Este artículo se centra en la segmentación y el reconocimiento de dientes, que desempeñan un papel importante en aplicaciones odontológicas y procedimientos de diagnóstico. Aunque estudios previos han abordado la segmentación de dientes, no hay muchos métodos que realicen con éxito la segmentación y la detección de dientes simultáneamente. Este estudio presenta un nuevo conjunto de datos dentales llamado UFBA-425, que contiene 425 imágenes panorámicas dentales de línea X con cuadros delimitadores y anotaciones de polígonos. Además, presentamos la arquitectura OralBBNet, que está diseñada para mejorar la precisión y la robustez de la clasificación y segmentación de dientes a partir de imágenes panorámicas de línea X combinando las fortalezas de U-Net y YOLOv8. OralBBNet mejora la precisión media (mAP) de la detección de dientes en un 1-3% en comparación con las técnicas existentes, mejora la puntuación Dice de la segmentación de dientes en un 15-20% en comparación con las soluciones de vanguardia (SOTA) y mejora la puntuación Dice en un 2-4% en comparación con otras arquitecturas de segmentación SOTA. Estos resultados sientan las bases para la implementación generalizada de modelos de detección de objetos en el diagnóstico dental.
