牙齿修复

⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-05-24 更新

Oral Imaging for Malocclusion Issues Assessments: OMNI Dataset, Deep Learning Baselines and Benchmarking

Authors:Pujun Xue, Junyi Ge, Xiaotong Jiang, Siyang Song, Zijian Wu, Yupeng Huo, Weicheng Xie, Linlin Shen, Xiaoqin Zhou, Xiaofeng Liu, Min Gu

Malocclusion is a major challenge in orthodontics, and its complex presentation and diverse clinical manifestations make accurate localization and diagnosis particularly important. Currently, one of the major shortcomings facing the field of dental image analysis is the lack of large-scale, accurately labeled datasets dedicated to malocclusion issues, which limits the development of automated diagnostics in the field of dentistry and leads to a lack of diagnostic accuracy and efficiency in clinical practice. Therefore, in this study, we propose the Oral and Maxillofacial Natural Images (OMNI) dataset, a novel and comprehensive dental image dataset aimed at advancing the study of analyzing dental images for issues of malocclusion. Specifically, the dataset contains 4166 multi-view images with 384 participants in data collection and annotated by professional dentists. In addition, we performed a comprehensive validation of the created OMNI dataset, including three CNN-based methods, two Transformer-based methods, and one GNN-based method, and conducted automated diagnostic experiments for malocclusion issues. The experimental results show that the OMNI dataset can facilitate the automated diagnosis research of malocclusion issues and provide a new benchmark for the research in this field. Our OMNI dataset and baseline code are publicly available at https://github.com/RoundFaceJ/OMNI.

错颌是口腔正畸学面临的一项重大挑战。由于其复杂的呈现和多样的临床表现，准确的定位和诊断尤为重要。目前，牙科图像分析领域面临的一个主要短板是缺乏大规模、专门针对错颌问题的精确标注数据集，这限制了牙科自动化诊断技术的发展，并导致临床实践中诊断的准确性和效率不足。因此，本研究提出了口腔颌骨自然图像（OMNI）数据集，这是一个新型全面的牙科图像数据集，旨在推进用于分析牙科图像以解决错颌问题的研究。具体而言，该数据集包含由专业牙医标注的4166张多视角图像，涉及384名参与者。此外，我们对创建的OMNI数据集进行了全面的验证，包括三种基于CNN的方法、两种基于Transformer的方法和一种基于GNN的方法，并对错颌问题进行了自动化诊断实验。实验结果表明，OMNI数据集能够促进错颌问题的自动化诊断研究，并为该领域的研究提供新的基准。我们的OMNI数据集和基线代码可在https://github.com/RoundFaceJ/OMNI公开获取。

论文及项目相关链接

PDF

Summary

本文介绍了口腔和颌骨自然图像（OMNI）数据集，这是一个新型全面的牙科图像数据集，旨在推进分析牙科图像以解决咬合不正问题。该数据集包含由专业牙医标注的4166张多角度图像，涉及384名参与者。此外，研究团队通过多个深度学习模型验证了数据集的有效性，并发现该数据集能够促进咬合不正的自动化诊断研究，为相关领域提供新的基准。数据集和基线代码已公开在GitHub上。

Key Takeaways

1. 马齿问题是口腔正畸学的主要挑战之一，因其复杂的表现和多样的临床症状，准确的定位和诊断尤其重要。
2. 当前牙科图像分析领域面临的主要短板之一是缺乏大规模、专门针对咬合不正问题的精确标注数据集。
3. OMNI数据集的提出旨在推进牙科图像的自动化诊断研究，包含多角度的牙科图像和相应的专业牙医标注。
4. OMNI数据集包含4166张图像和384名参与者，为多视图牙科图像分析提供了丰富的数据资源。
5. 研究团队通过多种深度学习模型验证了OMNI数据集的有效性。
6. OMNI数据集能够促进咬合不正的自动化诊断研究，为相关领域提供新的基准。

Cool Papers

点此查看论文截图