論文の概要: TCSloT: Text Guided 3D Context and Slope Aware Triple Network for Dental
Implant Position Prediction
- arxiv url: http://arxiv.org/abs/2308.05355v1
- Date: Thu, 10 Aug 2023 05:51:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-11 13:38:14.453536
- Title: TCSloT: Text Guided 3D Context and Slope Aware Triple Network for Dental
Implant Position Prediction
- Title(参考訳): TCSloT:歯科インプラント位置推定のための3Dテクストガイドとスロープアウェアトリプルネットワーク
- Authors: Xinquan Yang and Jinheng Xie and Xuechen Li and Xuguang Li and Linlin
Shen and Yongqiang Deng
- Abstract要約: インプラント補綴治療では、正確なインプラントを確保するために、インプラントの外科的ガイドが使用される。
インプラント位置の特定に歯科医を補助するディープニューラルネットワークが提案されている。
本稿では,テキストガイドによる3Dコンテキストとスロープアウェアトリプルネットワーク(TCSloT)を設計する。
- 参考スコア(独自算出の注目度): 27.020346431680355
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In implant prosthesis treatment, the surgical guide of implant is used to
ensure accurate implantation. However, such design heavily relies on the manual
location of the implant position. When deep neural network has been proposed to
assist the dentist in locating the implant position, most of them take a single
slice as input, which do not fully explore 3D contextual information and
ignoring the influence of implant slope. In this paper, we design a Text Guided
3D Context and Slope Aware Triple Network (TCSloT) which enables the perception
of contextual information from multiple adjacent slices and awareness of
variation of implant slopes. A Texture Variation Perception (TVP) module is
correspondingly elaborated to process the multiple slices and capture the
texture variation among slices and a Slope-Aware Loss (SAL) is proposed to
dynamically assign varying weights for the regression head. Additionally, we
design a conditional text guidance (CTG) module to integrate the text condition
(i.e., left, middle and right) from the CLIP for assisting the implant position
prediction. Extensive experiments on a dental implant dataset through five-fold
cross-validation demonstrated that the proposed TCSloT achieves superior
performance than existing methods.
- Abstract(参考訳): インプラント補綴治療では、インプラントの外科的ガイドが正確な移植を確実にするために用いられる。
しかし、このような設計はインプラントの位置の手動位置に大きく依存している。
インプラントの位置の特定を支援するディープニューラルネットワークが提案されているとき、ほとんどが入力として1スライスを取るが、3dコンテクスト情報を完全には探索せず、インプラント傾斜の影響を無視する。
本稿では,複数の隣接するスライスからのコンテキスト情報の認識とインプラント斜面の変動に対する認識を可能にする,テクスチャガイド3Dコンテキスト・スロープアウェアトリプルネットワーク(TCSloT)を設計する。
複数のスライスを処理し,スライス間のテクスチャの変化を捉えるために,テクスチャ変化知覚(TVP)モジュールを対応する精細化し,レグレッションヘッドの重みを動的に割り当てるスロープ・アウェア・ロス(SAL)を提案する。
さらに,CLIPからテキスト条件(左,中,右)を統合してインプラント位置予測を支援する条件付きテキストガイダンス(CTG)モジュールを設計する。
5倍のクロスバリデーションによる歯科インプラントデータセットの大規模な実験により,提案したTCSloTは既存の方法よりも優れた性能を示した。
関連論文リスト
- Simplify Implant Depth Prediction as Video Grounding: A Texture Perceive Implant Depth Prediction Network [26.68803827522865]
テクスチャ知覚インプラント深さ予測ネットワーク(TPNet)を開発した。
TPNetは、インプラント領域検出器(IRD)とインプラント深さ予測ネットワーク(IDPNet)から構成される。
大規模な歯科インプラントデータセットを用いた実験により,提案したTPNetは既存の方法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2024-06-07T03:24:04Z) - 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) - On the Localization of Ultrasound Image Slices within Point Distribution
Models [84.27083443424408]
甲状腺疾患は高分解能超音波(US)で診断されることが多い
縦断追跡は病理甲状腺形態の変化をモニタリングするための重要な診断プロトコルである。
3次元形状表現におけるUS画像の自動スライスローカライズのためのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-01T10:10:46Z) - TCEIP: Text Condition Embedded Regression Network for Dental Implant
Position Prediction [28.824994303170882]
ディープニューラルネットワークは、歯科インプラントの位置を設計する際に歯科医を支援するために提案されている。
文献は、複数の欠損歯がある場合、うまく機能せず、歯がまばらに分布しているとき、容易に偽の予測を発生させる。
本稿では,テキスト条件をエンコーダ・デコーダ・フレームワークに組み込むために,テキスト条件埋め込み型インプラント位置回帰ネットワーク(TCEIP)を提案する。
論文 参考訳(メタデータ) (2023-06-26T03:38:43Z) - Two-Stream Regression Network for Dental Implant Position Prediction [29.864052654136614]
インプラント補綴治療において,手術ガイドの設計はインプラント位置のマニュアル位置に大きく依存している。
ディープラーニングに基づく手法が、この問題に対処するために適用され始めている。
歯間の空間は様々であり、実際のインプラント領域と類似したテクスチャ特性を示すものもある。
論文 参考訳(メタデータ) (2023-05-17T08:37:26Z) - Point Cloud Diffusion Models for Automatic Implant Generation [0.4499833362998487]
本稿では,3次元点雲拡散モデルとボキセル化ネットワークを組み合わせたインプラント生成手法を提案する。
SkullBreak と SkullFix のデータセット上で評価を行い,高品質なインプラントを作製し,競争力のある評価スコアを得る。
論文 参考訳(メタデータ) (2023-03-14T16:54:59Z) - ImplantFormer: Vision Transformer based Implant Position Regression
Using Dental CBCT Data [27.020346431680355]
インプラント補綴は歯列欠損や歯列喪失の最も適切な治療であり、通常インプラント位置を決定するための外科的ガイド設計プロセスを必要とする。
本稿では, 経口CBCTデータに基づいてインプラント位置の自動予測を行うために, トランスフォーマを用いたインプラント位置回帰ネットワーク, implantFormerを提案する。
歯冠面積の2次元軸方向ビューを用いてインプラント位置を予測し,インプラントの中心線を適合させて実際のインプラント位置を歯根に求めることを創造的に提案する。
論文 参考訳(メタデータ) (2022-10-29T02:31:27Z) - A unified 3D framework for Organs at Risk Localization and Segmentation
for Radiation Therapy Planning [56.52933974838905]
現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする
本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。
提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
論文 参考訳(メタデータ) (2022-03-01T17:08:41Z) - 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) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳(メタデータ) (2020-12-16T07:11:16Z) - Tattoo tomography: Freehand 3D photoacoustic image reconstruction with
an optical pattern [49.240017254888336]
光音響トモグラフィ(PAT)は、形態学的および機能的組織特性の両方を解決することができる新しいイメージング技術である。
現在の欠点は、従来の2Dプローブによって提供される視野の制限である。
本研究では,外部追跡システムを必要としないPATデータの3次元再構成手法を提案する。
論文 参考訳(メタデータ) (2020-11-10T09:27:56Z)
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。