MICCAI STS 2024 牙齿半监督分割挑战赛

文章预览

关注公众号，发现CV技术之美 STS 2024挑战赛 2D全景X射线图像和3D牙科锥束计算机断层扫描（CBCT）是广泛用于正畸和牙髓学的图像模态。然而，从全景X射线图像或CBCT图像中定位识别牙齿类别，并进一步分割牙齿仍然是一件费时费力的工作，这无疑限制了深度学习在该领域的的发展。 幸运的是，半监督学习作为一种潜在的替代方案，可以从未标注数据中学习有用的信息。STS 2024 MICCAI挑战赛旨在开发高效的半监督学习方法，致力于推动计算机辅助诊断工具在现代牙科中发展。 通过这一挑战赛，我们希望为医学图像分析领域设立一个更加全面的多实例分割基准，并加速临床实践中牙科疾病诊断工具的开发和应用，以进一步改善对牙科的诊疗管理流程。 挑战赛主页：https://STS-challenge.github.io Workshop论文投稿：https://openreview.net/group?id=MICCAI.org/2024/Workshop/ToothFa ………………………………