論文の概要: Object Detection for Caries or Pit and Fissure Sealing Requirement in
Children's First Permanent Molars
- arxiv url: http://arxiv.org/abs/2308.16551v1
- Date: Thu, 31 Aug 2023 08:43:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-01 15:14:40.545141
- Title: Object Detection for Caries or Pit and Fissure Sealing Requirement in
Children's First Permanent Molars
- Title（参考訳）: 小児第一永久大臼歯におけるカリーまたはピットの物体検出と亀裂封止要件
- Authors: Chenyao Jiang, Shiyao Zhai, Hengrui Song, Yuqing Ma, Yachen Fan,
Yancheng Fang, Dongmei Yu, Canyang Zhang, Sanyang Han, Runming Wang, Yong
Liu, Jianbo Li, Peiwu Qin
- Abstract要約: 歯科治療は、治療を受けていない場合、様々な口腔疾患を引き起こす最も一般的な口腔疾患の1つである。
ピット・アンド・ファイジャー・シールは、ピット・アンド・ファイジャー・ケーリーの予防に広く用いられている最も効果的な方法の1つである。
ピットや裂け目やケーリーの現在の検出は、主に経験豊富な歯科医に依存している。
本稿では,スマートフォンで撮影した口腔写真を用いて,キャリーやピット,フィジャーのシール要求を自動的に検出する手法を提案する。
- 参考スコア（独自算出の注目度）: 12.351873758000972
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dental caries is one of the most common oral diseases that, if left
untreated, can lead to a variety of oral problems. It mainly occurs inside the
pits and fissures on the occlusal/buccal/palatal surfaces of molars and
children are a high-risk group for pit and fissure caries in permanent molars.
Pit and fissure sealing is one of the most effective methods that is widely
used in prevention of pit and fissure caries. However, current detection of
pits and fissures or caries depends primarily on the experienced dentists,
which ordinary parents do not have, and children may miss the remedial
treatment without timely detection. To address this issue, we present a method
to autodetect caries and pit and fissure sealing requirements using oral photos
taken by smartphones. We use the YOLOv5 and YOLOX models and adopt a tiling
strategy to reduce information loss during image pre-processing. The best
result for YOLOXs model with tiling strategy is 72.3 mAP.5, while the best
result without tiling strategy is 71.2. YOLOv5s6 model with/without tiling
attains 70.9/67.9 mAP.5, respectively. We deploy the pre-trained network to
mobile devices as a WeChat applet, allowing in-home detection by parents or
children guardian.
- Abstract（参考訳）: 歯科治療は、治療を受けていないと様々な口腔疾患を引き起こす最も一般的な口腔疾患の1つである。
主に臼歯の咬合/咬合/口蓋の孔や裂孔の内部で発生し、小児は永久臼歯の孔や裂孔の高リスク群である。
穴と亀裂のシールは、穴と亀裂の予防に広く使われている最も効果的な方法の1つである。
しかし、現在のピットや亀裂の検出は、通常親が持たない経験豊富な歯科医に主に依存しており、子供はタイムリーに検出することなくリメディカル治療を欠くことがある。
そこで本研究では,スマートフォンで撮影された口腔内写真を用いて,カリーやピット,亀裂を自動検出する手法を提案する。
我々は、YOLOv5 と YOLOX モデルを使用し、画像前処理時の情報損失を低減するためのタイリング戦略を採用する。
YOLOXsモデルにおけるタイリング戦略の最良の結果は72.3 mAP.5であり、タイリング戦略のない最良の結果は71.2である。
YOLOv5s6モデルはそれぞれ70.9/67.9 mAP.5に達する。
WeChatアプレットとしてモバイルデバイスに事前トレーニングされたネットワークをデプロイし、親や子供の保護者による家庭内検出を可能にします。
関連論文リスト
- TeethDreamer: 3D Teeth Reconstruction from Five Intra-oral Photographs [45.0864129371874]
そこで我々は,上下顎歯の形状と位置を復元する3次元再構築フレームワークTeethDreamerを提案する。
口腔内5枚の写真から,まず大きな拡散モデルの事前知識を活用して,新しい多視点画像を生成する。
生成したビュー間の3D整合性を確保するために,逆拡散プロセスに3D対応機能アテンション機構を統合する。
論文 参考訳（メタデータ） (2024-07-16T06:24:32Z) - 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) - 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) - 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) - PaXNet: Dental Caries Detection in Panoramic X-ray using Ensemble
Transfer Learning and Capsule Classifier [8.164433158925593]
多くの場合、画像品質の低さなどの異なる理由から、X線を用いた歯列の識別は困難である。
そこで本研究では,パノラマ画像中の歯列を初めて検出する自動診断システムを提案する。
提案モデルは、X線から関連する特徴を抽出し、カプセルネットワークを用いて予測結果を描画するトランスファーラーニングにより、事前訓練された様々な深層学習モデルの利点を享受する。
論文 参考訳（メタデータ） (2020-12-26T03:00:35Z) - Uncertainty-Aware Physically-Guided Proxy Tasks for Unseen Domain Face
Anti-spoofing [128.32381246318954]
Face Anti-Spoofing (FAS)は、偽の顔と偽の顔とを区別しようと試みている。
そこで本研究では,未確認領域のより高度な一般化を実現するために,物理手法を活用することを提案する。
論文 参考訳（メタデータ） (2020-11-28T03:22:26Z) - A Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。
本研究では,キャビティ検出のための多段階深層学習システムを提案する。
我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
論文 参考訳（メタデータ） (2020-08-17T21:11:19Z) - Individual Tooth Detection and Identification from Dental Panoramic
X-Ray Images via Point-wise Localization and Distance Regularization [10.877276642014515]
提案したネットワークは、まずすべての解剖学的歯に対して中心点回帰を行い、各歯を自動的に識別する。
歯の箱は、パッチベースでカスケードニューラルネットワークを用いて個別に局所化される。
実験結果から,提案アルゴリズムは最先端手法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） (2020-04-12T04:14:14Z)
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。