論文の概要: Teeth3DS: a benchmark for teeth segmentation and labeling from intra-oral 3D scans

• arxiv url: http://arxiv.org/abs/2210.06094v1
• Date: Wed, 12 Oct 2022 11:18:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 14:57:40.450911
• Title: Teeth3DS: a benchmark for teeth segmentation and labeling from intra-oral 3D scans
• Title（参考訳）: tooth3ds : 口腔内3dスキャンによる歯の分節とラベリングのベンチマーク
• Authors: Achraf Ben-Hamadou and Oussama Smaoui and Houda Chaabouni-Chouayakh and Ahmed Rekik and Sergi Pujades and Edmond Boyer and Julien Strippoli and Aur\'elien Thollot and Hugo Setbon and Cyril Trosset and Edouard Ladroit
• Abstract要約: この記事では、3DTeethSeg 2022 MICCAIチャレンジのフレームで作成された、Teeth3DSという最初の公開ベンチマークを紹介します。 歯牙3DSは、上顎と下顎を別々にカバーし、5年以上の専門経験を持つ矯正医・歯科医が取得し、検証した900人の患者から収集した1800個の口腔内スキャンでできている。
• 参考スコア（独自算出の注目度）: 10.404680576890488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Teeth segmentation and labeling are critical components of Computer-Aided Dentistry (CAD) systems. Indeed, before any orthodontic or prosthetic treatment planning, a CAD system needs to first accurately segment and label each instance of teeth visible in the 3D dental scan, this is to avoid time-consuming manual adjustments by the dentist. Nevertheless, developing such an automated and accurate dental segmentation and labeling tool is very challenging, especially given the lack of publicly available datasets or benchmarks. This article introduces the first public benchmark, named Teeth3DS, which has been created in the frame of the 3DTeethSeg 2022 MICCAI challenge to boost the research field and inspire the 3D vision research community to work on intra-oral 3D scans analysis such as teeth identification, segmentation, labeling, 3D modeling and 3D reconstruction. Teeth3DS is made of 1800 intra-oral scans (23999 annotated teeth) collected from 900 patients covering the upper and lower jaws separately, acquired and validated by orthodontists/dental surgeons with more than 5 years of professional experience.
• Abstract（参考訳）: 歯のセグメンテーションとラベル付けはコンピュータ支援歯科(CAD)システムの重要な構成要素である。 実際、歯科補綴または補綴治療計画に先立って、CADシステムは、まず3D歯科スキャンで見える歯のインスタンスを正確に分類し、ラベル付けする必要がある。 しかし、特に公開されているデータセットやベンチマークが欠如していることを考えると、このような自動化された正確な歯科用セグメンテーションとラベルツールの開発は非常に困難である。 本稿では,歯の識別,セグメンテーション,ラベル付け,3Dモデリング,3D再構成などの口腔内3Dスキャン分析に3Dビジョン研究コミュニティを刺激する3DTeethSeg 2022 MICCAIチャレンジのフレームで作成された,最初の公開ベンチマークであるTeeth3DSを紹介する。 歯3dsは1800個の口腔内スキャン(23999本の注釈付き歯)からなり、5年以上の専門経験を持つ歯科矯正医や歯医者によって、それぞれに上下顎と下下顎を覆っている900人の患者から集められている。

関連論文リスト

• STS MICCAI 2023 Challenge: Grand challenge on 2D and 3D semi-supervised tooth segmentation [33.341833229434435]
  MICCAI 2023 Challenge on the Alibaba Tianchi Platformの一部として、Semi-supervised Teeth (STS) Challengeが開催された。 この課題は, 歯学の分野を前進させるために, 効果的な半教師付き歯のセグメンテーションアルゴリズムを検討することである。 2次元パノラマX線像と3次元CBCT歯量を含む2つのモダリティを提供する。
  論文  参考訳（メタデータ） (2024-07-18T08:00:08Z)
• TeethDreamer: 3D Teeth Reconstruction from Five Intra-oral Photographs [45.0864129371874]
  そこで我々は,上下顎歯の形状と位置を復元する3次元再構築フレームワークTeethDreamerを提案する。 口腔内5枚の写真から,まず大きな拡散モデルの事前知識を活用して,新しい多視点画像を生成する。 生成したビュー間の3D整合性を確保するために,逆拡散プロセスに3D対応機能アテンション機構を統合する。
  論文  参考訳（メタデータ） (2024-07-16T06:24:32Z)
• TSegFormer: 3D Tooth Segmentation in Intraoral Scans with Geometry Guided Transformer [47.18526074157094]
  歯科用歯冠および歯肉の詳細な3D情報を提供するために, 歯科用光学式歯内スキャナー (IOS) が広く用いられている。 既往の方法は複雑な境界においてエラーを起こしやすく、患者間で不満足な結果を示す。 マルチタスク3Dトランスフォーマアーキテクチャを用いて, 歯の局所的および大域的依存関係とIOS点群における歯肉の象牙質の両方をキャプチャするTSegFormerを提案する。
  論文  参考訳（メタデータ） (2023-11-22T08:45:01Z)
• 3D Structure-guided Network for Tooth Alignment in 2D Photograph [47.51314162367702]
  矯正治療に先立って歯列が整列した2次元写真は, 効果的な歯科医療コミュニケーションに不可欠である。 本稿では2次元画像空間内の歯を入力として2次元写真を取り,アライメントする3次元構造誘導歯列ネットワークを提案する。 本研究は, 各種顔写真におけるネットワークの評価を行い, 歯科矯正産業における特筆すべき性能と高い適用性を示した。
  論文  参考訳（メタデータ） (2023-10-17T09:44:30Z)
• 3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge [18.46601146994235]
  3DTeethSeg'22チャレンジは、2022年のMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で実施された。 900人の患者から1800件のスキャンを行ったデータセットを作成し, それぞれの歯にヒトと機械のハイブリッドアルゴリズムを用いて個別にアノテートした。 本研究では,3DTeethSeg'22チャレンジの評価結果について述べる。
  論文  参考訳（メタデータ） (2023-05-29T17:49:58Z)
• An Implicit Parametric Morphable Dental Model [79.29420177904022]
  歯および歯茎の3次元異形性モデルとして, 第一報を提出した。 これは、各歯と歯茎のコンポーネントワイド表現と、これら各コンポーネントの学習可能な潜在コードに基づいている。 我々の復元品質は、新しいアプリケーションを実現しつつ、最も先進的なグローバルな暗黙の表現と同等です。
  論文  参考訳（メタデータ） (2022-11-21T12:23:54Z)
• 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)

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。