STS MICCAI 2023 Challenge: Grand challenge on 2D and 3D semi-supervised tooth segmentation

计算机辅助设计（CAD）工具在现代牙科实践中越来越受欢迎，特别是用于治疗规划或全面预后评估。具体而言，2D全景X线图像可以有效地检测儿童的隐形龋齿、阻生牙和超数牙，而3D牙科锥形束计算机断层扫描（CBCT）由于其低辐射剂量而广泛用于正畸学和根管治疗。然而，目前没有针对儿童牙齿的开放式2D公共数据集，也没有开放的3D牙科CBCT数据集，这限制了自动算法用于分割牙齿和分析疾病的发展。半监督牙齿分割（STS）挑战赛是牙齿分割领域的先驱性活动，是阿里巴巴天池平台MICCAI 2023 ToothFairy研讨会的一部分。该挑战旨在研究有效的半监督牙齿分割算法，以推动牙科领域的发展。在这个挑战中，我们提供了包括2D全景X线图像和3D CBCT牙齿体积在内的两种模态。在任务1中，目标是分割成人和儿童牙齿的全景X线图像中的牙齿区域。任务2涉及使用CBCT体积分割牙齿部分。在这个挑战中，使用半监督算法进行训练的有限标记图像和大多数未标记图像。在初赛中，共有434支团队注册并提交结果，其中64支晋级到决赛。本文总结了STS MICCAI 2023挑战赛中排名前列的团队采用的多种方法。

解决问题：论文旨在推动牙科领域的自动化算法发展，通过提供2D和3D牙科图像数据集，探究半监督牙齿分割算法的有效性。

关键思路：论文提供了两种牙科图像数据集，分别是2D全景X射线图像和3D牙齿锥形束计算机断层扫描（CBCT）数据，旨在研究半监督牙齿分割算法的有效性。论文总结了在STS MICCAI 2023 Challenge中排名前几的团队采用的不同方法。

其他亮点：论文提供了两种牙科图像数据集，并提出了半监督牙齿分割算法的研究方向。在STS MICCAI 2023 Challenge中，共有434个团队注册并提交结果，64个团队进入了决赛。论文总结了决赛中排名前几的团队采用的不同方法，为该领域的研究提供了参考。

相关研究：最近的相关研究包括基于深度学习的牙齿分割算法、基于卷积神经网络的CBCT图像分割算法等。