論文の概要: Generative Adversarial Networks for Dental Patient Identity Protection
in Orthodontic Educational Imaging
- arxiv url: http://arxiv.org/abs/2307.02019v1
- Date: Wed, 5 Jul 2023 04:14:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 15:14:35.114052
- Title: Generative Adversarial Networks for Dental Patient Identity Protection
in Orthodontic Educational Imaging
- Title(参考訳): 歯科医用教育画像における患者のアイデンティティ保護のためのジェネレーティブ・アドバイサル・ネットワーク
- Authors: Mingchuan Tian, Wilson Weixun Lu, Kelvin Weng Chiong Foong, Eugene Loh
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objectives: This research introduces a novel area-preserving Generative
Adversarial Networks (GAN) inversion technique for effectively de-identifying
dental patient images. This innovative method addresses privacy concerns while
preserving key dental features, thereby generating valuable resources for
dental education and research.
Methods: We enhanced the existing GAN Inversion methodology to maximize the
preservation of dental characteristics within the synthesized images. A
comprehensive technical framework incorporating several deep learning models
was developed to provide end-to-end development guidance and practical
application for image de-identification.
Results: Our approach was assessed with varied facial pictures, extensively
used for diagnosing skeletal asymmetry and facial anomalies. Results
demonstrated our model's ability to adapt the context from one image to
another, maintaining compatibility, while preserving dental features essential
for oral diagnosis and dental education. A panel of five clinicians conducted
an evaluation on a set of original and GAN-processed images. The generated
images achieved effective de-identification, maintaining the realism of
important dental features and were deemed useful for dental diagnostics and
education.
Clinical Significance: Our GAN model and the encompassing framework can
streamline the de-identification process of dental patient images, enhancing
efficiency in dental education. This method improves students' diagnostic
capabilities by offering more exposure to orthodontic malocclusions.
Furthermore, it facilitates the creation of de-identified datasets for broader
2D image research at major research institutions.
- Abstract(参考訳): 目的: 本研究は, 歯科患者像を効果的に識別する新しい領域保存型ジェネレーショナル・アドバーサリー・ネットワーク(gan)インバージョン技術を導入する。
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。
方法: 既存のGANインバージョン法を改良し, 合成画像中の歯科特性の保存を最大化する。
エンド・ツー・エンドの開発指導と画像認識のための実践的応用を提供するために,複数のディープラーニングモデルを組み込んだ包括的技術フレームワークを開発した。
結果: 様々な顔画像を用いて, 骨格異常や顔面異常の診断に広く用いられている。
以上の結果から, 口腔診断や歯科教育に欠かせない歯科的特徴を保ちながら, 一つの画像から別の画像へと文脈を適応させる能力を示した。
5人の臨床医のパネルが原画像とGAN処理画像のセットの評価を行った。
得られた画像は, 重要な歯科的特徴のリアリズムを維持し, 歯の診断や教育に有用であると考えられた。
臨床的意義:我々のGANモデルと包括的枠組みは,歯科患者画像の識別プロセスの合理化を図り,歯科教育の効率を高めることができる。
本手法は, 矯正歯列への露出を増大させることにより, 学生の診断能力を向上させる。
さらに、主要研究機関におけるより広い2次元画像研究のための非識別データセットの作成を容易にする。
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) - Multiclass Segmentation using Teeth Attention Modules for Dental X-ray
Images [8.041659727964305]
本研究では,スイニングトランスフォーマーとTABを用いたM-Net様構造を取り入れた新しい歯のセグメンテーションモデルを提案する。
提案したTABは、歯の複雑な構造に特化するユニークな注意機構を利用する。
提案アーキテクチャは,各歯とその周辺構造を正確に定義し,局所的およびグローバルな文脈情報を効果的に取得する。
論文 参考訳(メタデータ) (2023-11-07T06:20:34Z) - 3D Structure-guided Network for Tooth Alignment in 2D Photograph [51.9046939030457]
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) - Dental CLAIRES: Contrastive LAnguage Image REtrieval Search for Dental
Research [6.628588447133907]
提案フレームワークであるContrastive LAnguage Image Retrieval Search for Dental Research, Dental CLAIRESは,テキストクエリに基づいて最適なマッチング画像を取得する。
我々のモデルはヒット@3比96%、平均相反ランク(MRR)0.82を達成しました。
論文 参考訳(メタデータ) (2023-06-27T17:47:12Z) - Enhanced Masked Image Modeling for Analysis of Dental Panoramic
Radiographs [8.397847537464534]
本研究では,マスク型画像モデリング(SimMIM)変換器上での自己拡張型自己教師学習を提案する。
マスクされたパッチの予測損失に加えて、SD-SimMIMは可視パッチの自己蒸留損失を計算する。
SD-SimMIMを歯科用パノラマX線に応用し, 歯の修復, 矯正器具の検出, 症例分割作業を行った。
論文 参考訳(メタデータ) (2023-06-18T19:20:38Z) - Construction of unbiased dental template and parametric dental model for
precision digital dentistry [46.459289444783956]
CBCT画像から正確な歯科用アトラスを作製し, 歯のセグメンテーションを誘導するアンバイアスド歯科用テンプレートを開発した。
実際の被写体のCBCT画像159枚を収集して施工する。
論文 参考訳(メタデータ) (2023-04-07T09:39:03Z) - Self-Supervised Learning with Masked Image Modeling for Teeth Numbering,
Detection of Dental Restorations, and Instance Segmentation in Dental
Panoramic Radiographs [8.397847537464534]
本研究の目的は,SimMIM や UM-MAE といった近年の自己教師型学習手法を応用して,限られた数の歯科用ラジオグラフィーのモデル効率と理解を高めることである。
我々の知る限りでは、歯科用パノラマX線写真にスイニングトランスフォーマーに自己教師あり学習法を適用した最初の研究である。
論文 参考訳(メタデータ) (2022-10-20T16:50:07Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳(メタデータ) (2022-03-29T08:41:17Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - 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) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳(メタデータ) (2020-03-31T11:50:43Z)
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。