論文の概要: PaXNet: Dental Caries Detection in Panoramic X-ray using Ensemble Transfer Learning and Capsule Classifier

• arxiv url: http://arxiv.org/abs/2012.13666v1
• Date: Sat, 26 Dec 2020 03:00:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-04-25 01:15:06.459183
• Title: PaXNet: Dental Caries Detection in Panoramic X-ray using Ensemble Transfer Learning and Capsule Classifier
• Title（参考訳）: PaXNet:Ensemble Transfer LearningとCapsule Classifierを用いたパノラマX線歯列検出
• Authors: Arman Haghanifar, Mahdiyar Molahasani Majdabadi, Seok-Bum Ko
• Abstract要約: 多くの場合、画像品質の低さなどの異なる理由から、X線を用いた歯列の識別は困難である。 そこで本研究では,パノラマ画像中の歯列を初めて検出する自動診断システムを提案する。 提案モデルは、X線から関連する特徴を抽出し、カプセルネットワークを用いて予測結果を描画するトランスファーラーニングにより、事前訓練された様々な深層学習モデルの利点を享受する。
• 参考スコア（独自算出の注目度）: 8.164433158925593
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dental caries is one of the most chronic diseases involving the majority of the population during their lifetime. Caries lesions are typically diagnosed by radiologists relying only on their visual inspection to detect via dental x-rays. In many cases, dental caries is hard to identify using x-rays and can be misinterpreted as shadows due to different reasons such as low image quality. Hence, developing a decision support system for caries detection has been a topic of interest in recent years. Here, we propose an automatic diagnosis system to detect dental caries in Panoramic images for the first time, to the best of authors' knowledge. The proposed model benefits from various pretrained deep learning models through transfer learning to extract relevant features from x-rays and uses a capsule network to draw prediction results. On a dataset of 470 Panoramic images used for features extraction, including 240 labeled images for classification, our model achieved an accuracy score of 86.05\% on the test set. The obtained score demonstrates acceptable detection performance and an increase in caries detection speed, as long as the challenges of using Panoramic x-rays of real patients are taken into account. Among images with caries lesions in the test set, our model acquired recall scores of 69.44\% and 90.52\% for mild and severe ones, confirming the fact that severe caries spots are more straightforward to detect and efficient mild caries detection needs a more robust and larger dataset. Considering the novelty of current research study as using Panoramic images, this work is a step towards developing a fully automated efficient decision support system to assist domain experts.
• Abstract（参考訳）: 歯列骨は、生後最も慢性的な疾患の1つであり、人口の大半を包含している。 喉頭病変は通常、歯科用X線による視力検査のみに依存する放射線医によって診断される。 多くの場合、歯列はX線で識別することは困難であり、低画質などの異なる理由から影と誤解されることがある。 したがって,近年,ケーリー検出のための意思決定支援システムの開発が注目されている。 そこで本研究では,パノラマ画像中のデンタルカリーを初めて検出し,著者の知識を最大限に活用する自動診断システムを提案する。 提案モデルは、X線から関連する特徴を抽出し、カプセルネットワークを用いて予測結果を描画するトランスファーラーニングにより、事前訓練された様々な深層学習モデルの利点を享受する。 240個のラベル付き画像を含む特徴抽出に使用される470個のパノラマ画像のデータセットにおいて,本モデルが精度86.05\%を達成した。 得られたスコアは、実際の患者のパノラマX線を使用する際の課題を考慮し、許容する検出性能とキャリー検出速度の増大を示す。 本モデルでは, 軽度および重度者に対して69.44\%, 90.52\%のリコールスコアを取得し, 軽度カリー検出がより容易で, 効果的でロバストで大きなデータセットが必要であることを確認した。 パノラマ画像を用いた最近の研究の目新しさを考えると、この研究はドメインエキスパートを支援する完全自動化された効率的な意思決定支援システムを開発するための一歩である。

関連論文リスト

• Enhancing Prohibited Item Detection through X-ray-Specific Augmentation and Contextual Feature Integration [81.11400642272976]
  X線は、長い尾の分布とX線イメージングの特徴のために、アイテム検出が禁止されている。 コピーペーストやミックスアップのような従来のデータ拡張戦略は、まれなアイテムの検出を改善するのに効果がない。 これらの課題に対処するために,X-ray Imaging-driven Detection Network (XIDNet)を提案する。
  論文  参考訳（メタデータ） (2024-11-27T06:13:56Z)
• Semi-supervised classification of dental conditions in panoramic radiographs using large language model and instance segmentation: A real-world dataset evaluation [6.041146512190833]
  13種類の歯科疾患をパノラマX線写真で分類するための半教師付き学習フレームワークが提案されている。 このソリューションは、ジュニアスペシャリストに匹敵する精度のレベルを示した。
  論文  参考訳（メタデータ） (2024-06-25T19:56:12Z)
• Intergrated Segmentation and Detection Models for Dentex Challenge 2023 [2.1025078609239403]
  深層学習の発展により、歯科用パノラマX線による疾患の自動検出は、歯科医が疾患をより効率的に診断するのに役立つ。 デンテックスチャレンジ2023(英: Dentex Challenge 2023)は、歯科用パノラマX線から異常歯を自動的に検出する競技である。
  論文  参考訳（メタデータ） (2023-08-27T17:44:25Z)
• Dental CLAIRES: Contrastive LAnguage Image REtrieval Search for Dental Research [6.628588447133907]
  提案フレームワークであるContrastive LAnguage Image Retrieval Search for Dental Research, Dental CLAIRESは,テキストクエリに基づいて最適なマッチング画像を取得する。 我々のモデルはヒット@3比96%、平均相反ランク(MRR)0.82を達成しました。
  論文  参考訳（メタデータ） (2023-06-27T17:47:12Z)
• Self-Supervised Learning with Masked Image Modeling for Teeth Numbering, Detection of Dental Restorations, and Instance Segmentation in Dental Panoramic Radiographs [8.397847537464534]
  本研究の目的は,SimMIM や UM-MAE といった近年の自己教師型学習手法を応用して,限られた数の歯科用ラジオグラフィーのモデル効率と理解を高めることである。 我々の知る限りでは、歯科用パノラマX線写真にスイニングトランスフォーマーに自己教師あり学習法を適用した最初の研究である。
  論文  参考訳（メタデータ） (2022-10-20T16:50:07Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• OdontoAI: A human-in-the-loop labeled data set and an online platform to boost research on dental panoramic radiographs [53.67409169790872]
  本研究では, 歯科用パノラマX線画像の公開データセットの構築について述べる。 我々はHuman-in-the-loop(HITL)の概念の恩恵を受け、ラベリング手順を高速化する。 その結果,HITLによるラベル付け時間短縮率は51%であり,連続作業時間390時間以上節約できた。
  論文  参考訳（メタデータ） (2022-03-29T18:57:23Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Individual Tooth Detection and Identification from Dental Panoramic X-Ray Images via Point-wise Localization and Distance Regularization [10.877276642014515]
  提案したネットワークは、まずすべての解剖学的歯に対して中心点回帰を行い、各歯を自動的に識別する。 歯の箱は、パッチベースでカスケードニューラルネットワークを用いて個別に局所化される。 実験結果から,提案アルゴリズムは最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-12T04:14:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。