論文の概要: Teeth And Root Canals Segmentation Using ZXYFormer With Uncertainty
Guidance And Weight Transfer
- arxiv url: http://arxiv.org/abs/2308.07072v1
- Date: Mon, 14 Aug 2023 11:06:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 13:25:58.050847
- Title: Teeth And Root Canals Segmentation Using ZXYFormer With Uncertainty
Guidance And Weight Transfer
- Title（参考訳）: 不確実性誘導と重量移動を伴うzxyformerを用いた歯と根管の分節化
- Authors: Shangxuan Li, Yu Du, Li Ye, Chichi Li, Yanshu Fang, Cheng Wang, Wu
Zhou
- Abstract要約: 本研究はCBCT画像から歯根管と根管を同時に分割する試みである。
歯と根管は形態学的に非常に異なり、単純なネットワークがそれらを正確に識別することは困難である。
逆特徴フュージョン変換器と不確実性推定に基づく粗大部分分割法を提案する。
- 参考スコア（独自算出の注目度）: 8.497690081160087
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study attempts to segment teeth and root-canals simultaneously from CBCT
images, but there are very challenging problems in this process. First, the
clinical CBCT image data is very large (e.g., 672 *688 * 688), and the use of
downsampling operation will lose useful information about teeth and root
canals. Second, teeth and root canals are very different in morphology, and it
is difficult for a simple network to identify them precisely. In addition,
there are weak edges at the tooth, between tooth and root canal, which makes it
very difficult to segment such weak edges. To this end, we propose a
coarse-to-fine segmentation method based on inverse feature fusion transformer
and uncertainty estimation to address above challenging problems. First, we use
the downscaled volume data (e.g., 128 * 128 * 128) to conduct coarse
segmentation and map it to the original volume to obtain the area of teeth and
root canals. Then, we design a transformer with reverse feature fusion, which
can bring better segmentation effect of different morphological objects by
transferring deeper features to shallow features. Finally, we design an
auxiliary branch to calculate and refine the difficult areas in order to
improve the weak edge segmentation performance of teeth and root canals.
Through the combined tooth and root canal segmentation experiment of 157
clinical high-resolution CBCT data, it is verified that the proposed method is
superior to the existing tooth or root canal segmentation methods.
- Abstract（参考訳）: 本研究は, cbct画像から歯と根管を同時に分割することを試みるが, このプロセスには極めて困難な問題がある。
まず、CBCT画像データは非常に大きく(672 *688 * 688)、歯や根管に関する有用な情報を失う。
第二に、歯と根管は形態的に大きく異なり、単純なネットワークで正確に識別することは困難である。
さらに、歯と根管の間には、歯の縁が弱いため、そのような縁を分断することが非常に困難である。
そこで本研究では,逆機能融合変換器と不確実性推定に基づく粗大部分分割法を提案する。
まず、ダウンスケールされたボリュームデータ(例:128 * 128 * 128)を用いて粗いセグメンテーションを行い、それを元のボリュームにマッピングして歯と根管の面積を求める。
そこで我々は,より深い特徴を浅い特徴に移すことで,異なる形態的対象のセグメンテーション効果を向上できる逆特徴融合を用いたトランスフォーマを設計した。
最後に, 歯と根管の弱端分節性能を向上させるため, 難領域を計算・精錬する補助枝を設計・設計した。
臨床用高分解能cbctデータ157の歯根管分画実験により, 既存の歯根管分画法や歯根管分画法よりも優れた方法が得られた。
関連論文リスト
- Boundary feature fusion network for tooth image segmentation [7.554733074482215]
本稿では, 歯と隣接組織の境界が不明瞭である問題に対処するために, 境界情報を統合した斬新な歯のセグメンテーションネットワークを提案する。
最新のSTSデータチャレンジでは、我々の方法論が厳格にテストされ、合計スコアは0.91だった。
論文 参考訳（メタデータ） (2024-09-06T02:12:21Z) - Teeth Localization and Lesion Segmentation in CBCT Images using
SpatialConfiguration-Net and U-Net [0.4915744683251149]
歯の局所化と根尖部病変の分節化は臨床診断と治療計画にとって重要な課題である。
本研究では,2つの畳み込みニューラルネットワークを用いた深層学習手法を提案する。
この方法は、歯の局所化に対する97.3%の精度と、それぞれ0.97および0.88の有望な感度と特異性を達成し、その後の病変検出を行う。
論文 参考訳（メタデータ） (2023-12-19T14:23:47Z) - ToothSegNet: Image Degradation meets Tooth Segmentation in CBCT Images [13.572872371886577]
ToothSegNetは、トレーニング中に生成された劣化したイメージでセグメンテーションモデルを知る新しいフレームワークである。
ToothSegNetはより精密なセグメンテーションを生成し、最先端の医療画像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） (2023-07-05T01:41:24Z) - Scale-aware Super-resolution Network with Dual Affinity Learning for
Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。
提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文 参考訳（メタデータ） (2023-05-30T14:25:55Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Simultaneous Bone and Shadow Segmentation Network using Task
Correspondence Consistency [60.378180265885945]
骨と影の同時分割のための共有トランスフォーマベースエンコーダとタスク独立デコーダを備えた単一エンドツーエンドネットワークを提案する。
また,骨表面とそれに対応する影の相互依存性を利用してセグメンテーションを改良する対応整合損失も導入する。
論文 参考訳（メタデータ） (2022-06-16T22:37:05Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - 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) - Anatomy-Guided Parallel Bottleneck Transformer Network for Automated
Evaluation of Root Canal Therapy [13.768248182867673]
X線画像における根管充填は根管治療において重要なステップである。
正確な解剖学的特徴を得るために, ファジィ境界を分節する曲線フィッティングセグメンテーションを提案する。
そして,最終評価のための分類ネットワークとして,並列ボトルネックトランスフォーマネットワーク(pbt-net)を導入した。
論文 参考訳（メタデータ） (2021-05-02T02:38:31Z) - High-Resolution Segmentation of Tooth Root Fuzzy Edge Based on
Polynomial Curve Fitting with Landmark Detection [14.733417048938518]
ランドマーク検出(HS-PCL)を用いた曲線フィッティングに基づく高分解能セグメンテーションモデルを提案する。
歯根の区分として滑らかな曲線に合うように歯根の端に均等に分布する複数のランドマークを検出することに基づいています。
本モデルでは, 最短アルゴリズム (MNSDA) の最大数を提案し, 間違ったランドマークの負の影響を自動的に低減する。
論文 参考訳（メタデータ） (2021-03-07T04:28:09Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z)
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。