基于深度学习对CBCT图像采用多视角投影的牙齿分类

摘要

目的：针对当前基于锥形束计算机断层扫描（CBCT）图像的牙齿分类方法过于依赖精确分割，缺少对牙齿形态和位置信息的综合利用，提出一种基于多视角投影和Transformer架构的牙齿分类方法，可对全年龄层的CBCT图像中的牙齿（包括儿童病例）进行准确的52分类。方法：通过引入多视角投影，结合Transformer架构，融合语义分割和实例分割，由粗至细进行牙齿分类任务，增强对牙齿空间位置信息的利用。采用国际牙科联盟（FDI）两位数牙位标记法对CBCT图像中的牙齿进行分类，并对多视角融合效果进行评估。结果：改进后的方法能够准确区分恒牙与乳牙，同时有效地进行牙齿编号，牙齿层面的分类准确率达到0.982。结论：基于多视角投影与Transformer架构的牙齿分类方法实现对牙齿类别与位置信息的有效融合，提高牙齿分类的精度，为个性化治疗方案的制定提供更为精确的基础。

关键词

深度学习 / 锥形束计算机断层扫描 / 牙齿识别 / 多视角投影

基金资助

国家自然科学基金（82472056）; 广东省自然科学基金（2024A1515012004）