論文の概要: Deep Learning-based Facial Appearance Simulation Driven by Surgically Planned Craniomaxillofacial Bony Movement

• arxiv url: http://arxiv.org/abs/2210.01685v1
• Date: Tue, 4 Oct 2022 15:33:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 14:42:12.632819
• Title: Deep Learning-based Facial Appearance Simulation Driven by Surgically Planned Craniomaxillofacial Bony Movement
• Title（参考訳）: 手術計画頭蓋顔面骨運動による深層学習に基づく顔貌シミュレーション
• Authors: Xi Fang, Daeseung Kim, Xuanang Xu, Tianshu Kuang, Hannah H. Deng, Joshua C. Barber, Nathan Lampen, Jaime Gateno, Michael A.K. Liebschner, James J. Xia, Pingkun Yan
• Abstract要約: 顔の外観を推定するために,注意応答支援運動変換ネットワーク(ACMT-Net)を提案する。 提案手法は, 最先端のFEM手法と比較して, 顔変化予測精度を向上できることを示す。
• 参考スコア（独自算出の注目度）: 13.663130604042278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulating facial appearance change following bony movement is a critical step in orthognathic surgical planning for patients with jaw deformities. Conventional biomechanics-based methods such as the finite-element method (FEM) are labor intensive and computationally inefficient. Deep learning-based approaches can be promising alternatives due to their high computational efficiency and strong modeling capability. However, the existing deep learning-based method ignores the physical correspondence between facial soft tissue and bony segments and thus is significantly less accurate compared to FEM. In this work, we propose an Attentive Correspondence assisted Movement Transformation network (ACMT-Net) to estimate the facial appearance by transforming the bony movement to facial soft tissue through a point-to-point attentive correspondence matrix. Experimental results on patients with jaw deformity show that our proposed method can achieve comparable facial change prediction accuracy compared with the state-of-the-art FEM-based approach with significantly improved computational efficiency.
• Abstract（参考訳）: 骨盤移動に伴う顔面変化のシミュレーションは顎変形患者の矯正手術計画における重要なステップである。 有限要素法(fem)のような従来のバイオメカニクスに基づく手法は、労働集約的で計算効率が悪い。 ディープラーニングベースのアプローチは、高い計算効率と強力なモデリング能力のために、有望な代替手段になり得る。 しかし,既存の深層学習法では顔面軟部組織と骨片の物理的対応は無視されており,FEMに比べて精度は著しく低い。 本研究では, 骨状運動を顔面軟組織に変換して顔の表情を推定するための注意対応支援運動変換ネットワーク(acmt-net)を提案する。 顎変形症患者に対する実験結果から,提案手法は現状のFEM法と同等の顔変化予測精度を達成でき,計算効率は大幅に向上した。

関連論文リスト

• CFCPalsy: Facial Image Synthesis with Cross-Fusion Cycle Diffusion Model for Facial Paralysis Individuals [3.2688425993442696]
  本研究の目的は、このギャップに対処するために、高品質な顔面麻痺データセットを合成することである。 拡散モデルに基づく新しいクロスフュージョンサイクルPalsy式生成モデル(PalsyCFC)を提案する。 顔面麻痺の一般的な臨床データセットについて, 定性的, 定量的に検討した。
  論文  参考訳（メタデータ） (2024-09-11T13:46:35Z)
• 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)
• MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
  筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。 このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。 また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
  論文  参考訳（メタデータ） (2024-04-16T02:18:18Z)
• 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)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
  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。
  論文  参考訳（メタデータ） (2021-09-11T05:24:40Z)
• PhysGNN: A Physics-Driven Graph Neural Network Based Model for Predicting Soft Tissue Deformation in Image-Guided Neurosurgery [0.15229257192293202]
  グラフニューラルネットワーク(GNN)を利用した有限要素解析(FEA)の解を近似したデータ駆動モデルを提案する。 提案アーキテクチャであるPhysGNNは,神経外科的設定に適した計算可能でありながら,正確かつ高速な軟部組織変形近似を約束する。
  論文  参考訳（メタデータ） (2021-09-09T15:43:59Z)
• Data-driven generation of plausible tissue geometries for realistic photoacoustic image synthesis [53.65837038435433]
  光音響トモグラフィ(pat)は形態的および機能的組織特性を回復する可能性がある。 我々は,PATデータシミュレーションの新たなアプローチを提案し,これを「シミュレーションの学習」と呼ぶ。 我々は、意味的注釈付き医療画像データに基づいて訓練されたGAN(Generative Adversarial Networks)の概念を活用して、可塑性組織ジオメトリを生成する。
  論文  参考訳（メタデータ） (2021-03-29T11:30:18Z)
• Unsupervised Learning Facial Parameter Regressor for Action Unit Intensity Estimation via Differentiable Renderer [51.926868759681014]
  骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。 提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
  論文  参考訳（メタデータ） (2020-08-20T09:49:13Z)
• Leveraging Vision and Kinematics Data to Improve Realism of Biomechanic Soft-tissue Simulation for Robotic Surgery [13.657060682152409]
  ロボット内視鏡手術で得られたライブデータは,不正確なFEMシミュレーション結果の修正にどのように用いられるかを検討する。 我々はオープンソースのda Vinciオペレーショナルシステムを用いて,ソフトチップのファントムを探索し,シミュレーションでインタラクションを再現する。 予測メッシュ位置と測定点雲との差を補正するために,ネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2020-03-14T00:16:08Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)

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。