A Collaborative Learning Framework With Coupling Graph Transformers for 3D Tooth Segmentation

doi:10.1109/TMM.2025.3599046

A Collaborative Learning Framework With Coupling Graph Transformers for 3D Tooth Segmentation

2025-01-01

0

PRE

AI

DOI：10.1109/TMM.2025.3599046

原文链接

原文求助

摘要

En 中文

3D牙科模型的自动牙齿分割是正畸计算机辅助设计（CAD）系统中的一个重要步骤。然而，大多数现有方法依赖于单视图牙科模型，并忽略了上下牙科模型之间的内在关系，阻碍了对复杂牙齿结构的处理。本文提出了一种带有耦合图Transformer的协作学习框架（CGT-CLF），用于3D牙科模型的自动牙齿分割。该框架协同学习上下牙科模型的几何特征，通过促进图Transformer编码器之间的交互来捕捉它们的交互性和互补性，以提高对复杂和多样化牙齿的分割效果。具体而言，CGT-CLF包含以下三个关键组件：首先，开发了一种基于图嵌入的边界感知模块（GEBPM），用于在邻域图域中聚合细粒度几何特征，增强网络感知和区分复杂牙齿边界的能力。然后，设计了耦合几何Transformer，通过促进相关信息交换来捕捉成对牙科模型的内在关系，以全面理解整体牙齿结构，从而更好地识别外观相似的相邻牙齿。最后，采用了一种协作跨尺度特征融合（CCFF）策略，通过建模双流特征之间的关系来获取交互和互补信息。在临床牙科模型数据集上的实验结果表明，所提出的CGT-CLF框架优于当前最先进的方法，提供了更优越的分割性能。

Keyword:

Computer-aided design (CAD)

deep learning

intra-oral scans (IOS)

3D tooth segmentation

Transformer

A Collaborative Learning Framework With Coupling Graph Transformers for 3D Tooth Segmentation

摘要

期刊

机构

引用论文