开源项目：全自动AI牙齿和齿槽骨分割系统
最新发布
gitblog_00015的博客
06-09 1155
推荐开源项目：全自动AI牙齿和齿槽骨分割系统 项目介绍 这是一个革命性的开源项目，由Cui等人开发，旨在从锥形束计算机断层扫描（CBCT）图像中实现牙齿和齿槽骨的全自动实例分割。该系统已发表在2022年的《自然-通讯》杂志上，为医疗影像处理带来了新的突破。 项目技术分析 基于PyTorch 1.4.0，这个系统包含了两个阶段的训练代码，可以处理CBCT数据的预处理和模型训练。模型测试过程简单，只需...
论文阅读：Touching Tooth Segmentation from CT Image Sequences Using Coupled Level Set Method
bashana102的博客
05-25 608
【论文信息】 Touching Tooth Segmentation from CT Image Sequences Using Coupled Level Set Method Gao 2008 【背景】
Automatic Segmentation of Internal Tooth Structure from CBCT Images Using Hierarchical Deep Learning
qq_45745941的博客
05-11 424
牙齿的精确分割对于治疗规划至关重要。然而，以往的方法往往将牙齿视为一个整体进行分割，忽略了牙齿内部结构的重要性。本文提出了一种完全自动化的方法，用于分割牙齿的内部结构，包括牙釉质、牙本质和牙髓。这项任务具有挑战性，因为需要从CBCT图像中准确地识别96种不同的牙齿结构。设计了一个包含粗到精分割的三阶段过程，旨在在不降低原始分辨率的情况下实现牙齿内部结构的精确分割。为了有效地捕获牙齿的分层结构，提出了双层次U-Net（DHU-Net），该网络能够有效地融合来自不同层次的编码器和解码器特征。
Hierarchical Morphology-Guided Tooth Instance Segmentation from CBCT Images
needyn的博客
01-03 1757
从CBCT图像中自动准确地分割单个牙齿，即牙齿实例分割，是计算机辅助牙科的重要步骤。以往的研究通常忽略了牙齿丰富的形态学特征，如牙根尖，这对成功的治疗结果至关重要。本文提出了一个基于两阶段学习的框架，该框架明确地利用分层牙齿形态表示提供的全面几何指导进行牙齿实例分割。给定三维CBCT输入图像，我们的方法首先学习提取牙齿的质心和骨架，分别用于识别每个牙齿的大致位置和拓扑结构。基于第一步的输出，进一步设计了一种多任务学习机制，通过同时回归边界和根尖作为辅助任务来估计每个牙齿的体积掩模。
【文献阅读】精读Tooth Segmentation of Dental Study Models Using Range Images
qq_38939822的博客
10-12 1340
基于检测辐条分割牙齿 1 对齐 手动识别四个参考点，确定咬合平面。第一磨牙的分布颊尖(标记为1和4)和第一前磨牙的颊尖(标记为2和3)。参考点不需要精确定位，因为程序会在手动选择的点附近搜索最高点。 使咬合平面平行于x-y平面，且两个分布颊尖具有相同的y坐标 2 得到平面视距图像 将三维数据的顶点映射到一个规则间隔的二维数组。 每个像素对应的空间间距为毫米。最高的15毫米的三维数据被量化为256个灰度级，每个灰度级的高度分辨率为0.059毫米。 3 检测牙脊 梯度方向分析(GOA)：梯度方向上的不连续
论文阅读：3D exemplar-based random walks for tooth segmentation from cone-beam computed tomography images
bashana102的博客
05-12 931
【论文信息】 3D exemplar-based random walks for tooth segmentation from cone-beam computed tomography images Medical Physics 北大 【背景】 用积分投影方法分离相邻牙齿只能得到coarse segmentation results
论文阅读：Automatic Detection and Classi cation of Teeth in CT Data
bashana102的博客
02-23 1479
PrefaceMICCAI 2012 会议论文 文章实现了中全自动的牙齿检测和分类，对象为CBCT/MSCT，实验数据集是43套临床头部CT图像。 主要是两个步骤： 1. 分割上颌骨； 2. 分成16个子区域，把他们分类成有牙(existing)/无牙(missing)区域。1 Introduction（introduction写得可以，有些句子到时候写论文可以参考。）一般要是在CBCT
【文献阅读】20210913-20210917文献阅读
qq_38939822的博客
09-17 1215
4 Automatic tooth segmentation of dental mesh using a transverse plane 区域增长算法 6 Computerized Algorithm for 3D Teeth Segmentation 全景分割 7 Bio-Information Based Segmentation of 3D Dental Models不能下载
