論文の概要: AI Techniques for Cone Beam Computed Tomography in Dentistry: Trends and
Practices
- arxiv url: http://arxiv.org/abs/2306.03025v2
- Date: Tue, 6 Jun 2023 19:11:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 10:59:07.052891
- Title: AI Techniques for Cone Beam Computed Tomography in Dentistry: Trends and
Practices
- Title(参考訳): 歯科におけるコーンビームctのためのai技術:その動向と実践
- Authors: Saba Sarwar, Suraiya Jabin
- Abstract要約: コーンビームCT (CBCT) は, 各種口腔疾患の診断と治療計画において, 歯科治療において一般的な画像モダリティである。
本稿では,最近の歯科用CBCT画像診断におけるAIの動向と実践について概説する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cone-beam computed tomography (CBCT) is a popular imaging modality in
dentistry for diagnosing and planning treatment for a variety of oral diseases
with the ability to produce detailed, three-dimensional images of the teeth,
jawbones, and surrounding structures. CBCT imaging has emerged as an essential
diagnostic tool in dentistry. CBCT imaging has seen significant improvements in
terms of its diagnostic value, as well as its accuracy and efficiency, with the
most recent development of artificial intelligence (AI) techniques. This paper
reviews recent AI trends and practices in dental CBCT imaging. AI has been used
for lesion detection, malocclusion classification, measurement of buccal bone
thickness, and classification and segmentation of teeth, alveolar bones,
mandibles, landmarks, contours, and pharyngeal airways using CBCT images.
Mainly machine learning algorithms, deep learning algorithms, and
super-resolution techniques are used for these tasks. This review focuses on
the potential of AI techniques to transform CBCT imaging in dentistry, which
would improve both diagnosis and treatment planning. Finally, we discuss the
challenges and limitations of artificial intelligence in dentistry and CBCT
imaging.
- Abstract(参考訳): コーンビームCT (CBCT) は, 歯, 顎骨, 周辺構造物の詳細な3次元画像を作成する能力を備えた, 各種口腔疾患の診断と治療計画のための歯科治療において, 一般的な画像モダリティである。
cbctイメージングは歯科医療における必須診断ツールである。
CBCTイメージングは、最新の人工知能(AI)技術の発展とともに、診断値、精度と効率の面で大幅に改善されている。
本稿では歯科用CBCT画像における最近のAIの動向と実践について述べる。
cbct画像を用いた病変の検出、咬合分類、頬骨厚の測定、歯、歯槽骨、下顎骨、ランドマーク、輪郭、咽頭気道の分類と分割にaiが用いられてきた。
主に機械学習アルゴリズム、ディープラーニングアルゴリズム、および超解像技術がこれらのタスクに使用される。
本稿では,歯科におけるCBCT画像の変換におけるAI技術の可能性に注目し,診断と治療計画の改善を図る。
最後に,歯科およびCBCT画像における人工知能の課題と限界について論じる。
関連論文リスト
- Exploring the Role of Convolutional Neural Networks (CNN) in Dental
Radiography Segmentation: A Comprehensive Systematic Literature Review [1.342834401139078]
この研究は、画像解析にCNN(Convolutional Neural Networks)を用いることで、歯科疾患の検出に有効なツールであることを示す。
CNNは歯のセグメンテーションと分類に利用し、全体として最高のパフォーマンスを示した。
論文 参考訳(メタデータ) (2024-01-17T13:00:57Z) - Generative Adversarial Networks for Dental Patient Identity Protection
in Orthodontic Educational Imaging [0.0]
本研究は, 歯科患者イメージを効果的に識別するためのGANインバージョン技術を提案する。
この手法は, 重要な歯科的特徴を保ちながら, プライバシの懸念に対処し, 歯科教育や研究に有用な資源を創出する。
論文 参考訳(メタデータ) (2023-07-05T04:14:57Z) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - Radious: Unveiling the Enigma of Dental Radiology with BEIT Adaptor and
Mask2Former in Semantic Segmentation [0.0]
BEITアダプタとMask2Formerを用いたセマンティックセグメンテーションアルゴリズムを開発した。
我々は,Deeplabv3とSegformerという2つの画像セグメント化アルゴリズムと比較した。
その結果,Radiousは,Deeplabv3+とSegformerのmIoUスコアを9%,Segformerで33%増加させることで,これらのアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2023-05-10T15:15:09Z) - Geometry-Aware Attenuation Field Learning for Sparse-View CBCT
Reconstruction [61.48254686722434]
Cone Beam Computed Tomography (CBCT) は歯科医療において最も広く用いられている画像診断法である。
Sparse-view CBCT 再建は放射線線量削減に重点を置いている。
本稿では,マルチビューX線プロジェクションからボリューム特徴を初めて符号化することで,新しい減衰場エンコーダデコーダフレームワークを提案する。
論文 参考訳(メタデータ) (2023-03-26T14:38:42Z) - Nonlinear ill-posed problem in low-dose dental cone-beam computed
tomography [1.039109674772348]
本報告では, 歯科用CBCTが標準CTより悪用されている理由について述べる。
このような悪影響にもかかわらず, 歯科用CBCTシステムの需要は, コスト競争性や放射線線量が少なく, 急速に増大している。
論文 参考訳(メタデータ) (2023-03-03T02:46:15Z) - Development of an algorithm for medical image segmentation of bone
tissue in interaction with metallic implants [58.720142291102135]
本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。
骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。
ネットワーク精度の面では、モデルは約98%に達した。
論文 参考訳(メタデータ) (2022-04-22T08:17:20Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳(メタデータ) (2021-12-23T15:52:37Z) - Artificial Intelligence-Based Detection, Classification and
Prediction/Prognosis in PET Imaging: Towards Radiophenomics [2.2509387878255818]
この研究は、腫瘍学的なPETとPET/CTイメージングに焦点を当てたAIベースの技術についてレビューする。
良性から悪性まで腫瘍組織学のスペクトルがあり、AIベースの分類法で同定できる。
放射線分析は、腫瘍の正確な評価のための非侵襲的手法として利用される可能性がある。
論文 参考訳(メタデータ) (2021-10-20T01:05:47Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳(メタデータ) (2020-10-07T08:36:44Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳(メタデータ) (2020-04-06T15:21:34Z)
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。