論文の概要: YOLOrtho -- A Unified Framework for Teeth Enumeration and Dental Disease
Detection
- arxiv url: http://arxiv.org/abs/2308.05967v2
- Date: Tue, 5 Sep 2023 03:44:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-07 03:35:15.730372
- Title: YOLOrtho -- A Unified Framework for Teeth Enumeration and Dental Disease
Detection
- Title（参考訳）: YOLOrtho -- 歯列挙と歯科疾患検出のための統一フレームワーク
- Authors: Shenxiao Mei, Chenglong Ma, Feihong Shen, Huikai Wu
- Abstract要約: YOLOrthoは歯列挙と歯科疾患検出のための統合された枠組みである。
我々は,3種類の注釈付きデータからなるDentex Challenge 2023データに基づくモデルを開発した。
このデータを十分に活用し,同時に歯の発見と疾患の同定を学習するために,本研究では,歯に付着する属性として疾患を定式化する。
- 参考スコア（独自算出の注目度）: 4.136033167469768
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detecting dental diseases through panoramic X-rays images is a standard
procedure for dentists. Normally, a dentist need to identify diseases and find
the infected teeth. While numerous machine learning models adopting this
two-step procedure have been developed, there has not been an end-to-end model
that can identify teeth and their associated diseases at the same time. To fill
the gap, we develop YOLOrtho, a unified framework for teeth enumeration and
dental disease detection. We develop our model on Dentex Challenge 2023 data,
which consists of three distinct types of annotated data. The first part is
labeled with quadrant, and the second part is labeled with quadrant and
enumeration and the third part is labeled with quadrant, enumeration and
disease. To further improve detection, we make use of Tufts Dental public
dataset. To fully utilize the data and learn both teeth detection and disease
identification simultaneously, we formulate diseases as attributes attached to
their corresponding teeth. Due to the nature of position relation in teeth
enumeration, We replace convolution layer with CoordConv in our model to
provide more position information for the model. We also adjust the model
architecture and insert one more upsampling layer in FPN in favor of large
object detection. Finally, we propose a post-process strategy for teeth layout
that corrects teeth enumeration based on linear sum assignment. Results from
experiments show that our model exceeds large Diffusion-based model.
- Abstract（参考訳）: パノラマX線画像による歯科疾患の検出は歯科医の標準的な処置である。
通常、歯科医は病気を識別し、感染した歯を見つける必要がある。
この2段階の手順を採用した多くの機械学習モデルが開発されているが、歯とその関連疾患を同時に識別できるエンドツーエンドモデルはない。
このギャップを埋めるために,歯列と歯疾患検出のための統合的な枠組みであるYOLOrthoを開発した。
我々は、3種類のアノテーション付きデータからなるdentex challenge 2023データに基づくモデルを開発した。
第1部は四角形、第2部は四角形、第3部は四角形、第3部は四角形、第2部は病形である。
検出をさらに改善するために、Tufts Dental公開データセットを利用する。
このデータを十分に活用し,同時に歯の発見と疾患の同定を学習するために,歯に付着する属性として疾患を定式化する。
歯列挙における位置関係の性質から,モデルのコンボリューション層をCoordConvに置き換えて,モデルにより多くの位置情報を提供する。
また、モデルアーキテクチャを調整し、FPNにもう1つのアップサンプリング層を挿入し、大きなオブジェクト検出に役立てる。
最後に,リニアサム割り当てに基づいて歯の列挙を補正する歯の配置の処理後戦略を提案する。
実験の結果,我々のモデルは拡散モデルを上回ることがわかった。
関連論文リスト
- Teeth-SEG: An Efficient Instance Segmentation Framework for Orthodontic Treatment based on Anthropic Prior Knowledge [8.87268139736394]
本稿では,階層化されたマルチスケールアグリゲーション(MSA)ブロックと,人為的優先知識(APK)レイヤから構成されるTeethSEGというViTベースのフレームワークを提案する。
これらの問題に対処するために,階層化マルチスケールアグリゲーション(MSA)ブロックと人為的優先知識(APK)レイヤからなる,TeethSEGというViTベースのフレームワークを提案する。
IO150Kを用いた実験により, 歯質SEGは, 歯科画像のセグメンテーションにおける最先端のセグメンテーションモデルよりも優れていることが示された。
論文 参考訳（メタデータ） (2024-04-01T09:34:51Z) - 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) - A Sequential Framework for Detection and Classification of Abnormal
Teeth in Panoramic X-rays [1.8962225869778402]
本報告では,MICCAI 2023におけるパノラマX線検査における歯科審美と診断の解決策について述べる。
本手法は, 異常歯の検出・分類作業に適した多段階の枠組みから構成される。
論文 参考訳（メタデータ） (2023-08-31T13:47:01Z) - Intergrated Segmentation and Detection Models for Dentex Challenge 2023 [2.1025078609239403]
深層学習の発展により、歯科用パノラマX線による疾患の自動検出は、歯科医が疾患をより効率的に診断するのに役立つ。
デンテックスチャレンジ2023(英: Dentex Challenge 2023)は、歯科用パノラマX線から異常歯を自動的に検出する競技である。
論文 参考訳（メタデータ） (2023-08-27T17:44:25Z) - Accurate 3D Prediction of Missing Teeth in Diverse Patterns for Precise
Dental Implant Planning [44.20366627432732]
本研究は, 異なるパターンの欠損歯の正確な予測を行うための新しい枠組みを提示し, デジタルインプラント計画を容易にする。
提案手法は,健常者のCBCT画像から再構成した歯科用メッシュモデルのデータセット間のポイント・ツー・ポイント対応を推定することから始まる。
歯のディクショナリーは、確立されたポイントツーポイント対応に基づいて、歯の位置及び形状情報を符号化して、歯型毎に構築される。
論文 参考訳（メタデータ） (2023-07-16T05:52:37Z) - 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) - 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) - Dense Representative Tooth Landmark/axis Detection Network on 3D Model [32.81858923141152]
本稿では, 歯科医師によるラベル付きデータセットを用いた深層学習手法を提案する。
本手法では, 歯の目印(尖点など)だけでなく, 歯の角化や傾斜を測定する軸も抽出できる。
提案したネットワークは3次元歯のモデルとして入力され,様々な種類の歯のランドマークと軸を予測する。
論文 参考訳（メタデータ） (2021-11-08T00:42:22Z) - 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)
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。