論文の概要: Dual-Stage Deeply Supervised Attention-based Convolutional Neural Networks for Mandibular Canal Segmentation in CBCT Scans

• arxiv url: http://arxiv.org/abs/2210.03739v1
• Date: Thu, 6 Oct 2022 09:08:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 15:41:16.188495
• Title: Dual-Stage Deeply Supervised Attention-based Convolutional Neural Networks for Mandibular Canal Segmentation in CBCT Scans
• Title（参考訳）: CBCTスキャンにおける下顎管分割のための2段階重み付き注意型畳み込みニューラルネットワーク
• Authors: Azka Rehman, Muhammad Usman, Rabeea Jawaid, Shi Sub Byon, Sung Hyun Kim, Byoung Dai Lee, Byung il Lee and Yeong Gil Shin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.140750794848906
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Accurate segmentation of mandibular canals in lower jaws is important in dental implantology, in which the implant position and dimensions are currently determined manually from 3D CT images by medical experts to avoid damaging the mandibular nerve inside the canal. In this paper, we propose a novel dual-stage deep learning based scheme for automatic detection of mandibular canal. Particularly, we first we enhance the CBCT scans by employing the novel histogram-based dynamic windowing scheme which improves the visibility of mandibular canals. After enhancement, we design 3D deeply supervised attention U-Net architecture for localize the volume of interest (VOI) which contains the mandibular canals (i.e., left and right canals). Finally, we employed the multi-scale input residual U-Net architecture (MS-R-UNet) to accurately segment the mandibular canals. The proposed method has been rigorously evaluated on 500 scans and results demonstrate that our technique out performs the existing state-of-the-art methods in term of segmentation performance as well as robustness.
• Abstract（参考訳）: 下顎管の正確なセグメント化は歯科インプラント学において重要であり, インプラント位置と寸法は現在, 3次元CT画像から手動で決定されており, 口腔内の下顎神経の損傷を回避している。 本稿では,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, 下顎管の視認性を向上する新しいヒストグラムを用いた動的ウィンドウリング法を用いて, CBCTスキャンの強化を行った。 拡張後, 下顎管内(左右の管内)を含む関心量(VOI)を局在させるために, 3次元の注意点U-Netアーキテクチャを設計した。 最後に,マルチスケール入力残差U-Netアーキテクチャ(MS-R-UNet)を用いて下顎管を正確に分割した。 提案手法は500のスキャンで厳密に評価され,本手法はセグメンテーション性能およびロバスト性の観点から,既存の最先端手法を実行することを示す。

関連論文リスト

• UADSN: Uncertainty-Aware Dual-Stream Network for Facial Nerve Segmentation [13.928053592108267]
  顔面神経は直径1.0-1.5mmの管状器官である。 CTスキャンでは顔面神経の特定と分画が困難である。 我々は不確実性を考慮したデュアルストリームネットワーク(UADSN)を提案する。
  論文  参考訳（メタデータ） (2024-06-29T03:30:29Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Automatic tracing of mandibular canal pathways using deep learning [0.0]
  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。
  論文  参考訳（メタデータ） (2021-11-30T04:06:16Z)
• Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
  そこで本研究では,深度推定のためのドメイン適応手法を提案する。 提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。 実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
  論文  参考訳（メタデータ） (2021-09-24T08:11:34Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• Anatomy-Guided Parallel Bottleneck Transformer Network for Automated Evaluation of Root Canal Therapy [13.768248182867673]
  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。
  論文  参考訳（メタデータ） (2021-05-02T02:38:31Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
  本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。 提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。 検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
  論文  参考訳（メタデータ） (2020-06-25T21:10:04Z)
• Channel Attention Residual U-Net for Retinal Vessel Segmentation [8.109768170171357]
  本稿では,網膜血管および非血管ピクセルを正確にセグメント化するための新しい深層学習モデル,CAR-UNetを提案する。 以上の結果から,提案したCAR-UNetは,3種類の網膜血管データセットの最先端性能を達成できた。
  論文  参考訳（メタデータ） (2020-04-07T20:47:40Z)
• Recurrent convolutional neural networks for mandible segmentation from computed tomography [0.9851812512860351]
  本稿では、分割畳み込み畳み込みニューラルネットワーク(SegCNN)をリカレントニューラルネットワーク(RNN)に組み込む再帰分割畳み込み畳み込みニューラルネットワーク(RSegCNN)を提案する。 このようなシステムの設計は、CTスキャンで隣接する画像スライスでキャプチャされた下顎形状の類似性と連続性を考慮に入れている。 RSegCNNは、正確な下顎分割のための最先端のモデルよりもはるかに優れている。
  論文  参考訳（メタデータ） (2020-03-13T21:11:28Z)

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。