.png){kind=icon}
返回
STEAM: Self-supervised TEeth Analysis and Modeling for Point Cloud Segmentation
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05114-1_52.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从口内扫描仪(IOS)数据中精确分割3D牙齿点云对于正畸应用至关重要。尽管当前方法显示出前景，但它们对高质量标注数据集的依赖性因其标注成本高昂而受限，这进一步制约了其实际通用性。我们通过STEAM应对这一挑战，该框架是一种自监督学习框架，能够从大规模未标注的牙齿点云中学习全面特征。基于掩码自动编码器，我们的框架引入了两个关键创新：梯度引导自适应掩码(GAM)，该技术通过分析训练过程中的局部特征变化来自适应地识别和优先处理困难区域；以及多属性几何重建(MGR)，该技术重建包括点分布、法线和曲率在内的多种几何属性，以捕捉不同粒度的几何特征。通过在公开数据集上的大量实验，我们的方法在下游分割任务中仅需少量标注数据即可展现出优越性能，相较于现有方法取得了显著改进。结果表明，STEAM在最大化利用有限标注数据以支持实际牙科应用方面具有有效性。
Keyword:
Self-supervised Learning
3D Tooth Segmentation
Point Cloud Analysis
期刊
机构
引用论文
Privacy-Preserved Federated Learning for 3D Tooth Segmentation in Intra-Oral Mesh Scans隐私保护的联邦学习在口腔内网格扫描中的3D牙齿分割
OAAI
OAAI分享收藏Accuracy and efficiency of automatic tooth segmentation in digital dental models using deep learning.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏GRAB-Net: Graph-Based Boundary-Aware Network for Medical Point Cloud SegmentationGRAB-Net: 基于图的边界感知网络用于医学点云分割
PREAI
分享收藏
查看更多内容