論文の概要: 3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge
- arxiv url: http://arxiv.org/abs/2305.18277v1
- Date: Mon, 29 May 2023 17:49:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 13:44:22.359580
- Title: 3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge
- Title（参考訳）: 3DTeethSeg'22: 3D Teth Scan Segmentation and Labeling Challenge
- Authors: Achraf Ben-Hamadou, Oussama Smaoui, Ahmed Rekik, Sergi Pujades, Edmond
Boyer, Hoyeon Lim, Minchang Kim, Minkyung Lee, Minyoung Chung, Yeong-Gil
Shin, Mathieu Leclercq, Lucia Cevidanes, Juan Carlos Prieto, Shaojie Zhuang,
Guangshun Wei, Zhiming Cui, Yuanfeng Zhou, Tudor Dascalu, Bulat Ibragimov,
Tae-Hoon Yong, Hong-Gi Ahn, Wan Kim, Jae-Hwan Han, Byungsun Choi, Niels van
Nistelrooij, Steven Kempers, Shankeeth Vinayahalingam, Julien Strippoli,
Aur\'elien Thollot, Hugo Setbon, Cyril Trosset, Edouard Ladroit
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 18.46601146994235
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Teeth localization, segmentation, and labeling from intra-oral 3D scans are
essential tasks in modern dentistry to enhance dental diagnostics, treatment
planning, and population-based studies on oral health. However, developing
automated algorithms for teeth analysis presents significant challenges due to
variations in dental anatomy, imaging protocols, and limited availability of
publicly accessible data. To address these challenges, the 3DTeethSeg'22
challenge was organized in conjunction with the International Conference on
Medical Image Computing and Computer Assisted Intervention (MICCAI) in 2022,
with a call for algorithms tackling teeth localization, segmentation, and
labeling from intraoral 3D scans. A dataset comprising a total of 1800 scans
from 900 patients was prepared, and each tooth was individually annotated by a
human-machine hybrid algorithm. A total of 6 algorithms were evaluated on this
dataset. In this study, we present the evaluation results of the 3DTeethSeg'22
challenge. The 3DTeethSeg'22 challenge code can be accessed at:
https://github.com/abenhamadou/3DTeethSeg22_challenge
- Abstract（参考訳）: 口腔内3dスキャンによる歯の局在, セグメンテーション, およびラベリングは, 歯科診断, 治療計画, 口腔保健に関する人口調査など, 現代の歯科医療において不可欠な課題である。
しかし, 歯科解剖学, イメージングプロトコル, 一般公開データの利用率の制限などにより, 自動歯形解析アルゴリズムの開発が重大な課題となっている。
これらの課題に対処するために、3dteethseg'22 challengeは2022年に国際医用画像コンピューティング会議(miccai)と共に組織され、口腔内3dスキャンから歯の局在化、セグメンテーション、ラベリングに取り組むアルゴリズムを呼び掛けた。
900人の患者から合計1800件のスキャンデータを作成し,各歯を人間と機械のハイブリッドアルゴリズムで個別に注釈付けした。
このデータセットで合計6つのアルゴリズムを評価した。
本研究では,3DTeethSeg'22チャレンジの評価結果について述べる。
3DTeethSeg'22チャレンジコードは、https://github.com/abenhamadou/3DTeethSeg22_challengeでアクセスすることができる。
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) - A Multi-Stage Framework for 3D Individual Tooth Segmentation in Dental CBCT [7.6057981800052845]
コーンビームCT(CBCT)は歯科疾患の診断方法として一般的である。
深層学習に基づく手法は、医用画像処理において説得力のある結果を得た。
歯科用CBCTにおける3次元歯の一般化のための多段階フレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-15T04:23:28Z) - 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) - DENTEX: An Abnormal Tooth Detection with Dental Enumeration and
Diagnosis Benchmark for Panoramic X-rays [0.3355353735901314]
パノラマX線チャレンジ(DENTEX)の歯科治療と診断は、2023年の医用画像コンピューティングとコンピュータ支援介入国際会議(MICCAI)と連携して進められている。
完全注釈付きデータに基づいて参加者アルゴリズムの評価結果を示す。
この注釈付きデータセットの提供は、この課題の結果と共に、歯科医療の分野でAIを活用したツールを作成するための基礎となるかもしれない。
論文 参考訳（メタデータ） (2023-05-30T15:15:50Z) - Teeth3DS+: An Extended Benchmark for Intraoral 3D Scans Analysis [7.546387289692397]
本稿では,口腔内3Dスキャン解析の分野を推し進めるために設計された,最初の包括的公開ベンチマークであるTeeth3DS+を紹介する。
このデータセットには、900人の患者から採取された少なくとも1,800本の口腔内スキャン(23,999本の歯を含む)が含まれており、上顎と下顎の両方を別々にカバーしている。
論文 参考訳（メタデータ） (2022-10-12T11:18:35Z) - 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) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳（メタデータ） (2020-12-26T08:02:56Z) - 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) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。