論文の概要: A Self-Supervised Deep Framework for Reference Bony Shape Estimation in
Orthognathic Surgical Planning
- arxiv url: http://arxiv.org/abs/2109.05191v1
- Date: Sat, 11 Sep 2021 05:24:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-18 16:22:18.527231
- Title: A Self-Supervised Deep Framework for Reference Bony Shape Estimation in
Orthognathic Surgical Planning
- Title（参考訳）: 矯正手術計画における基準ボニー形状推定のための自己監督型ディープフレームワーク
- Authors: Deqiang Xiao, Hannah Deng, Tianshu Kuang, Lei Ma, Qin Liu, Xu Chen,
Chunfeng Lian, Yankun Lang, Daeseung Kim, Jaime Gateno, Steve Guofang Shen,
Dinggang Shen, Pew-Thian Yap, James J. Xia
- Abstract要約: 仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。
正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。
本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 55.30223654196882
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Virtual orthognathic surgical planning involves simulating surgical
corrections of jaw deformities on 3D facial bony shape models. Due to the lack
of necessary guidance, the planning procedure is highly experience-dependent
and the planning results are often suboptimal. A reference facial bony shape
model representing normal anatomies can provide an objective guidance to
improve planning accuracy. Therefore, we propose a self-supervised deep
framework to automatically estimate reference facial bony shape models. Our
framework is an end-to-end trainable network, consisting of a simulator and a
corrector. In the training stage, the simulator maps jaw deformities of a
patient bone to a normal bone to generate a simulated deformed bone. The
corrector then restores the simulated deformed bone back to normal. In the
inference stage, the trained corrector is applied to generate a
patient-specific normal-looking reference bone from a real deformed bone. The
proposed framework was evaluated using a clinical dataset and compared with a
state-of-the-art method that is based on a supervised point-cloud network.
Experimental results show that the estimated shape models given by our approach
are clinically acceptable and significantly more accurate than that of the
competing method.
- Abstract（参考訳）: 仮想矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。
必要な指導がないため、計画手順は経験に依存しており、計画結果はしばしば最適ではない。
正常な解剖を表現する基準顔骨形状モデルは、計画精度を向上させる客観的ガイダンスを提供することができる。
そこで本稿では,顔骨形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
我々のフレームワークは、シミュレータと修正器で構成されるエンドツーエンドのトレーニング可能なネットワークである。
トレーニング段階において、シミュレータは、患者の骨の顎変形を正常な骨にマッピングし、シミュレーションされた変形骨を生成する。
補正器は、模擬変形した骨を正常に戻す。
推測段階では、トレーニングされた矯正具を適用して、実際の変形骨から患者固有の正常に見える基準骨を生成する。
提案フレームワークは臨床データセットを用いて評価し,教師付きポイントクラウドネットワークに基づく最先端手法と比較した。
実験の結果, 提案手法により推定された形状モデルは, 臨床において許容され, かつ, 精度が高いことがわかった。
関連論文リスト
- Enhanced Knee Kinematics: Leveraging Deep Learning and Morphing Algorithms for 3D Implant Modeling [2.752817022620644]
本研究では, 人工膝の正確な3次元再構築のための機械学習アルゴリズムとモーフィング技術を用いた新しいアプローチを提案する。
畳み込みニューラルネットワークは、インプラントされたコンポーネントの大腿骨輪郭を自動的に分割するように訓練される。
移植膝関節のパーソナライズされた3次元モデルを生成する。
論文 参考訳（メタデータ） (2024-08-02T20:11:04Z) - An End-to-End Deep Learning Generative Framework for Refinable Shape
Matching and Generation [45.820901263103806]
In-Silico Clinical Trials (ISCTs) の必要条件としての形状生成モデルの構築
本研究では,非教師なしの幾何学的深層学習モデルを構築し,潜在空間における補修可能な形状対応を確立する。
提案するベースモデルを,より可変性を高めるために,結合形状生成クラスタリングマルチアトラスフレームワークに拡張する。
論文 参考訳（メタデータ） (2024-03-10T21:33:53Z) - ReshapeIT: Reliable Shape Interaction with Implicit Template for Anatomical Structure Reconstruction [59.971808117043366]
ReShapeITは、同じカテゴリ内で共有される暗黙のテンプレートフィールドを持つ解剖学的構造を表す。
これにより、インスタンス形状とテンプレート形状との対応性の制約を強化することにより、暗黙テンプレートフィールドが有効なテンプレートを生成する。
テンプレートインタラクションモジュールは、有効なテンプレートシェイプとインスタンスワイドの潜在コードとを相互作用することで、目に見えないシェイプを再構築するために導入される。
論文 参考訳（メタデータ） (2023-12-11T07:09:32Z) - Soft-tissue Driven Craniomaxillofacial Surgical Planning [13.663130604042278]
CMF手術では, 希望する顔の成果を達成するためのボニームーブメントの計画が難しい課題である。
手術計画の自動作成と検証が可能なソフトタスク駆動型フレームワークを提案する。
本フレームワークは,所望の顔結果を達成するために必要なボニー運動を推定するボニープランナーネットワークと,推定ボニー運動計画から生じる顔変化をシミュレートする顔シミュレータネットワークとから構成される。
論文 参考訳（メタデータ） (2023-07-20T15:26:01Z) - Anatomical Landmarks Localization for 3D Foot Point Clouds [3.1918817988202606]
本稿では3次元解剖学的ランドマーク予測のための変形法を提案する。
臨床医によって注釈付けされた解剖学的ランドマークを持つソースモデルを使用し、ターゲットモデルにマッチするように、このモデルを厳格に変形させる。
データセット上で実験を行い,本手法のロバスト性を実証した。
論文 参考訳（メタデータ） (2021-10-03T06:24:40Z) - Self Context and Shape Prior for Sensorless Freehand 3D Ultrasound
Reconstruction [61.62191904755521]
3DフリーハンドUSは、幅広い範囲とフリーフォームスキャンを提供することで、この問題に対処することを約束している。
既存のディープラーニングベースの手法は、スキルシーケンスの基本ケースのみに焦点を当てている。
複雑なスキルシーケンスを考慮したセンサレスフリーハンドUS再構成手法を提案する。
論文 参考訳（メタデータ） (2021-07-31T16:06:50Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳（メタデータ） (2021-05-11T16:02:39Z) - Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。
本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
論文 参考訳（メタデータ） (2020-10-05T14:18:52Z) - Cranial Implant Design via Virtual Craniectomy with Shape Priors [18.561060643117013]
我々は,CT画像からの頭蓋内インプラント再建のための代替のディープラーニングモデルを提案し,評価する。
モデルは、AutoImplant Challengeによってリリースされたデータベースを使用してトレーニングされ、評価される。
論文 参考訳（メタデータ） (2020-09-29T00:35:44Z) - Monocular Human Pose and Shape Reconstruction using Part Differentiable
Rendering [53.16864661460889]
近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。
本稿では,ボディセグメンテーションを重要な監視対象として紹介する。
部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
論文 参考訳（メタデータ） (2020-03-24T14:25:46Z)
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。