論文の概要: Teeth Localization and Lesion Segmentation in CBCT Images using
SpatialConfiguration-Net and U-Net
- arxiv url: http://arxiv.org/abs/2312.12189v1
- Date: Tue, 19 Dec 2023 14:23:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 15:29:23.554457
- Title: Teeth Localization and Lesion Segmentation in CBCT Images using
SpatialConfiguration-Net and U-Net
- Title（参考訳）: spatialconfiguration-net と u-net を用いた cbct 画像における歯の局在と病変分割
- Authors: Arnela Hadzic and Barbara Kirnbauer and Darko Stern and Martin
Urschler
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.4915744683251149
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The localization of teeth and segmentation of periapical lesions in cone-beam
computed tomography (CBCT) images are crucial tasks for clinical diagnosis and
treatment planning, which are often time-consuming and require a high level of
expertise. However, automating these tasks is challenging due to variations in
shape, size, and orientation of lesions, as well as similar topologies among
teeth. Moreover, the small volumes occupied by lesions in CBCT images pose a
class imbalance problem that needs to be addressed. In this study, we propose a
deep learning-based method utilizing two convolutional neural networks: the
SpatialConfiguration-Net (SCN) and a modified version of the U-Net. The SCN
accurately predicts the coordinates of all teeth present in an image, enabling
precise cropping of teeth volumes that are then fed into the U-Net which
detects lesions via segmentation. To address class imbalance, we compare the
performance of three reweighting loss functions. After evaluation on 144 CBCT
images, our method achieves a 97.3% accuracy for teeth localization, along with
a promising sensitivity and specificity of 0.97 and 0.88, respectively, for
subsequent lesion detection.
- Abstract（参考訳）: コーンビームCT(CBCT)画像における歯の局在と根尖部病変のセグメンテーションは臨床診断と治療計画にとって重要な課題であり,高い専門知識を必要とすることが多い。
しかし, 歯の形状, 大きさ, 向きの違い, 歯列の類似性から, これらの課題の自動化は困難である。
さらに,CBCT画像の病変が占める小ボリュームは,対処すべきクラス不均衡の問題を引き起こす。
本研究では,2つの畳み込みニューラルネットワーク,SpatialConfiguration-Net(SCN)とU-Netの修正版を用いた深層学習手法を提案する。
scnは画像中のすべての歯の座標を正確に予測し、u-netに供給された歯の体積を正確に切り取り、分節化によって病変を検出する。
クラス不均衡に対処するために、3つの再重み付け損失関数の性能を比較する。
144 CBCT画像の評価の結果, 歯の局所化には97.3%の精度, 有望な感度, 特異性には0.97, 0.88の精度が得られた。
関連論文リスト
- 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) - Acute ischemic stroke lesion segmentation in non-contrast CT images
using 3D convolutional neural networks [0.0]
非コントラストCT脳画像における急性虚血性脳梗塞の容積分画を目的とした自動アルゴリズムを提案する。
我々のディープラーニングアプローチは、人気のある3D U-Net畳み込みニューラルネットワークアーキテクチャに基づいている。
論文 参考訳（メタデータ） (2023-01-17T10:39:39Z) - Development of an algorithm for medical image segmentation of bone
tissue in interaction with metallic implants [58.720142291102135]
本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。
骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。
ネットワーク精度の面では、モデルは約98%に達した。
論文 参考訳（メタデータ） (2022-04-22T08:17:20Z) - 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) - Metal Artifact Reduction with Intra-Oral Scan Data for 3D Low Dose
Maxillofacial CBCT Modeling [0.7444835592104696]
高精度な3次元顎顔面CBCTモデリングのための2段階金属アーチファクト低減法を提案する。
第1段階では、金属関連アーティファクトを緩和するために画像と画像の深層学習ネットワークが使用される。
第2段階では、矯正された歯科用CBCT画像から骨を分割して3次元顎顔面モデルを構築する。
論文 参考訳（メタデータ） (2022-02-08T00:24:41Z) - 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) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - A Learning-based Method for Online Adjustment of C-arm Cone-Beam CT
Source Trajectories for Artifact Avoidance [47.345403652324514]
市販CBCT装置で実現可能な復元品質はペダルスクリューの存在下での金属加工品のため不十分である。
そこで本研究では,C-arm CBCTソーストラジェクトリをスキャン中に調整し,特定のタスクに対する再構成品質を最適化することを提案する。
リアルにシミュレートされたデータに基づいてトレーニングされた畳み込みニューラルネットワークは、CBCTソース軌跡のシーン特異的な調整を可能にする品質指標を予測することができることを示す。
論文 参考訳（メタデータ） (2020-08-14T09:23:50Z) - Collaborative Boundary-aware Context Encoding Networks for Error Map
Prediction [65.44752447868626]
本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。
具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。
AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
論文 参考訳（メタデータ） (2020-06-25T12:42:01Z) - Pose-Aware Instance Segmentation Framework from Cone Beam CT Images for
Tooth Segmentation [9.880428545498662]
コーンビームCT(CBCT)画像からの個々の歯のセグメンテーションは矯正構造の解剖学的理解に不可欠である。
CBCT画像中の重金属人工物の存在は、個々の歯の正確なセグメンテーションを妨げる。
本稿では,金属製品に対して堅牢なインスタンスセグメンテーションフレームワークを活用するために,ピクセルワイズラベリングのためのニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-02-06T07:57:34Z)
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。