论文阅读：AUTOMATIC SEGMENTATION FOR 3D DENTAL RECONSTRUCTION
bashana102的博客
03-07 801
【论文信息】AUTOMATIC SEGMENTATION FOR 3D DENTAL RECONSTRUCTION 2015 ICCCNT EI会议 利用牙齿的domain knowledge来减少计算负担。从解剖学角度来分割。 采用canny算子，说是比ACM要好【背景】牙齿分割的难点在于： 噪声 连通性，牙齿之间经常连在一起 位置，跟上面其实差不多，边界不清晰 拓扑变化，会分裂成几个分支
论文阅读：Tooth model reconstruction based upon data fusion for orthodontic treatment simulation
bashana102的博客
03-06 786
【论文信息】Tooth model reconstruction based upon data fusion for orthodontic treatment simulation Computers in Biology and Medicine 2014 IF 1.5 二区【背景】回头看【方法】 首先将石膏模型数字化，将上面每个牙齿分割下来。使用如下公式计算顶点的斜率。 然后对斜率设
【论文合集】2022年11月医学影像期刊论文合集
sukeee的博客
12-06 3581
本文整理了11月医学影像期刊的文章列表，部分论文提供了图摘要，还附有标题高频词汇。 本月值得关注的论文包括Flare挑战赛和COVID-19-20 肺部 CT 病灶分割挑战的总结，医学分割架构的基准测试等值得关注的文章
读《Tooth-Marked Tongue Recgnition Using Multiple Instance Learning and CNN Features》
weixin_30917213的博客
11-06 191
本人 组会汇报的一篇关于齿痕舌判定的文章，贴上PPT 涉及多示例学习和神经网络方面知识。 准确率有待提高哈哈。 转载于:https://www.cnblogs.com/Lynn0101/p/9915281.html...
CVPR2019论文汇总
qq_42635561的博客
09-23 3723
CVPR2019论文汇总 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning Generating Classification Weights With GNN Deno...
CVPR2019论文题目中文列表
qq_33581906的博客
11-18 7476
英文题目 中文题目 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal 少镜头学习中用类别遍历法寻找任务相关特征 Edge-Labeling Graph Neural Network for Few-Shot Learning 用于少镜头学习的边缘标记图神...
论文阅读：Crown Segmentation From Computed Tomography Images With Metal Artifacts
bashana102的博客
03-06 1025
【论文信息】Crown Segmentation From Computed Tomography Images With Metal Artifacts IEEE SIGNAL PROCESSING LETTERS 2016 IF 1.66 三区 同样出自Zeyang Xia只手，深圳先进科学技术研究院的【背景】当有金属植入物存在时，牙齿的轮廓不容易识别出来。【方法】老套路，手动初始化slic
【论文笔记+代码参考】DCAN: Deep contour-aware networks for object instance segmentation from histology images
weixin_43911462的博客
09-18 2358
2017 摘要        本文中，作者在统一的多任务学习框架下提出了一种新的深度轮廓感知网络（DCAN），以实现更精确的检测和分割。在该网络中，基于端到端的全卷积网络（FCN）对多层次上下文特征进行了研究，以处理外观变化较大的问题。此外，进一步建议使用一个辅助监督机制来克服在训练较深网络时梯度消失的问题。本文网络不仅可以输出精确的组织学对象概率图，而且可以同时描绘出清晰的轮廓线来分离聚类对象实例，进一步提高了分割性能。在2015年
automatic tooth instance segmentation and identification from cone beam CT images
04-03
As an AI language model, I can suggest some possible steps for automatic tooth instance segmentation and identification from cone beam CT images: 1. Pre-processing: The first step is to pre-process ...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值