Компьютерные науки > Компютерное видение и распознавание моделей [представлено 15 июля 2026 года] Название: Автоматизированная сегментация зубных кадр в панорамных радиографах с использованием двухэтажного глубокого изучения PDF Резюме: Раннее обнаружение зубов-кари остается сложной задачей изза ограничений традиционных методов диагностики, особенно при проксимальных повреждениях задних зубов. Модели углубленного обучения открывают перспективы для автоматизированного обнаружения кариес, но сталкиваются с ограничениями в плане масштабности ввиду требований о больших объемах экспертных данных об обучении. Это исследование представляет собой двухэтапную систему глубокого обучения, сочетающую ускоренное применение R-CNN для локализации зубов с U-Net для сегментации пикселей в панорамных радиографах. Мы разработали трубопровод для систематического преобразования в целях превращения массивов данных, распределенных по многоугольникам, в двоичные маски сегментации высокого разрешения, что позволит осуществлять обучение под контролем пикселя. Эта система была подготовлена с использованием как проверенных экспертами наборов данных, так и алгоритмно обработанных этикеток из 3000 панорамных изображений. Наш подход позволил добиться высоких показателей эффективности при коэффициенте 0,9013 кубиков в размере 0,9482, восприятии 0,9333 и точности 0,9774, что свидетельствует о более высокой степени точности по сравнению с существующими методами при значительном снижении уровня ложной…
Автоматизированная сегментация зубоврачебных канатов в панорамных радиографах с использованием двухэтажного глубокого обучения
arXiv: 2609.18952v1 Вид уведомления: перекрестное резюме: Раннее обнаружение зубных кариес по-прежнему сопряжено с трудностями изза ограничений в традиционных методах диагностики, особенно при проксимальных повреждениях задних зубов. Модели углубленного обучения открывают перспективы для автоматизированного обнаружения кариес, но сталкиваются с ограничениями в плане масштабности ввиду требований о больших объемах экспертных данных об обучении. Это исследование представляет собой двухэтапную систему глубокого обучения, сочетающую ускоренное применение R-CNN для локализации зубов с U-Net для сегментации пикселей в панорамных радиографах. Мы разработали трубопровод для систематического преобразования в целях превращения массивов данных, распределенных по многоугольникам, в двоичные маски сегментации высокого разрешения, что позволит осуществлять обучение под контролем пикселя. Эта система была подготовлена с использованием как проверенных экспертами наборов данных, так и алгоритмно обработанных этикеток из 3000 панорамных изображений. Наш подход позволил добиться высоких показателей эффективности с коэффициентом IoU 0,9013, коэффициентом Dice 0,9482, отзывом 0,9333 и точностью
