論文の概要: Automatic Tooth Arrangement with Joint Features of Point and Mesh Representations via Diffusion Probabilistic Models

• arxiv url: http://arxiv.org/abs/2312.15139v1
• Date: Sat, 23 Dec 2023 02:27:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-27 19:38:19.243980
• Title: Automatic Tooth Arrangement with Joint Features of Point and Mesh Representations via Diffusion Probabilistic Models
• Title（参考訳）: 拡散確率モデルによる点およびメッシュ表現の関節特徴を考慮した自動歯列配置
• Authors: Changsong Lei, Mengfei Xia, Shaofeng Wang, Yaqian Liang, Ran Yi, Yuhui Wen, Yongjin Liu
• Abstract要約: 歯の整列は矯正治療において重要なステップであり、歯の整列は全体の健康を改善し、顔の美学を高め、自信を高める。 未経験者による歯のアレンジメントの効率化と不合理なデザインによる誤りの最小化を目的として, 深層学習に基づく歯のアレンジメント手法が提案されている。
• 参考スコア（独自算出の注目度）: 33.75061391364549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tooth arrangement is a crucial step in orthodontics treatment, in which aligning teeth could improve overall well-being, enhance facial aesthetics, and boost self-confidence. To improve the efficiency of tooth arrangement and minimize errors associated with unreasonable designs by inexperienced practitioners, some deep learning-based tooth arrangement methods have been proposed. Currently, most existing approaches employ MLPs to model the nonlinear relationship between tooth features and transformation matrices to achieve tooth arrangement automatically. However, the limited datasets (which to our knowledge, have not been made public) collected from clinical practice constrain the applicability of existing methods, making them inadequate for addressing diverse malocclusion issues. To address this challenge, we propose a general tooth arrangement neural network based on the diffusion probabilistic model. Conditioned on the features extracted from the dental model, the diffusion probabilistic model can learn the distribution of teeth transformation matrices from malocclusion to normal occlusion by gradually denoising from a random variable, thus more adeptly managing real orthodontic data. To take full advantage of effective features, we exploit both mesh and point cloud representations by designing different encoding networks to extract the tooth (local) and jaw (global) features, respectively. In addition to traditional metrics ADD, PA-ADD, CSA, and ME_{rot}, we propose a new evaluation metric based on dental arch curves to judge whether the generated teeth meet the individual normal occlusion. Experimental results demonstrate that our proposed method achieves state-of-the-art tooth alignment results and satisfactory occlusal relationships between dental arches. We will publish the code and dataset.
• Abstract（参考訳）: 歯の整列は矯正治療において重要なステップであり、歯の整列は全体の健康を改善し、顔の美学を高め、自信を高める。 未経験者による歯の配置の効率化と不合理な設計に伴う誤差を最小限に抑えるため, 深層学習による歯の配置法が提案されている。 現在、既存のアプローチのほとんどはmlpを用いて歯の特徴と変換行列の非線形関係をモデル化し、自動的に歯の配置を達成する。 しかし、臨床実践から収集された限られたデータセット(我々の知る限りは公開されていない)は、既存の方法の適用性に制限があり、多様な決定問題に対処するには不十分である。 この課題に対処するために,拡散確率モデルに基づく汎用歯列ニューラルネットワークを提案する。 歯科モデルから抽出した特徴に基づき, 拡散確率モデルは, ランダム変数から徐々に切り離し, 歯の変成行列から正常咬合への分布を学習できるため, 実際の矯正データをより適切に管理できる。 有効な特徴をフル活用するために,異なる符号化ネットワークを設計し,歯(局所)と顎(球状)の特徴を抽出し,メッシュと点雲の表現を利用する。 ADD, PA-ADD, CSA, ME_{rot} の従来の測定値に加えて, 歯列曲線に基づく新しい評価基準を提案し, 歯列が正常咬合に適合するかどうかを判定する。 以上の結果から,本手法は歯列と歯列の咬合関係が良好であることを示す。 コードとデータセットを公開します。

関連論文リスト

• Instance Segmentation and Teeth Classification in Panoramic X-rays [35.8246552579468]
  歯のセグメンテーションと認識は様々な歯科応用や歯科診断において重要である。 この記事では、U-NetとYOLOv8という2つのディープラーニングモデルのパイプラインを提供します。 我々は YOLOv8 と U-Net の機能を利用して, 歯のセグメンテーションの質と信頼性を改善した。
  論文  参考訳（メタデータ） (2024-06-06T04:57:29Z)
• 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)
• Federated Offline Reinforcement Learning [55.326673977320574]
  マルチサイトマルコフ決定プロセスモデルを提案する。 我々は,オフラインRLを対象とした最初のフェデレーション最適化アルゴリズムを設計する。 提案アルゴリズムでは,学習ポリシーの準最適性は,データが分散していないような速度に匹敵する,理論的保証を与える。
  論文  参考訳（メタデータ） (2022-06-11T18:03:26Z)
• 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)
• A Twin Neural Model for Uplift [59.38563723706796]
  Upliftは条件付き治療効果モデリングの特定のケースです。 相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。 本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
  論文  参考訳（メタデータ） (2021-05-11T16:02:39Z)
• Tooth Instance Segmentation from Cone-Beam CT Images through Point-based Detection and Gaussian Disentanglement [5.937871999460492]
  本稿では,ガウス的不整形目的関数に基づいて個々の歯をアンタングルする点ベース歯像定位ネットワークを提案する。 実験結果から,提案アルゴリズムは検出精度を9.1%向上させることにより,最先端の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） (2021-02-02T05:15:50Z)
• An Adaptive Enhancement Based Hybrid CNN Model for Digital Dental X-ray Positions Classification [1.0672152844970149]
  適応ヒストグラム等化と畳み込みニューラルネットワーク(CNN)に基づく新しい解法を提案する。 テストセットの精度と特異性は90%を超え、AUCは0.97に達した。
  論文  参考訳（メタデータ） (2020-05-01T13:55:44Z)

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。