跳到正文
原文
Nature 健康护理主题·· 4 天前精选AI 评分64

DentAll框架:全景牙片中的上下文感知牙齿分割与缺牙定位研究

Context-aware tooth instance segmentation and missing-tooth localization in panoramic radiographs

AI 导读

一项发表于Scientific Reports的研究提出DentAll框架,集成牙齿实例分割与解剖学缺失位点预测。在1,325例全景牙片中,实例级分割达DSC 88.21%(匹配实例92.74%)、AP50为97.34%;缺牙定位器MTLP将IoU≥0.5达标率由仅用索引的25.20%提升至72.58%,无需显式缺牙标注即可利用同弓邻近牙几何与目标牙身份进行坐标回归预测。

推荐理由

研究团队提出DentAll框架,在全景牙片中实现牙齿实例分割与缺牙定位,为口腔影像AI应用提供可参考的技术路径。

正文 · AI 翻译

我们提前分享本文,以便更快获取经同行评审并录用的研究成果。该文章可引用且带有永久 DOI。此版本仍可能进一步编辑,并将由最终正式出版版本自动替换。所有法律声明均适用。

摘要

牙齿个体定位与分割的可靠性是实现自动化牙科诊断和计算机辅助治疗规划的基石。然而,全景X线摄影因解剖变异、结构重叠及图像质量不稳定等因素长期面临挑战,致使临床工作流程高度依赖人工判读。本研究提出 DentAll,一种将牙齿实例分割与基于解剖学预期的缺牙位置上下文估计相融合的分析框架。所提出的带上下文空间注意力模块的分割方法(S-CSAB)结合膨胀卷积与基于感兴趣区域(ROI)的位置编码,在保持相邻牙齿间解剖一致性的同时,增强了对细微边界的精细 delineation。在此基础上,缺牙定位预测器(MTLP)通过患者条件化的坐标回归来估计缺牙位置,利用目标牙身份与其最近同弓邻牙的几何关系,无需显式标注缺牙信息。DentAll 在 1,325 张全景 X 线片上进行了评估,包括实例级分割指标、COCO 风格掩码平均精度、对比基线和对照伪缺失定位实验。在全真值评估协议下,该框架实现了 88.21% 的 DSC(成功匹配实例中达 92.74%)、AP50 为 97.34%、AP75 为 87.20%、mAP50:95 为 68.58%,且上下文 MTLP 定位将 IoU ≥ 0.5 比率从仅索引公式的 25.20% 提升至 72.58%。上述结果表明,将实例分割与患者特异性解剖上下文整合,为在解剖变异条件下对全景牙科 X 线片进行结构化分析提供了一个高效且计算可行的框架。

资助信息

本工作受韩国国家研究基金会(NRF)Glocal R&D 支持项目(RS-2026-25570738)资助,该项目由韩国教育部(MOE)拨款;另获韩国政府科学技术信息通信部(MSIT)资助的 NRF grants(No. RS-2023-00217471)。

作者信息

作者及单位

  1. 计算机科学与工程学院,荷语鲁汶大学(KU Leuven),3000,比利时

    Shaily Bajpai

  2. 工业设计系,埃因霍温理工大学,5612 AE,荷兰

    Hamza Shafiq

  3. 能源 AI 部,韩国能源技术研究院(KENTECH),58330,韩国南原市

    Bumshik Lee

作者

  1. Shaily Bajpai
  2. Hamza Shafiq
  3. Bumshik Lee

通讯作者

通讯请联系 Bumshik Lee。

伦理声明

利益冲突

作者声明无 competing interest。

补充信息

出版社声明

Springer Nature 对在已发表地图中的管辖权主张及机构隶属关系保持中立立场。

权利与许可

开放获取 本文采用知识共享署名-非商业性使用-禁止演绎4.0国际许可协议授权,允许在任何介质或格式中以非商业方式使用、分享、分发和复制,前提是您对原作者和来源给予适当致谢,提供知识共享许可协议链接,并说明是否对许可材料进行了修改。根据本许可协议,您无权分享由本文衍生或部分的改编材料。本文中的图片或其他第三方素材包含在文章的知识共享许可协议中,除非素材的信用说明中有其他标注。如果素材未包含在文章的知识共享许可协议中,且您的预期用途不受法规许可或超出许可范围,则您需要直接从版权所有者处获得许可。如需查看该许可协议的副本,请访问 http://creativecommons.org/licenses/by-nc-nd/4.0/。

reprint及Permissions

关于本文

Check for updates. Verify currency and authenticity via CrossMark

引用本文

Bajpai, S., Shafiq, H. & Lee, B. Context-aware tooth instance segmentation and missing-tooth localization in panoramic radiographs. Sci Rep (2026). https://doi.org/10.1038/s41598-026-78690-0

下载引用

  • 收稿: 2026年4月21日

  • 接受: 2026年10月27日

  • 发表: 2026年11月16日

  • DOI: https://doi.org/10.1038/s41598-026-78690-0

关键词

来源:Nature 健康护理主题 · nature.com