基于Transformer异构特征互补的双流牙科全景X光图像分割方法 | MDPI Technologies

本文针对牙科全景X光图像分割任务中全局上下文与局部细节难以协同优化的核心问题展开研究。背景方面，传统CNN方法难以建模全局上下文导致相邻牙齿误分，而Transformer易忽略局部细节结构。研究目的旨在通过构建Transformer与CNN并行的双流编码器架构，实现异构特征的深度互补。结论表明，该方法通过池化协同卷积、语义转换和交互融合三大核心模块，在公开数据集上达到91.49% IoU和94.54% Dice系数，显著优于主流模型，且具备临床部署可行性，为口腔医学影像分析提供了有效的技术解决方案。