Teeth-SEG: An Efficient Instance Segmentation Framework for Orthodontic Treatment based on Anthropic Prior Knowledge

在现代牙科中，2D图像中的牙齿定位、分割和标记具有强大的潜力，可以增强牙科诊断、治疗规划和口腔健康的人群研究。然而，由于一些牙齿形状之间的微妙差异（例如上颌第一前磨牙和第二前磨牙）、不同个体之间牙齿的位置和形状变化，以及牙齿异常（例如龋齿和缺齿）的存在，一般的实例分割框架无法胜任。为了解决这些问题，我们提出了一种基于ViT的框架，名为TeethSEG，它由堆叠的多尺度聚合（MSA）块和人类先验知识（APK）层组成。具体来说，为了组成这两个模块，我们设计了1）一种独特的基于置换的上采样器，以确保高效率同时建立清晰的分割边界，2）多头自/交叉门控层以强调特定的语义，同时保持令牌嵌入之间的差异。此外，我们收集了3）第一个开源的口内图像数据集IO150K，其中包括超过150k张口内照片，并且所有照片都是由正畸医生使用人机混合算法进行注释的。在IO150K上的实验表明，我们的TeethSEG在牙科图像分割方面优于最先进的分割模型。

论文旨在解决牙齿定位、分割和标记的问题，这在现代牙科诊断、治疗规划和口腔健康的人群研究中具有重要潜力。但是，由于牙齿形状之间的细微差异、受试者之间的牙齿位置和形状变化以及牙齿异常（如龋齿和缺齿）的存在，通用实例分割框架无法胜任这项任务。

论文提出了一种基于ViT的框架TeethSEG，它由堆叠的多尺度聚合（MSA）块和人类先验知识（APK）层组成。为了组成这两个模块，作者设计了一种独特的基于置换的上采样器，以确保高效率同时建立清晰的分割边界，并使用多头自/交叉门控层强调特定的语义，同时保持令牌嵌入之间的差异。

作者收集了第一个开源的口腔影像数据集IO150K，其中包含超过150k的口腔照片，并且所有照片都由正畸医师使用人机混合算法进行了注释。实验结果表明，TeethSEG在牙齿图像分割方面优于现有的模型。

最近的相关研究包括DeepTeeth、ToothNet和TeethNet。