論文の概要: DeepOPG: Improving Orthopantomogram Finding Summarization with Weak Supervision

• arxiv url: http://arxiv.org/abs/2103.08290v1
• Date: Mon, 15 Mar 2021 11:28:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-16 14:23:28.105477
• Title: DeepOPG: Improving Orthopantomogram Finding Summarization with Weak Supervision
• Title（参考訳）: DeepOPG:Weak Supervisionで要約したオルトポアンモグラムの改善
• Authors: Tzu-Ming Hsu, Yin-Chih Wang
• Abstract要約: 要約プロセスを機能的なセグメンテーションと歯のローカリゼーションに分割するDeepOPGを開発しています。 実験では、DeepOPGが要約の発見に高い効果を示し、6種類の発見を総合して88.2%のAUCを達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Finding summaries from an orthopantomogram, or a dental panoramic radiograph, has significant potential to improve patient communication and to speed up clinical judgments. While orthopantomogram is a first-line tool for dental examinations, no existing work has explored the summarization of findings from it. A finding summary has to not only find teeth in the imaging study but also label the teeth with several types of treatments. To tackle the problem, we develop DeepOPG that breaks the summarization process into functional segmentation and teeth localization, the latter of which is further refined by a novel dental coherence module. We also leverage weak supervision labels to improve detection results in a reinforcement learning scenario. Experiments show high efficacy of DeepOPG on finding summarization, achieving an overall AUC of 88.2% in detecting six types of findings. The proposed dental coherence and weak supervision both are shown to improve DeepOPG by adding 5.9% and 0.4% to AP@IoU=0.5 respectively.
• Abstract（参考訳）: 整形外科または歯科パノラマラジオグラフィーからの要約を見つけることは、患者のコミュニケーションを改善し、臨床判断をスピードアップする大きな可能性を秘めています。 整形パントモグラムは歯科検査の第一線ツールであるが, 既存の研究ではその成果の要約は検討されていない。 検索要約は、画像研究で歯を見つけるだけでなく、いくつかの種類の治療で歯をラベル付けする必要がある。 そこで我々は,DeepOPGを開発した。このプロセスは機能的セグメンテーションと歯の局所化に分解され,後者は新規な歯科コヒーレンスモジュールによってさらに洗練されている。 また,強化学習シナリオにおける検出結果を改善するために,弱い監督ラベルを活用する。 実験では、DeepOPGが要約の発見に高い効果を示し、6種類の発見を総合して88.2%のAUCを達成した。 提案法により,AP@IoU=0.5に5.9%,0.4%を加えることにより,DeepOPGの改善が図られた。

関連論文リスト

• Improving Dental Diagnostics: Enhanced Convolution with Spatial Attention Mechanism [0.0]
  本稿では,SimAMアテンションモジュールと統合されたResNet50アーキテクチャを改良し,歯科画像における限られたコントラストの課題に対処する。 本モデルでは,F1スコアの0.676を達成し,様々な特徴抽出技術に対して優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-11T01:12:30Z)
• Multiclass Segmentation using Teeth Attention Modules for Dental X-ray Images [8.041659727964305]
  本研究では,スイニングトランスフォーマーとTABを用いたM-Net様構造を取り入れた新しい歯のセグメンテーションモデルを提案する。 提案したTABは、歯の複雑な構造に特化するユニークな注意機構を利用する。 提案アーキテクチャは,各歯とその周辺構造を正確に定義し,局所的およびグローバルな文脈情報を効果的に取得する。
  論文  参考訳（メタデータ） (2023-11-07T06:20:34Z)
• A Deep Learning Approach to Teeth Segmentation and Orientation from Panoramic X-rays [1.7366868394060984]
  本研究では, 深層学習技術を活用したパノラマX線画像からの歯のセグメンテーションと配向に対する包括的アプローチを提案する。 創傷セグメンテーションのために開発された人気モデルであるFUSegNetをベースとしたモデルを構築した。 主成分分析(PCA)により, 歯の配向を正確に推定する指向性バウンディングボックス(OBB)の生成を導入する。
  論文  参考訳（メタデータ） (2023-10-26T06:01:25Z)
• AI-Dentify: Deep learning for proximal caries detection on bitewing x-ray -- HUNT4 Oral Health Study [0.0]
  人工知能の使用は、噛まれた画像の迅速かつ情報的な分析を提供することで、診断を支援する可能性がある。 HUNT4口腔健康研究から得られた13,887個の噛み付きデータセットは、6人の異なる専門家によって個別に注釈付けされた。 同じ6人の歯科医が共同で注釈を付けた197枚の画像のコンセンサスデータセットを用いて評価を行った。
  論文  参考訳（メタデータ） (2023-09-30T12:17:36Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Orientation-guided Graph Convolutional Network for Bone Surface Segmentation [51.51690515362261]
  骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。 提案手法は,接続距離を5.01%向上させる。
  論文  参考訳（メタデータ） (2022-06-16T23:01:29Z)
• Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and Landmark Localization on 3D Intraoral Scans [56.55092443401416]
  TS-MDLの最初の段階では、mphiMeshSegNetは0.953pm0.076$で平均Dice類似係数(DSC)に達した。 PointNet-Reg は平均絶対誤差 (MAE) が 0.623pm0.718, mm$ であり、ランドマーク検出の他のネットワークよりも優れている。
  論文  参考訳（メタデータ） (2021-09-24T13:00:26Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• An Adaptive Enhancement Based Hybrid CNN Model for Digital Dental X-ray Positions Classification [1.0672152844970149]
  適応ヒストグラム等化と畳み込みニューラルネットワーク(CNN)に基づく新しい解法を提案する。 テストセットの精度と特異性は90%を超え、AUCは0.97に達した。
  論文  参考訳（メタデータ） (2020-05-01T13:55:44Z)

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。