TSegFormer: 3D Tooth Segmentation in Intraoral Scans with Geometry Guided Transformer

要約

光学口腔内スキャナー (IOS) は、歯冠と歯肉の詳細な 3D 情報を提供するためにデジタル歯科医療で広く使用されています。
IOS での正確な 3D 歯のセグメンテーションは、さまざまな歯科用途にとって重要ですが、これまでの方法では複雑な境界でエラーが発生しやすく、患者全体で満足のいく結果が得られませんでした。
この論文では、マルチタスク 3D トランスフォーマー アーキテクチャを使用して、IOS 点群内のさまざまな歯と歯肉間のローカルおよびグローバルな依存性の両方を捕捉する TSegFormer を提案します。
さらに、新しい点の曲率に基づいてジオメトリに基づく損失を設計し、エンドツーエンドの方法で境界を洗練し、臨床的に適用可能なセグメンテーションに到達するための時間のかかる後処理を回避します。
さらに、16,000 の IOS を含むデータセットを作成しました。これは、私たちが知る限り史上最大の IOS データセットです。
実験結果は、当社の TSegFormer が既存の最先端のベースラインを常に上回っていることを示しています。
TSegFormer の優位性は、広範な分析、視覚化、および実際の臨床応用性テストによって裏付けられています。
私たちのコードは https://github.com/huiminxiong/TSegFormer で入手できます。

要約(オリジナル)

Optical Intraoral Scanners (IOS) are widely used in digital dentistry to provide detailed 3D information of dental crowns and the gingiva. Accurate 3D tooth segmentation in IOSs is critical for various dental applications, while previous methods are error-prone at complicated boundaries and exhibit unsatisfactory results across patients. In this paper, we propose TSegFormer which captures both local and global dependencies among different teeth and the gingiva in the IOS point clouds with a multi-task 3D transformer architecture. Moreover, we design a geometry-guided loss based on a novel point curvature to refine boundaries in an end-to-end manner, avoiding time-consuming post-processing to reach clinically applicable segmentation. In addition, we create a dataset with 16,000 IOSs, the largest ever IOS dataset to the best of our knowledge. The experimental results demonstrate that our TSegFormer consistently surpasses existing state-of-the-art baselines. The superiority of TSegFormer is corroborated by extensive analysis, visualizations and real-world clinical applicability tests. Our code is available at https://github.com/huiminxiong/TSegFormer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google