論文の概要: Anatomy-Guided Parallel Bottleneck Transformer Network for Automated
Evaluation of Root Canal Therapy
- arxiv url: http://arxiv.org/abs/2105.00381v1
- Date: Sun, 2 May 2021 02:38:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 04:47:59.495474
- Title: Anatomy-Guided Parallel Bottleneck Transformer Network for Automated
Evaluation of Root Canal Therapy
- Title(参考訳): anatomy-guided parallel bottleneck transformer network による根管治療の自動評価
- Authors: Yunxiang Li, Guodong Zeng, Yifan Zhang, Jun Wang, Qianni Zhang, Qun
Jin, Lingling Sun, Qisi Lian, Neng Xia, Ruizi Peng, Kai Tang, Yaqi Wang,
Shuai Wang
- Abstract要約: X線画像における根管充填は根管治療において重要なステップである。
正確な解剖学的特徴を得るために, ファジィ境界を分節する曲線フィッティングセグメンテーションを提案する。
そして,最終評価のための分類ネットワークとして,並列ボトルネックトランスフォーマネットワーク(pbt-net)を導入した。
- 参考スコア(独自算出の注目度): 13.768248182867673
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: Accurate evaluation of the root canal filling result in X-ray
image is a significant step for the root canal therapy, which is based on the
relative position between the apical area boundary of tooth root and the top of
filled gutta-percha in root canal as well as the shape of the tooth root and so
on to classify the result as correct-filling, under-filling or over-filling.
Methods: We propose a novel anatomy-guided Transformer diagnosis network. For
obtaining accurate anatomy-guided features, a polynomial curve fitting
segmentation is proposed to segment the fuzzy boundary. And a Parallel
Bottleneck Transformer network (PBT-Net) is introduced as the classification
network for the final evaluation. Results, and conclusion: Our numerical
experiments show that our anatomy-guided PBT-Net improves the accuracy from
40\% to 85\% relative to the baseline classification network. Comparing with
the SOTA segmentation network indicates that the ASD is significantly reduced
by 30.3\% through our fitting segmentation. Significance: Polynomial curve
fitting segmentation has a great segmentation effect for extremely fuzzy
boundaries. The prior knowledge guided classification network is suitable for
the evaluation of root canal therapy greatly. And the new proposed Parallel
Bottleneck Transformer for realizing self-attention is general in design,
facilitating a broad use in most backbone networks.
- Abstract(参考訳): 目的:X線画像における根管充填結果の正確な評価は根管治療において重要なステップであり,歯根の尖部領域境界と根管の充填したグスタパーチャの先端との相対的な位置、および歯根の形状などに基づいて,歯根の正しい充填, 埋入, 過剰充填と分類する。
方法:新しい解剖誘導型トランスフォーマー診断ネットワークを提案する。
正確な解剖学的特徴を得るために, ファジィ境界を分節する多項式曲線フィッティングセグメンテーションを提案する。
そして,最終評価のための分類ネットワークとして,並列ボトルネックトランスフォーマネットワーク(pbt-net)を導入した。
結果と結論:我々の数値実験により,我々の解剖誘導PBT-Netは,ベースライン分類網と比較して40 %から85 %の精度向上を実現している。
SOTAセグメンテーションネットワークと比較すると、ASDは我々のフィッティングセグメンテーションによって30.3\%削減される。
意義: 多項式曲線フィッティングセグメンテーションは、非常にファジィな境界に対して大きなセグメンテーション効果を持つ。
事前知識誘導分類ネットワークは根管治療の評価に非常に適している。
そして、新しい並列ボトルネックトランスフォーマは、自己着脱を実現するために一般的に設計されており、ほとんどのバックボーンネットワークで広く使われる。
関連論文リスト
- RSF-Conv: Rotation-and-Scale Equivariant Fourier Parameterized Convolution for Retinal Vessel Segmentation [58.618797429661754]
本稿では,網膜血管分割に特化して,回転・スケール同値なフーリエパラメータ化畳み込み(RSF-Conv)を提案する。
一般的なモジュールとして、RCF-Convはプラグイン・アンド・プレイ方式で既存のネットワークに統合できる。
RSF-Convの有効性を示すため,RSF-Conv+U-NetとRCF-Conv+Iter-Netを網膜動脈・静脈の分類に適用した。
論文 参考訳(メタデータ) (2023-09-27T13:14:57Z) - Teeth And Root Canals Segmentation Using ZXYFormer With Uncertainty
Guidance And Weight Transfer [8.497690081160087]
本研究はCBCT画像から歯根管と根管を同時に分割する試みである。
歯と根管は形態学的に非常に異なり、単純なネットワークがそれらを正確に識別することは困難である。
逆特徴フュージョン変換器と不確実性推定に基づく粗大部分分割法を提案する。
論文 参考訳(メタデータ) (2023-08-14T11:06:28Z) - 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) - Hepatic vessel segmentation based on 3Dswin-transformer with inductive
biased multi-head self-attention [46.46365941681487]
Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。
正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。
一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
論文 参考訳(メタデータ) (2021-11-05T10:17:08Z) - GT U-Net: A U-Net Like Group Transformer Network for Tooth Root
Segmentation [11.177365038111438]
歯根切開のためのグループトランスフォーマーネットワーク(GT U-Net)を提案する。
提案するネットワークはU-Netの基本構造を保持するが,各エンコーダとデコーダはグループ変換器に置き換えられる。
提案するネットワークは,収集した歯根分節データセットとパブリックレティナデータセットの最先端性能を実現する。
論文 参考訳(メタデータ) (2021-09-30T02:39:07Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳(メタデータ) (2020-07-18T05:46:47Z) - Adaptive feature recombination and recalibration for semantic
segmentation with Fully Convolutional Networks [57.64866581615309]
完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。
その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
論文 参考訳(メタデータ) (2020-06-19T15:45:03Z) - PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。
並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。
さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
論文 参考訳(メタデータ) (2020-06-13T08:13:43Z) - Convolutional Neural Networks based automated segmentation and labelling
of the lumbar spine X-ray [0.0]
本研究の目的は, 腰椎X線を手動で付加した730個の椎間板にトレーニングした, 異なるセグメンテーションネットワークのセグメンテーション精度について検討することである。
セグメンテーションネットワークはセグメンテーションネットワークと比較された。
論文 参考訳(メタデータ) (2020-04-04T20:15:03Z)
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。