彦究院

@article{tian20223d,

title={3D tooth instance segmentation learning objectness and affinity in point cloud},

author={Tian, Yan and Zhang, Yujie and Chen, Wei-Gang and Liu, Dongsheng and Wang, Huiyan and Xu, Huayi and Han, Jianfeng and Ge, Yiwen},

journal={ACM Transactions on Multimedia Computing, Communications, and Applications},

volume={18},

number={4},

pages={1–16},

year={2022}

}

课题组分析基于候选框的方法和无候选框方法，提出一种结合二者优势的融合算法。当前数据驱动牙齿实例分割方法中，由于缺乏局部线索，基于候选框的方法对定位结果很敏感；而无候选框的方法由于使用基于低层特征的亲和力度量而具有较差的聚类输出。针对以上问题，课题组提出基于候选框的点云数据牙齿实例分割方法，在注意机制中结合对象性和逐点相似性知识，使用局部信息改进3D候选框生成并通过计算局部点到候选框中心点的距离来衡量局部点的重要性。Shining3D牙齿实例分割数据集实验结果证实，与其他可用方法相比，课题组所提方法给出了有竞争力的结果。

———————————————————————————————————————————–

@article{tian2023survey,
title={Survey on deep learning in multimodal medical imaging for cancer detection},
author={Tian, Yan and Xu, Zhaocheng and Ma, Yujun and Ding, Weiping and Wang, Ruili and Gao, Zhihong and Cheng, Guohua and He, Linyang and Zhao, Xuran},
journal={Neural Computing and Applications},
pages={1–16},
year={2023}
}

———————————————————————————————————————————–

@article{tian2023revised,

title={A revised approach to orthodontic treatment monitoring from oralscan video},

author={Tian, Yan and Jian, Guotang and Wang, Jialei and Chen, Hong and Pan, Lei and Xu, Zhaocheng and Li, Jianyuan and Wang, Ruili},

journal={IEEE Journal of Biomedical and Health Informatics},

volume={27},

number={12},

pages={5827–5836},

year={2023}

}

课题组从非匹配点对信息挖掘出发，提高点云注册算法的有效性。为了处理异构数据中的语义差距，考虑到它们是线性组合的，课题组提出了一种多媒体交互网络（MIN），通过扩展图注意力机制来结合点云分割中的异构信息。此外，设计了一种结构感知的四重损失，用于探索点云配准中多个不同的不匹配点之间的关系。课题组方法在多个牙齿配准数据集上进行了性能验证。广泛的实验证明，与当前方法相比，课题组方法在Aoralscan3数据集上的内点比例上将准确度提高了1.4%。

———————————————————————————————————————————–

@article{tian2024rgb,
title={RGB oralscan video-based orthodontic treatment monitoring},
author={Tian, Yan and Fu, Hanshi and Wang, Hao and Liu, Yuqi and Xu, Zhaocheng and Chen, Hong and Li, Jianyuan and Wang, Ruili},
journal={Science China Information Sciences},
volume={67},
number={1},
pages={112107},
year={2024}
}

课题组挖掘多视角信息的几何一致性来改善牙齿姿态估计的有效性。受到在隐式正畸学中臼齿的姿态相对固定的事实的启发，课题组设计了一种方法，利用多视图姿态评估和双向时间传播来进行颌位姿态估计，然后采用基于迭代的方法进行牙齿对齐。为了处理跨帧牙齿外观或位置的变化，特别是在纹理较弱的情况下，课题组还引入了一个实例传播模块，利用位置和语义信息在时间域中探索实例关系。最后，使用Shining3D牙齿姿态数据集和Aoralscan3牙齿配准数据集对课题组方法进行了性能评估。实验结果表明，与现有方法相比，课题组方法在准确度方面取得了显著的改进。

———————————————————————————————————————————–