吴欣怡¹， 容诣展¹， 麻家辉²， 吴 凡¹， 陈泽宇³

(1.浙江树人大学 信息科技学院， 浙江 杭州 310015； 2. 浙江树人大学 城建学院，浙江 杭州 310015；

3.常州大学 计算机与人工智能学院，江苏 常州 213164)

    摘要：随着数字化技术在口腔医学领域的广泛应用，从口腔颌面CBCT图像分割出牙齿区域，并构建高精度的三维牙齿模型进行临床诊断与分析逐渐成为主流，该方法可用于牙齿种植、正畸、牙周病、牙体牙髓病、颞下颌关节等多个领域，有效地提高口腔数字化诊疗的效果.然而目前口腔颌面CBCT图像分割通常需要依靠人工参与，智能化自动化水平不高，逐渐难以满足需求.文章基于深度学习技术，探讨基于卷积神经网络与Transformer网络的医学图像分割模型，同时实验了其在口腔颌面CBCT图像数据集上的分割效果，分析卷积神经网络与Transformer网络的差异与特点，最后以高效、智能、精准为立足点，提出深度学习在口腔颌面CBCT图像分割中的未来研究方向.

    关键词：深度学习；医学图像分割；锥形束CT；卷积神经网络；Transformer

    中图分类号：R318；TP391.4                       文献标志码：A                           文章编号：1671-2714（2023）02-0001-05