MICCAI STS 2024 Challenge: Semi-Supervised Instance-Level Tooth Segmentation in Panoramic X-ray and CBCT Images
Created by
Haebom
Category
Empty
저자
Yaqi Wang, Zhi Li, Chengyu Wu, Jun Liu, Yifan Zhang, Jiaxue Ni, Qian Luo, Jialuo Chen, Hongyuan Zhang, Jin Liu, Can Han, Kaiwen Fu, Changkai Ji, Xinxu Cai, Jing Hao, Zhihao Zheng, Shi Xu, Junqiang Chen, Qianni Zhang, Dahong Qian, Shuai Wang, Huiyu Zhou
개요
치과 분야에서 자동 치아 분할을 위한 대규모 데이터셋 구축의 어려움을 해결하기 위해 반지도 학습(SSL)을 활용하는 연구. MICCAI 2024에서 '제2회 반지도 치아 분할(STS 2024) 챌린지'를 개최하여, 90,000개 이상의 2D 및 3D 이미지를 포함하는 대규모 데이터셋을 제공하고, 114개(OPG) 및 106개(CBCT) 팀이 참가하였다. 성공적인 모든 제출물은 딥러닝 기반 SSL 방법이었으며, 우승 모델은 완전 지도 학습 nnU-Net baseline에 비해 현저한 성능 향상을 보였다. 챌린지 데이터셋과 참가자들의 코드는 GitHub에 공개되었다.
시사점, 한계점
•
시사점:
◦
라벨링된 데이터 부족 문제를 해결하기 위한 SSL의 효과 입증.
◦
2D OPG 및 3D CBCT 치아 분할에서 상당한 성능 향상 달성.
◦
SAM과 같은 기초 모델과 다단계 파이프라인을 결합한 하이브리드 SSL 프레임워크의 효과 입증.
◦
챌린지 데이터셋 및 코드 공개를 통한 연구의 투명성과 재현성 확보.
•
한계점:
◦
구체적인 한계점은 논문에 직접적으로 언급되지 않음. (예: 특정 SSL 알고리즘의 한계, 데이터셋의 편향성 등)
