论文标题：A fully automated method for 3D individual tooth identification and segmentation in dental CBCT 论文链接：https://arxiv.org/abs/2102.06060 作者单位：延世大学 本文针对CBCT图像中的单个牙齿和颌骨开发了一种全自动分割和识别方法，性能优于ToothNet等网络，该方法为数字化牙科提供了有效的临床和实践框架。

由于难以将单个牙齿与相邻牙齿及其周围的牙槽骨分开，因此从锥束计算机断层扫描（CBCT）图像中准确，自动地对三维（3D）单个牙齿进行分割是一个具有挑战性的问题。因此，本文提出了一种从口腔CBCT图像中识别和分割3D单个牙齿的全自动方法。所提出的方法通过开发基于深度学习的分层多步模型解决了上述困难。首先，它会自动生成上下颌全景图像，以克服由于高维数据和与有限训练数据集相关的维数诅咒而引起的计算复杂性。然后，将获得的2D全景图像用于识别2D单个牙齿，并捕获3D单个牙齿的感兴趣的松散区域和紧密区域（ROI）。最后，使用松散和紧密的ROI均可实现精确的3D单个牙齿分割。实验结果表明，该方法在牙齿识别中的F1得分为93.35％，在单个3D牙齿分割中的Dice相似系数为94.79％。结果表明，该方法为数字牙科提供了有效的临床和实践框架。

内容中包含的图片若涉及版权问题，请及时与我们联系删除