第4卷第4期2022年12月微纳电子与智能制造Micro/nanoElectronicsandIntelligentManufacturingVol.4No.4Dec.2022∗基金项目:陕西省自然科学基金(2019JLZ-08、2019JLM-10),陕西省自然科学基础研究计划基金(2019JM-162)项目资助邢丽萍(通信作者),硕士,主要研究方向为计算机视觉、医学图像处理。E-mail:xing_lp2022@163.com靳红梅,讲师,主要研究方向为数字信号处理、计算机视觉。E-mail:jinhm@xust.edu.cn李洪安,副教授,主要研究方向为计算机图形学、数字图像处理、智能信息处理和计算机视觉。E-mail:honganli@xust.edu.cn李占利,教授,主要研究方向为危险信息感知理论与技术、计算机视觉、计算机图形学与可视化。E-mail:lizl@xust.edu.cnDOI:10.19816/j.cnki.10-1594/tn.2022.04.034利用多尺度分析推进牙齿图像识别的研究综述∗邢丽萍,靳红梅,李洪安,李占利(西安科技大学计算机科学与技术学院西安710054)摘要:深度学习的发展及硬件条件的改善,促进了各类医学成像技术在牙齿病灶识别上的应用。受限于医学图像小样本问题,利用有限样本进行有效病灶特征学习成为近期研究热点。相关工作证明,特征提取的质量是深度模型有效学习的关键。多尺度分析方法可有效利用不同尺度的上下文互补信息提取高质量特征,因此成为缓解小样本问题的关键方法之一。为更好地理解基于少量标注样本的牙齿图像识别问题,论文通过分析算法核心思想及流程,广泛讨论了3类图像识别领域主流的多尺度分析算法的优势和局限性。最后对多尺度方法在牙齿图像识别任务中的应用进行分析,并指出未来可能的研究方向。关键词:牙齿病灶;深度学习;图像识别;多尺度分析;小样本学习中图分类号:TP391文献标识码:A国家标准学科分类代码:520Overviewonpromotingtoothimagerecognitionusingmulti-scaleanalysisXINGLiping,JINHongmei,LIHongan,LIZhanli(CollegeofComputerScience&Technology,Xi’anUniversityofScienceandTechnology,Xi’an710054,China)Abstract:Thedevelopmentofdeeplearningandtheimprovementofhardwareconditionshavepromotedtheapplicationofvariousmedicalimagingtechnologiesintheidentificationofdentallesions.Limitedbysmallsampleproblemofmedicalimage,theuseoflimit-edsamplesforeffectivelesionfeaturelearninghasbecomearecentresearchhotspot.Relatedworkhasprovedthatthequalityoffeatureextractionisthekeytoeffectivelearningofdeepmodels,andmulti-scaleanalysismethodsc...
