Key points are not available for this paper at this time.
정확한 치아 세분화는 임상 수술 전에 필수적인 단계입니다. 본 논문에서는 치아 세분화를 위해 포괄적인 의미 정보를 활용하는 생성적 적대 신경망 구조를 활용한 깊은 세분화 네트워크 ToothPix를 소개합니다. ToothPix의 생성자에는 넓은 잔차 블록과 인코더-디코더 구조를 도입하여, 완전 합성곱 신경망 판별기에 의해 안내되는 치아의 그레이스케일 및 경계 특성을 학습할 수 있습니다. 세밀한 진실이 없이도 ToothPix의 손실은 판별기를 혼란스럽게 하면서 특성 추출을 안내하고 네트워크의 과적합을 효과적으로 피합니다. 또한, ToothPix는 이미지 변환의 조합을 통해 전체 파노라마 X선 이미지에서 작은 패치를 생성하여 샘플의 다양성을 증가시키고 계산량을 줄입니다. 실험 결과, 우리의 방법은 LNDb 치과 데이터셋에서 최첨단 방법보다 우수한 성능을 보였습니다.
Cui et al. (화요일)가 이 질문을 연구했습니다.