論文の概要: Convolutional Neural Networks in Orthodontics: a review

• arxiv url: http://arxiv.org/abs/2104.08886v1
• Date: Sun, 18 Apr 2021 16:02:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 09:36:09.656558
• Title: Convolutional Neural Networks in Orthodontics: a review
• Title（参考訳）: 矯正治療における畳み込みニューラルネットワークの展望
• Authors: Szymon P{\l}otka, Tomasz W{\l}odarczyk, Ryszard Szczerba, Przemys{\l}aw Rokita, Patrycja Bartkowska, Oskar Komisarek, Artur Matthews-Brzozowski, Tomasz Trzci\'nski
• Abstract要約: 畳み込みニューラルネットワーク(CNN)はコンピュータビジョンの多くの領域で使われている。 このレビューは、歯科の分野の一つにCNNの適用を提示 - 矯正。
• 参考スコア（独自算出の注目度）: 10.334172684650632
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Convolutional neural networks (CNNs) are used in many areas of computer vision, such as object tracking and recognition, security, military, and biomedical image analysis. This review presents the application of convolutional neural networks in one of the fields of dentistry - orthodontics. Advances in medical imaging technologies and methods allow CNNs to be used in orthodontics to shorten the planning time of orthodontic treatment, including an automatic search of landmarks on cephalometric X-ray images, tooth segmentation on Cone-Beam Computed Tomography (CBCT) images or digital models, and classification of defects on X-Ray panoramic images. In this work, we describe the current methods, the architectures of deep convolutional neural networks used, and their implementations, together with a comparison of the results achieved by them. The promising results and visualizations of the described studies show that the use of methods based on convolutional neural networks allows for the improvement of computer-based orthodontic treatment planning, both by reducing the examination time and, in many cases, by performing the analysis much more accurately than a manual orthodontist does.
• Abstract（参考訳）: 畳み込みニューラルネットワーク(cnns)は、オブジェクト追跡や認識、セキュリティ、軍事、生物医学的画像分析など、コンピュータビジョンの多くの領域で使われている。 本稿では, 歯科矯正学の分野における畳み込みニューラルネットワークの適用について述べる。 医療画像技術と方法の進歩により、CNNは矯正治療の計画時間短縮に使用されるようになり、頭部X線画像のランドマークの自動検索、コーンビームCT(CBCT)画像やデジタルモデルでの歯のセグメンテーション、X線パノラマ画像の欠陥の分類などが行われた。 本稿では,現在の手法,使用する深層畳み込みニューラルネットワークのアーキテクチャ,それらの実装について述べるとともに,それらの結果との比較を行った。 本研究の有望な結果と可視化により, 畳み込みニューラルネットワークに基づく手法を用いることで, 試験時間を短縮し, 多くの場合, 手動歯科矯正医よりも精度の高い解析を行うことで, コンピュータによる矯正治療計画の改善が期待できることがわかった。

関連論文リスト

• Intraoperative Registration by Cross-Modal Inverse Neural Rendering [61.687068931599846]
  クロスモーダル逆ニューラルレンダリングによる神経外科手術における術中3D/2Dレジストレーションのための新しいアプローチを提案する。 本手法では,暗黙の神経表現を2つの構成要素に分離し,術前および術中における解剖学的構造について検討した。 臨床症例の振り返りデータを用いて本法の有効性を検証し,現在の登録基準を満たした状態での最先端の検査成績を示した。
  論文  参考訳（メタデータ） (2024-09-18T13:40:59Z)
• A Review of Pulse-Coupled Neural Network Applications in Computer Vision and Image Processing [0.0]
  パルス結合型ニューラルネットワーク(PCNN)は,いくつかの基本的な画像処理とコンピュータビジョンの課題に対処することに成功した。 これらのアプリケーションで得られた結果は、PCNNアーキテクチャが様々なコンピュータビジョンタスクに関連する有用な知覚情報を生成することを示唆している。
  論文  参考訳（メタデータ） (2024-06-01T00:10:05Z)
• Exploring the Role of Convolutional Neural Networks (CNN) in Dental Radiography Segmentation: A Comprehensive Systematic Literature Review [1.342834401139078]
  この研究は、画像解析にCNN(Convolutional Neural Networks)を用いることで、歯科疾患の検出に有効なツールであることを示す。 CNNは歯のセグメンテーションと分類に利用し、全体として最高のパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-01-17T13:00:57Z)
• Spectral Bandwidth Recovery of Optical Coherence Tomography Images using Deep Learning [0.6990493129893112]
  取得速度を向上する技術開発は、しばしばスペクトル帯域幅が狭くなり、したがって軸方向分解能が低くなる。 従来,OCTのサブサンプルデータを再構成するために画像処理技術が用いられてきた。 本研究では,スペクトル領域におけるガウスウィンドウ化による軸方向スキャン(Aスキャン)分解能の低下をシミュレートし,画像特徴再構成のための学習的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-01-02T02:18:32Z)
• 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)
• Development of an algorithm for medical image segmentation of bone tissue in interaction with metallic implants [58.720142291102135]
  本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。 骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。 ネットワーク精度の面では、モデルは約98%に達した。
  論文  参考訳（メタデータ） (2022-04-22T08:17:20Z)
• Modality specific U-Net variants for biomedical image segmentation: A survey [0.6091702876917281]
  本稿では、U-Netフレームワークの説明に寄与し、その後、異なる医用画像やモダリティのためのU-Net変種を包括的に分析する。 また、新型コロナウイルス(COVID-19)として知られる重症急性呼吸器症候群ウイルス2(SARS-CoV-2)へのU-Netベースのフレームワークの貢献も強調している。
  論文  参考訳（メタデータ） (2021-07-09T16:41:40Z)
• Domain Shift in Computer Vision models for MRI data analysis: An Overview [64.69150970967524]
  機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。 しかし、現在臨床応用はごくわずかである。 異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
  論文  参考訳（メタデータ） (2020-10-14T16:34:21Z)
• NAS-DIP: Learning Deep Image Prior with Neural Architecture Search [65.79109790446257]
  近年の研究では、深部畳み込みニューラルネットワークの構造が、以前に構造化された画像として利用できることが示されている。 我々は,より強い画像の先行を捉えるニューラルネットワークの探索を提案する。 既存のニューラルネットワーク探索アルゴリズムを利用して,改良されたネットワークを探索する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:36Z)
• The efficiency of deep learning algorithms for detecting anatomical reference points on radiological images of the head profile [55.41644538483948]
  U-Netニューラルネットワークは、完全な畳み込みニューラルネットワークよりも正確に解剖学的基準点の検出を可能にする。 U-Net ニューラルネットワークによる解剖学的基準点検出の結果は,歯科矯正医のグループによる基準点検出の平均値に近づいた。
  論文  参考訳（メタデータ） (2020-05-25T13:51:03Z)

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。