仪器仪表学报

作者：薛钟毫，姜金刚，孙健鹏，潘洁，张嘉伟

单位：薛钟毫,1.哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080； 2.哈尔滨理工大学机器人技术及 工程应用研究中心哈尔滨150080,,姜金刚,1.哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080； 2.哈尔滨理工大学机器人技术及 工程应用研究中心哈尔滨150080,jiangjingang@hrbust.edu.cn,孙健鹏,1.哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080； 2.哈尔滨理工大学机器人技术及 工程应用研究中心哈尔滨150080,,潘洁,北京大学口腔医学院北京100081,,张嘉伟,哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080,

关键词：龋齿分割;半监督学习;双注意力机制;全景X射线图像

基金：黑龙江省“优秀青年教师基础研究支持计划”项目（YQJH2024075）资助

全景X射线图像的龋齿分割是进行早期龋齿检测以及后续治疗的重要前提，为实现全景X射线图像中龋齿的精确自动分割，提出一种具有多尺度卷积和选择性核双注意力机制的半监督学习框架，该方法旨在利用大量未标注数据增强模型泛化能力，并缓解龋齿病灶区域边界模糊、对比度低等问题。框架设计上，采用教师-学生双网络结构，通过多尺度卷积注意力机制对学生网络多层解码器进行深度监督，提升对边界细节和类间相似区域的判别能力。同时，引入选择性核注意力机制融合教师网络的多级预测结果，根据像素不确定性自适应选择不同卷积核，生成精确的不确定性掩模图，引导学生网络优化学习。实验在数据集1和2上进行，结果显示，在265切片数据上联合使用双注意力机制较基线模型在Dice系数、查准率和灵敏度分别提升3.91%、2.14%和5.35%；在530切片数据上则提升1.39%、5.69%和12.34%，验证了方法在大规模数据下的稳定性和适应性。与传统全监督模型相比，所提出的方法在Dice系数、查准率和灵敏度上最高分别提升22.27%、17.64%和24.57%；相比最新半监督模型也分别提升最多14.54%、14.81%和11.96%。本研究不仅有效提升了龋齿分割性能，同时也为全景X射线图像处理提供了一种精确的分割方案。

来源：2025年第6期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第6期