论文阅读：AUTOMATIC SEGMENTATION FOR 3D DENTAL RECONSTRUCTION

最新推荐文章于 2024-04-07 15:22:07 发布
最新推荐文章于 2024-04-07 15:22:07 发布
阅读量697 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bashana102/article/details/60766813
版权

【论文信息】

AUTOMATIC SEGMENTATION FOR 3D DENTAL RECONSTRUCTION
2015 ICCCNT EI会议
利用牙齿的domain knowledge来减少计算负担。从解剖学角度来分割。
采用canny算子，说是比ACM要好

【背景】

牙齿分割的难点在于：

  1. 噪声
  2. 连通性，牙齿之间经常连在一起
  3. 位置，跟上面其实差不多，边界不清晰
  4. 拓扑变化，会分裂成几个分支
  5. 低分辨率

related works 部分写得很全，是牙齿领域里面写得最好的introduction。许多方法还要再看一下。甚至还引用了牙齿解剖学的文章。罗列了牙齿的很多特性。

  • 牙齿位于牙弓线上面，呈弧线状
  • 牙齿具有长圆柱形形状，垂直位置
  • 断面是圆形的，切牙牙冠的断面是椭圆形、卵形的
  • 单个牙齿可被划分为牙冠和牙根区域
  • 牙冠被空气包围；牙根被牙周和颌骨包围
  • 牙冠表面是珐琅（搪瓷），CT值最高；牙根表面是牙骨质。
  • 内部，包含了牙本质（骨结构）和牙髓（软组织）
  • 牙冠被分为颈部（靠近牙根）、中部、还有咬合部（切割部）
  • 切割部或咬合部稍下方一点的部位，拥有最大的断面面积，经常与相邻牙齿接触在一起。
  • 牙齿都只有一个牙根，除了磨牙以外（有2-3个）。上前磨牙和下颌磨牙有两个牙根，上二磨牙有两个牙根，上磨牙有三个牙根。
  • 牙根最
最低0.47元/天 解锁文章
kczh
关注
专栏目录
论文阅读-GroupViT：Semantic Segmentation Emerges from Text Supervision（语义分割CVPR2022）
一位不是很硕的鉴伪方向硕士
10-31 2061
GroupViT 的核心思想是利用了深度学习之前无监督分割的 grouping 思想。当时的做法大概是在确定某个中心点之后，不断向外发散，将接近的点都分到一个 group 中，最终发散完毕，得到分割结果。在 GroupViT 中的 grouping 是将 ViT 中的图像块 token进行分配，分配到不同的语义类别 token 上。
心脏三维重构的调研报告
北川大大的博客
04-13 3016
 最近导师让做一个关于心脏的三维重构报告，查阅了很多的资料，这一块感觉还是比较冷门的，所以更新一下，希望能够帮助后来的童鞋~~~ 1.调研背景  1.1背景介绍        近年来，CT、CR、DR、MRI、 US、PET、SPECT 等多种成像技术开始逐渐成熟并在医学疾病诊断中获得广泛应用，而随着人工智能的兴起，其在医疗领域能起到的作用也愈来愈明显，特别是在医学影像辅助诊疗方面具有广阔的前景。...
论文阅读：Automatic Detection and Classi cation of Teeth in CT Data
bashana102的博客
02-23 1266
PrefaceMICCAI 2012 会议论文 文章实现了中全自动的牙齿检测和分类，对象为CBCT/MSCT，实验数据集是43套临床头部CT图像。 主要是两个步骤： 1. 分割上颌骨； 2. 分成16个子区域，把他们分类成有牙(existing)/无牙(missing)区域。1 Introduction（introduction写得可以，有些句子到时候写论文可以参考。）一般要是在CBCT
论文阅读：Automatic Tooth Region Separation for Dental CT Images
bashana102的博客
05-12 575
【论文信息】 Automatic Tooth Region Separation for Dental CT Images Hui Gao 2008 年发表的会议论文 【背景】 提出了该领域研究内容：In order to reconstruct each tooth model from images we need to handle the following problems suc
论文阅读：3D exemplar-based random walks for tooth segmentation from cone-beam computed tomography images
bashana102的博客
05-12 834
【论文信息】 3D exemplar-based random walks for tooth segmentation from cone-beam computed tomography images Medical Physics 北大 【背景】 用积分投影方法分离相邻牙齿只能得到coarse segmentation results
论文阅读：Fast and Accurate Semiautomatic Segmentation of Individual Teeth from Dental CT Images
bashana102的博客
04-01 1022
【论文信息】Fast and Accurate Semiautomatic Segmentation of Individual Teeth from Dental CT Images 4区SCI IF 0.887 【背景】
论文阅读：Individual tooth segmentation from CT images scanned with contacts of maxillary and mandible te
bashana102的博客
03-01 918
Preface Individual tooth segmentation from CT images scanned with contacts of maxillary and mandible teeth computer methods and programs in biomedicine 2017 Introduction 以前的文章几乎都是针对的上颌骨/下颌骨CT牙齿
3D-RCNN: Instance-level 3D Object Reconstruction via Render-and-Compare
07-04
