論文の概要: DETDet: Dual Ensemble Teeth Detection

• arxiv url: http://arxiv.org/abs/2308.14070v1
• Date: Sun, 27 Aug 2023 11:04:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 17:03:03.255361
• Title: DETDet: Dual Ensemble Teeth Detection
• Title（参考訳）: DETDet:デュアルアンサンブル歯検出
• Authors: Kyoungyeon Choi, Jaewon Shin, Eunyi Lyou
• Abstract要約: 2023 MICCAI DENTEXは, 歯科用パノラマX線診断と列挙の精度を高めることを目的としている。 DeTDetはDual Ensemble Teeth Detection Networkである。 我々は列挙モジュールにMask-RCNN,診断モジュールにDINOを採用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The field of dentistry is in the era of digital transformation. Particularly, artificial intelligence is anticipated to play a significant role in digital dentistry. AI holds the potential to significantly assist dental practitioners and elevate diagnostic accuracy. In alignment with this vision, the 2023 MICCAI DENTEX challenge aims to enhance the performance of dental panoramic X-ray diagnosis and enumeration through technological advancement. In response, we introduce DETDet, a Dual Ensemble Teeth Detection network. DETDet encompasses two distinct modules dedicated to enumeration and diagnosis. Leveraging the advantages of teeth mask data, we employ Mask-RCNN for the enumeration module. For the diagnosis module, we adopt an ensemble model comprising DiffusionDet and DINO. To further enhance precision scores, we integrate a complementary module to harness the potential of unlabeled data. The code for our approach will be made accessible at https://github.com/Bestever-choi/Evident
• Abstract（参考訳）: 歯科医学の分野はデジタルトランスフォーメーションの時代にある。 特に、人工知能はデジタル歯学において重要な役割を果たすことが期待されている。 AIは歯科医を著しく支援し、診断精度を高める可能性を秘めている。 このビジョンに合わせて、2023 MICCAI DENTEXは、歯科パノラマX線診断と列挙の精度を高めることを目的としている。 そこで本研究では,Dual Ensemble Teeth Detection NetworkであるDeTDetを紹介する。 DETDetは列挙と診断専用の2つの異なるモジュールを含んでいる。 歯のマスクデータの利点を生かして, 列挙モジュールに mask-rcnn を用いる。 診断用モジュールには, diffusiondet と dino からなるアンサンブルモデルを採用する。 さらに精度を向上するため,未ラベルデータの可能性を利用する補完モジュールを統合する。 このアプローチのコードはhttps://github.com/Bestever-choi/Evidentでアクセスできます。

関連論文リスト

• Improving Dental Diagnostics: Enhanced Convolution with Spatial Attention Mechanism [0.0]
  本稿では,SimAMアテンションモジュールと統合されたResNet50アーキテクチャを改良し,歯科画像における限られたコントラストの課題に対処する。 本モデルでは,F1スコアの0.676を達成し,様々な特徴抽出技術に対して優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-11T01:12:30Z)
• SSAD: Self-supervised Auxiliary Detection Framework for Panoramic X-ray based Dental Disease Diagnosis [34.18685561597102]
  SSADフレームワークはプラグアンドプレイであり、あらゆる検出器と互換性がある。 SSADフレームワークは、主流のオブジェクト検出方法やSSLメソッドと比較して最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-06-20T03:09:15Z)
• 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)
• 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)
• YOLOrtho -- A Unified Framework for Teeth Enumeration and Dental Disease Detection [4.136033167469768]
  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。
  論文  参考訳（メタデータ） (2023-08-11T06:54:55Z)
• DENTEX: An Abnormal Tooth Detection with Dental Enumeration and Diagnosis Benchmark for Panoramic X-rays [0.3355353735901314]
  パノラマX線チャレンジ(DENTEX)の歯科治療と診断は、2023年の医用画像コンピューティングとコンピュータ支援介入国際会議(MICCAI)と連携して進められている。 完全注釈付きデータに基づいて参加者アルゴリズムの評価結果を示す。 この注釈付きデータセットの提供は、この課題の結果と共に、歯科医療の分野でAIを活用したツールを作成するための基礎となるかもしれない。
  論文  参考訳（メタデータ） (2023-05-30T15:15:50Z)
• 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)
• 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)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。