Segmentation and classification of oral structures in cone beam computed tomographies

Giménez Aguilar, Rafael C. (2022). Segmentation and classification of oral structures in cone beam computed tomographies. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Segmentation and classification of oral structures in cone beam computed tomographies
Author/s:
  • Giménez Aguilar, Rafael C.
Contributor/s:
  • García Remesal, Miguel
  • Alonso Calvo, Raúl
Item Type: Thesis (Master thesis)
Masters title: Inteligencia Artificial
Date: July 2022
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (4MB)

Abstract

La tomografía computerizata de haz cónico, en ingés cone-beam computed tomography (CBCT), se ha convertido en una de las principales herramientas usadas en la práctica dental. Por ello, el análisis y segmentación correcta de estructuras dentales usando esta modalidad de imágen se ha convertido en un campo de estudio relevante en los últimos años. La dificultad de segmental manualmente y la presencia común de artefactos debido a las condiciones de adquisición, son mayor motivación para desarrollar métodos automáticos que consigan la segmentacion de estructuras. Con el surgimiento de las redes neuronales convolucionales, los últimos desarrollos en este área se han movido de los métodos tradicionales de visión por computador a usar estas herramientas. Aunque efectivos, estos métodos son muy dependientes del tamaño y calidad del conjunto de datos de entrenamiento, lo que complica en mayor medida la tarea de dessarrollarlos usando datos médicos. Este trabajo presenta un método para detectar y segmentar estructuras dentales automáticamente, proporcionando además la clasificación individual de los dientes en la imagen. El tamaño minúsculo de nuestro conjunto de datos anotado también ha motivado el desarrollo de técnicas de aumentado de datos específicas para este problema, con la intención de aumentar la capacidad de generalización de nuestro modelo. Adicionalmente, se presentará una evaluación de las deficiencias de usar una arquitectura basada en Mask R-CNN para este problema.---ABSTRACT---Cone-beam computed tomography (CBCT) has become one of the main tools used in dental practices. Due to this, accurate analysis and segmentation of dental structures using this image modality has grown into a relevant field of study in recent years. The difficulty of the manual segmentation task and the common presence of image artifacts due to acquisition conditions, further motivates the development of automatic methods to accomplish structure segmentation. With the advent of convolutional neural networks (CNNs), recent developments in this area have shifted from traditional computer vision approaches to using these tools. However effective, these methods are heavily dependent on the size and quality of the training dataset, which further complicates the task of developing them when employing medical data. This work presents an automatic method to detect and segment dental structures, providing also individual classification of the teeth in the image. The miniscule size of the annotated dataset use has also motivated the development of problem-specific data augmentation schemes to increase the generalization ability of the deep learning model. Additionally, an assessment of the shortcomings of using a Mask R-CNN based architecture for this kind of tasks will be presented.

More information

Item ID: 71409
DC Identifier: https://oa.upm.es/71409/
OAI Identifier: oai:oa.upm.es:71409
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 27 Jul 2022 12:03
Last Modified: 27 Jul 2022 12:03
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM