STS2D2023——STS-基于2D 全景图像的牙齿分割任务

今天将分享STS-基于2D 全景图像的牙齿分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、STS2D2023介绍

受经济水平提升、人口老龄化加速等诸多因素影响，牙齿健康受到了越来越多的关注。近些年，以深度学习为代表的人工智能算法极大地推动了医学影像领域的发展，许多研发人员也在尝试如何让深度学习算法更好地应用服务于牙科影像领域，以实现更准确可靠的诊疗，造福更多患者。

二、STS2D2023任务

二维全景X射线图像牙齿分割。

三、STS2D2023数据集

初赛训练集提供2000张牙齿全景图像、测试集500张。训练集包括原图以及对应的mask，测试集仅提供原图。复赛共提供4000张牙齿图像，包含2000张有标签的牙齿图像（提供原图以及对应的mask）以及2000张无标签的牙齿全景图像。复赛的测试集包含1000张牙齿全景图像，只提供原图，不提供mask。初复赛数据不同，初赛时提供500张牙齿全景图像作为测试集，复赛时将提供1000张作为测试集，均只提供原图。

评价指标：采用Dice、霍夫距离、IOU评价指标。

四、技术路线

1、图像预处理，缩放到固定大小640x640，然后采用均值为0，方差为1的方式进行归一化处理。然后将数据分成训练集和验证集。

2、搭建VNet2d网络，使用AdamW优化器，学习率是0.001，batchsize是8，epoch是300，损失函数采用二分类的dice和交叉熵。

3、训练结果和验证结果

4、验证集分割结果

左图是原始图像，中间是金标准mask，右图是预测mask。

5、测试集分割结果