3D-сегментация зубов на КБКТ: методы, точность и ограничения
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала рассматривает методы автоматической 3D-сегментации зубов на снимках конусно-лучевой компьютерной томографии (КБКТ) и их ограничения. По оценке автора, глубокое обучение значительно продвинуло эту область: опубликованные модели часто показывают коэффициент Dice 0,90–0,95, а результаты на стандартных случаях могут быть сопоставимы с экспертной сегментацией.
Автор отмечает, что точность снижают металлические артефакты, низкий контраст между корнями зубов и костью, движение пациента и необычное расположение зубов. Разработку алгоритмов затрудняет нехватка размеченных данных, хотя открытые наборы постепенно появляются: датасет CTooth, представленный в 2022 году, содержит 22 полностью размечённых объёма КБКТ. По мнению автора, для практического применения важно проверять модели на сложных случаях и учитывать, что некоторые инструменты выделяют все зубы единым классом, а не сегментируют каждый зуб отдельно.
Главное
- Автор материала описывает применение глубокого обучения для сегментации зубов на снимках конусно-лучевой компьютерной томографии.
- В обзоре автора опубликованные модели сегментации зубов часто достигают коэффициента Dice 0,90–0,95.
- Датасет CTooth, представленный в 2022 году, включает 22 полностью размечённых объёма КБКТ.
- Металлические артефакты, низкий контраст и необычное положение зубов осложняют автоматическую сегментацию.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация