論文の概要: Automatic tracing of mandibular canal pathways using deep learning
- arxiv url: http://arxiv.org/abs/2111.15111v1
- Date: Tue, 30 Nov 2021 04:06:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 15:10:29.819506
- Title: Automatic tracing of mandibular canal pathways using deep learning
- Title（参考訳）: 深層学習を用いた下顎管経路の自動追跡
- Authors: Mrinal Kanti Dhar and Zeyun Yu
- Abstract要約: 下歯槽神経(IAN)を取り囲む下顎管の位置の適正な局所化は、歯科インプラント学における損傷リスクを低減させる。
本稿では,CBCTデータから下顎管を検出するためのディープラーニング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）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: There is an increasing demand in medical industries to have automated systems
for detection and localization which are manually inefficient otherwise. In
dentistry, it bears great interest to trace the pathway of mandibular canals
accurately. Proper localization of the position of the mandibular canals, which
surrounds the inferior alveolar nerve (IAN), reduces the risk of damaging it
during dental implantology. Manual detection of canal paths is not an efficient
way in terms of time and labor. Here, we propose a deep learning-based
framework to detect mandibular canals from CBCT data. It is a 3-stage process
fully automatic end-to-end. Ground truths are generated in the preprocessing
stage. Instead of using commonly used fixed diameter tubular-shaped ground
truth, we generate centerlines of the mandibular canals and used them as ground
truths in the training process. A 3D U-Net architecture is used for model
training. An efficient post-processing stage is developed to rectify the
initial prediction. The precision, recall, F1-score, and IoU are measured to
analyze the voxel-level segmentation performance. However, to analyze the
distance-based measurements, mean curve distance (MCD) both from ground truth
to prediction and prediction to ground truth is calculated. Extensive
experiments are conducted to demonstrate the effectiveness of the model.
- Abstract（参考訳）: 医療業界では、手作業で非効率な検出とローカライズのための自動化システムの必要性が高まっている。
歯科では, 下顎管の経路を正確に把握することが重要である。
下歯槽神経(IAN)を取り囲む下顎管の位置の適正な局所化は、歯科インプラント学における損傷リスクを低減させる。
手動による運河経路の検出は、時間と労力の面で効率的ではない。
本稿では,CBCTデータから下顎管を検出するためのディープラーニングフレームワークを提案する。
完全なエンドツーエンドの3段階のプロセスである。
地上の真理は前処理段階で生成される。
一般に用いられる固定径管状地中真理の代わりに, 下顎管の中心線を生成し, 訓練過程における地中真理として利用する。
3D U-Netアーキテクチャはモデルトレーニングに使用される。
初期予測を正すために効率的な後処理ステージを開発する。
精度、リコール、F1スコア、IoUを測定し、ボクセルレベルのセグメンテーション性能を分析する。
しかし, 距離に基づく測定を行うために, 平均曲線距離(MCD)を, 地中真理から予測, 地中真理まで算出した。
モデルの有効性を実証するための実験を行った。
関連論文リスト
- Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Reconstructing Blood Flow in Data-Poor Regimes: A Vasculature Network Kernel for Gaussian Process Regression [2.9998889086656586]
非ユークリッド空間である血管ネットワーク内のカーネルを再構築する新しい手法を提案する。
提案したカーネルは、時間的および血管間相関を符号化し、直接測定を欠いた血管における血流の再構築を可能にする。
本研究は, 単純Y字型分岐術, 腹部大動脈, ウィリス円の3症例において, モデルの性能を実証するものである。
論文 参考訳（メタデータ） (2024-03-14T15:41:15Z) - Dual-Stage Deeply Supervised Attention-based Convolutional Neural
Networks for Mandibular Canal Segmentation in CBCT Scans [4.140750794848906]
下顎管の自動検出のための新しい2段階深層学習手法を提案する。
特に,我々はまず,新しいヒストグラムに基づく動的ウィンドウリング手法を用いてCBCTスキャンを強化する。
拡張後,関心のボリュームをローカライズするU-Netアーキテクチャを3Dで設計する。
論文 参考訳（メタデータ） (2022-10-06T09:08:56Z) - Localized Perturbations For Weakly-Supervised Segmentation of Glioma
Brain Tumours [0.5801621787540266]
本研究は,脳腫瘍のセグメンテーションマスクを事前訓練した3次元分類モデルから抽出するための,局所摂動を弱教師付きソリューションとして用いることを提案する。
また,U-netアーキテクチャを用いて,任意の分類において最も関連性の高い領域を見つけるために,3次元スーパーピクセルを利用する新しい摂動法を提案する。
論文 参考訳（メタデータ） (2021-11-29T21:01:20Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - 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) - Simultaneous boundary shape estimation and velocity field de-noising in
Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。
これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。
我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォーム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） (2021-07-16T12:56:09Z) - Imputation-Free Learning from Incomplete Observations [73.15386629370111]
本稿では,不備な値を含む入力からの推論をインプットなしでトレーニングするIGSGD法の重要性について紹介する。
バックプロパゲーションによるモデルのトレーニングに使用する勾配の調整には強化学習(RL)を用いる。
我々の計算自由予測は、最先端の計算手法を用いて従来の2段階の計算自由予測よりも優れている。
論文 参考訳（メタデータ） (2021-07-05T12:44:39Z) - Segmentation-free Estimation of Aortic Diameters from MRI Using Deep
Learning [2.231365407061881]
大動脈径の直接推定のための教師付き深層学習法を提案する。
提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。
全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
論文 参考訳（メタデータ） (2020-09-09T18:28:00Z) - Online unsupervised deep unfolding for MIMO channel estimation [0.0]
チャネル推定のためのオンライン学習を大規模に行うことを提案する。
これにより、不完全なモデルでオンラインにトレーニングできる計算効率のよいニューラルネットワークが実現される。
現実的なチャネルに適用され、優れた性能を示し、完全に校正されたシステムで得られるチャネル推定誤差をほぼ低くする。
論文 参考訳（メタデータ） (2020-04-30T07:32:58Z)
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。