SemiTooth: 多源歯のセグメンテーションに対する一般化可能な半教師付きフレームワーク

要旨: 人工知能の急速な進展により、臨床診断と治療のための知能歯科医療は、ますます有望になっている。臨床歯科の主要なタスクとして、コーンビームCT（CBCT）による歯の構造セグメンテーションは、近年顕著な進歩を遂げている。しかし、完全にアノテーションされたデータの取得の難しさと、異なる機関間での多源データの取得のばらつきにより、CBCTスライスには低品質な活用、ボクセルレベルの不整合、ドメイン固有の差異が生じている。したがって、多源かつラベルなしデータの合理的かつ効率的な活用は、極めて重要な課題である。本論文では、多源歯セグメンテーションのための一般化可能な半教師付きフレームワークであるSemiToothを提案する。具体的には、臨床用歯科CBCTの多源半教師付きデータセットであるMS3Toothsetを構築し、3つのソースから成り、異なるレベルのアノテーションを含むデータを含む。次に、複数の教師と複数の学生からなるフレームワーク（SemiTooth）を設計し、多源データの半教師あり学習を促進します。SemiToothは、異なるソースからの未ラベルデータから学習する異なる学生ネットワークを用い、それぞれの教師によって監督される。さらに、複数の教師に対してより厳格な重み付き信頼度制約を導入し、多源データの精度を向上させます。MS3Toothset上で広範な実験を実施し、SemiToothフレームワークの実現可能性と優位性を検証し、半教師付きかつ多源歯セグメンテーションのシナリオで最先端の性能を達成しています。