We present a fast inverse-graphics framework for instance-level 3D scene understanding. We train a deep convolutional network that learns to map image regions to the full 3D shape and pose of all ...
论文阅读：ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
01-07
文章目录1 摘要2 亮点2.1 initial模块和bottlebeck模块2.1.1 initial模块2.1.2 bottlebeck模块2.2 PReLU2.3 普通卷积、非对称卷积、空洞卷积混合使用2.4 ENet总体结构3 效果4 结论5 参考资料 1 摘要 ...
Hierarchical Morphology-Guided Tooth Instance Segmentation from CBCT Images
needyn的博客
01-03 1228
从CBCT图像中自动准确地分割单个牙齿，即牙齿实例分割，是计算机辅助牙科的重要步骤。以往的研究通常忽略了牙齿丰富的形态学特征，如牙根尖，这对成功的治疗结果至关重要。本文提出了一个基于两阶段学习的框架，该框架明确地利用分层牙齿形态表示提供的全面几何指导进行牙齿实例分割。给定三维CBCT输入图像，我们的方法首先学习提取牙齿的质心和骨架，分别用于识别每个牙齿的大致位置和拓扑结构。基于第一步的输出，进一步设计了一种多任务学习机制，通过同时回归边界和根尖作为辅助任务来估计每个牙齿的体积掩模。
Tooth and Alveolar Bone Segmentation From Dental Computed Tomography Images基于计算机断层扫描图像的牙齿和牙槽骨分割
最新发布
needyn的博客
04-07 582
计算机辅助正畸治疗计划和模拟需要牙槽骨复合体的三维模型。从计算机断层扫描(CT)图像中分割牙齿和牙槽骨是重建其模型的基本步骤。由于牙槽骨在常规正畸治疗中的应用较少，可能会产生不良的副作用，以往的研究主要集中在牙齿的分割和重建上，没有考虑到牙槽骨。在这项研究中，我们提出了一种从牙齿CT图像中实现牙齿和牙槽骨分割的方法，用于重建牙齿和牙槽骨的三维模型。该方法首先利用全局凸水平集模型从CT图像中提取牙齿和牙槽骨的连通区域;然后，基于Radon变换和局部水平集模型将单个牙齿和牙槽骨从连通区域中分离出来;
【文献阅读】20210913-20210917文献阅读
qq_38939822的博客
09-17 937
4 Automatic tooth segmentation of dental mesh using a transverse plane 区域增长算法 6 Computerized Algorithm for 3D Teeth Segmentation 全景分割 7 Bio-Information Based Segmentation of 3D Dental Models不能下载
论文阅读：Tooth and Alveolar Bone Segmentation from Dental Computed Tomography Images
bashana102的博客
07-27 690
【论文信息】 Tooth and Alveolar Bone Segmentation from Dental Computed Tomography Images 发表在IEEE Journal of Biomedical and Health Informatics 3区，IF2 【背景】【方法】 可以用2002年的MS多相水平集模型来进行多目标的分割，但是这样就需要17个水平集（1
读《Tooth-Marked Tongue Recgnition Using Multiple Instance Learning and CNN Features》
weixin_30917213的博客
11-06 145
本人 组会汇报的一篇关于齿痕舌判定的文章，贴上PPT 涉及多示例学习和神经网络方面知识。 准确率有待提高哈哈。 转载于:https://www.cnblogs.com/Lynn0101/p/9915281.html...
matlab牙齿分割,3维牙颌模型牙齿分割的路径规划方法
weixin_34060849的博客
03-21 2296
发布时间: 2018-01-16摘要点击次数:全文下载次数:DOI: 10.11834/jig.1703372018 | Volume 23 | Number 1医学图像处理 3维牙颌模型牙齿分割的路径规划方法吴婷, 张礼兵嘉兴学院机电工程学院, 嘉兴 314001收稿日期: 2017-03-05; 修回日期: 2017-09-19基金项目: ...
CVPR2019论文汇总
qq_42635561的博客
09-23 3392
CVPR2019论文汇总 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning Generating Classification Weights With GNN Deno...
（十八：2020.10.10）MICCAI 2020 追踪之论文纲要（译）＜上＞
Jojo论文基地
10-10 5183
讲在前面 暂时先更新PART I, 持续更新。 论文目录 PART I 《Machine Learning Methodologies 机器学习方法》 论文 概要 1.Attention, Suggestion and Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation注意，建议和注释：用于生物医学图像分割的深度学习框架 2.Scribble2Label: Scribble-Sup
CVPR2019论文题目中文列表
qq_33581906的博客
11-18 6700
英文题目 中文题目 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal 少镜头学习中用类别遍历法寻找任务相关特征 Edge-Labeling Graph Neural Network for Few-Shot Learning 用于少镜头学习的边缘标记图神...
ksh: 8687778 Segmentation fault
10-23
而在引用和引用中出现了Segmentation fault (core dumped)的报错信息。这个错误通常是由于程序访问了无效的内存地址或者试图访问受保护的内存区域所导致的。而ksh: 8687778 Segmentation fault这个报错信息中的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值