Fugu-MT 論文翻訳(概要): Developing a Novel Approach for Periapical Dental Radiographs Segmentation

論文の概要: Developing a Novel Approach for Periapical Dental Radiographs Segmentation

arxiv url: http://arxiv.org/abs/2111.07156v1
Date: Sat, 13 Nov 2021 17:25:35 GMT
ステータス: 処理完了
システム内更新日: 2021-11-17 12:19:51.633420
Title: Developing a Novel Approach for Periapical Dental Radiographs Segmentation
Title（参考訳）: 根尖部X線撮影における新しいアプローチ
Authors: Elaheh Hatami Majoumerd, Farshad Tajeripour
Abstract要約: 提案するアルゴリズムは2段階で構成され,第1段階は前処理である。このアルゴリズムの第2部と第1部は回転度を計算し、歯の隔離に積分投影法を用いる。実験結果から, このアルゴリズムは頑健であり, 精度が高いことがわかった。
参考スコア（独自算出の注目度）: 1.332560004325655
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Image processing techniques has been widely used in dental researches such as human identification and forensic dentistry, teeth numbering, dental carries detection and periodontal disease analysis. One of the most challenging parts in dental imaging is teeth segmentation and how to separate them from each other. In this paper, an automated method for teeth segmentation of Periapical dental x-ray images which contain at least one root-canalled tooth is proposed. The result of this approach can be used as an initial step in bone lesion detection. The proposed algorithm is made of two stages. The first stage is pre-processing. The second and main part of this algorithm calculated rotation degree and uses the integral projection method for tooth isolation. Experimental results show that this algorithm is robust and achieves high accuracy.
Abstract（参考訳）: 画像処理技術は、ヒトの識別や法医学的歯学、歯番号、歯列検出、歯周病解析などの歯科研究に広く用いられている。歯科画像の最も難しい部分の1つは、歯のセグメンテーションと、歯を分離する方法である。そこで本研究では, 歯根欠損歯を少なくとも1本含む根尖部x線画像の自動分割法を提案する。このアプローチの結果は、骨病変検出の初期段階として利用することができる。提案アルゴリズムは2段階からなる。第1段階は前処理である。このアルゴリズムの第2部と主部は回転度を計算し、歯の分離に積分投影法を用いる。実験の結果, このアルゴリズムは頑健であり, 精度が向上した。

関連論文リスト

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 Critical Analysis of the Limitation of Deep Learning based 3D Dental Mesh Segmentation Methods in Segmenting Partial Scans [44.44628400981646]
口腔内スキャンによる歯のセグメンテーションは, 歯科医療において重要な要素である。この課題に対して,多くのDeep Learningベースの歯のセグメンテーションアルゴリズムが開発されている。ほとんどの場合、高い精度が達成されているが、利用可能な歯のセグメンテーション技術のほとんどは、完全な顎モデルの暗黙の制限的な仮定をしている。
論文参考訳（メタデータ） (2023-04-29T11:58:23Z)
Construction of unbiased dental template and parametric dental model for precision digital dentistry [46.459289444783956]
CBCT画像から正確な歯科用アトラスを作製し, 歯のセグメンテーションを誘導するアンバイアスド歯科用テンプレートを開発した。実際の被写体のCBCT画像159枚を収集して施工する。
論文参考訳（メタデータ） (2023-04-07T09:39:03Z)
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)
Tooth Instance Segmentation on Panoramic Dental Radiographs Using U-Nets and Morphological Processing [0.0]
画像内のオブジェクトが分離されたセグメンテーションマップを得るための後処理ステージを提案する。提案したポストプロセッシング段階により, 歯数の平均誤差は6.15%, ポストプロセッシングのない誤差は26.81%に減少した。
論文参考訳（メタデータ） (2022-03-31T21:11:51Z)
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)
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)
A fully automated method for 3D individual tooth identification and segmentation in dental CBCT [1.567576360103422]
本稿では,歯科用CBCT画像から3次元個別歯を同定・分別する完全自動化手法を提案する。提案手法は,ディープラーニングに基づく階層型多段階モデルを構築することで,上記の課題に対処する。実験結果から, 本法は歯の識別に93.35%のF1スコア, 個々の3次元歯のセグメンテーションに94.79%のDice類似係数を達成できた。
論文参考訳（メタデータ） (2021-02-11T15:07:23Z)
Tooth Instance Segmentation from Cone-Beam CT Images through Point-based Detection and Gaussian Disentanglement [5.937871999460492]
本稿では,ガウス的不整形目的関数に基づいて個々の歯をアンタングルする点ベース歯像定位ネットワークを提案する。実験結果から,提案アルゴリズムは検出精度を9.1%向上させることにより,最先端の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） (2021-02-02T05:15:50Z)
Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文参考訳（メタデータ） (2020-03-23T14:35:08Z)
Pose-Aware Instance Segmentation Framework from Cone Beam CT Images for Tooth Segmentation [9.880428545498662]
コーンビームCT(CBCT)画像からの個々の歯のセグメンテーションは矯正構造の解剖学的理解に不可欠である。 CBCT画像中の重金属人工物の存在は、個々の歯の正確なセグメンテーションを妨げる。本稿では,金属製品に対して堅牢なインスタンスセグメンテーションフレームワークを活用するために,ピクセルワイズラベリングのためのニューラルネットワークを提案する。
論文参考訳（メタデータ） (2020-02-06T07:57:34Z)

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。