論文の概要: FD-SOS: Vision-Language Open-Set Detectors for Bone Fenestration and Dehiscence Detection from Intraoral Images
- arxiv url: http://arxiv.org/abs/2407.09088v1
- Date: Fri, 12 Jul 2024 08:29:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 00:17:04.536676
- Title: FD-SOS: Vision-Language Open-Set Detectors for Bone Fenestration and Dehiscence Detection from Intraoral Images
- Title（参考訳）: FD-SOS: 口腔内画像からの骨剥離・脱ヒスンス検出のためのビジョンランゲージオープンセット検出器
- Authors: Marawan Elbatel, Keyuan Liu, Yanqi Yang, Xiaomeng Li,
- Abstract要約: FD-SOSは、口腔内画像からFDを検出するための新しいオープンセットオブジェクト検出器である。
CCDN( Conditional contrastive denoising)とTMA(orth-specific matching assignment)の2つの新しい構成要素がある。
- 参考スコア（独自算出の注目度）: 4.969875480294773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate detection of bone fenestration and dehiscence (FD) is crucial for effective treatment planning in dentistry. While cone-beam computed tomography (CBCT) is the gold standard for evaluating FD, it comes with limitations such as radiation exposure, limited accessibility, and higher cost compared to intraoral images. In intraoral images, dentists face challenges in the differential diagnosis of FD. This paper presents a novel and clinically significant application of FD detection solely from intraoral images. To achieve this, we propose FD-SOS, a novel open-set object detector for FD detection from intraoral images. FD-SOS has two novel components: conditional contrastive denoising (CCDN) and teeth-specific matching assignment (TMA). These modules enable FD-SOS to effectively leverage external dental semantics. Experimental results showed that our method outperformed existing detection methods and surpassed dental professionals by 35% recall under the same level of precision. Code is available at: https://github.com/xmed-lab/FD-SOS.
- Abstract（参考訳）: 歯科における骨形成・脱ヒスチンス(FD)の正確な検出は,効果的な治療計画立案に不可欠である。
コーンビームCT(CBCT)はFDを評価するための金の標準であるが, 放射線照射, アクセシビリティの制限, 口腔内画像と比較して高コストである。
口腔内画像では、歯科医はFDの鑑別診断に困難に直面している。
本論文は口腔内画像のみからFD検出の新規かつ臨床的に重要な応用について述べる。
そこで本研究では,口腔内画像からのFD検出のための新しいオープンセットオブジェクト検出器FD-SOSを提案する。
FD-SOSは、条件付きコントラストデノイング(CCDN)と歯特異的マッチング割り当て(TMA)の2つの新しい構成要素を持つ。
これらのモジュールにより、FD-SOSは外部の歯科的意味論を効果的に活用できる。
以上の結果から,本手法は既存の検出方法よりも優れ,同じ精度で35%のリコールを達成できた。
コードは、https://github.com/xmed-lab/FD-SOSで入手できる。
関連論文リスト
- Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Position-Guided Prompt Learning for Anomaly Detection in Chest X-Rays [46.78926066405227]
胸部X線異常検出は重要な課題である。
近年,多数の医用画像に基づいて事前トレーニングされたCLIPベースの手法は,ゼロ/フェーショットダウンストリームタスクにおいて顕著な性能を示した。
凍結したCLIPモデルにタスクデータを適応させる位置誘導型プロンプト学習法を提案する。
論文 参考訳（メタデータ） (2024-05-20T12:11:41Z) - WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。
WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2024-03-18T11:20:11Z) - VALD-MD: Visual Attribution via Latent Diffusion for Medical Diagnostics [0.0]
医用画像における視覚的属性は、医用画像の診断関連成分を明確にすることを目指している。
本稿では、潜在拡散モデルとドメイン固有大言語モデルを組み合わせた新しい生成的視覚属性手法を提案する。
結果として生じるシステムは、ゼロショット局所化疾患誘導を含む様々な潜在能力を示す。
論文 参考訳（メタデータ） (2024-01-02T19:51:49Z) - BS-Diff: Effective Bone Suppression Using Conditional Diffusion Models
from Chest X-Ray Images [21.19843479423806]
胸部X線(CXR)は肺検診の低用量モダリティとして一般的に用いられる。
肺領域の約75%は骨と重なり、疾患の検出と診断を妨げている。
骨抑制技術が導入されたが、現在の病院の二重エネルギーサブトラクションイメージング技術は、高価な機器と高放射線にさらされる被検体を必要としている。
本稿では,U-Netアーキテクチャを備えた条件拡散モデルと,オートエンコーダを組み込むシンプルな拡張モジュールを備える骨抑制フレームワークBS-Diffを提案する。
論文 参考訳（メタデータ） (2023-11-26T15:13:13Z) - DEFN: Dual-Encoder Fourier Group Harmonics Network for Three-Dimensional Indistinct-Boundary Object Segmentation [6.0920148653974255]
本稿では,学習コーパス内の不明瞭な境界オブジェクトの表現多様性を高めるために,欠陥注入(SDi)を導入する。
そこで我々はDEFN(Dual-Encoder Fourier Group Harmonics Network)を提案する。
論文 参考訳（メタデータ） (2023-11-01T12:33:04Z) - AnoDODE: Anomaly Detection with Diffusion ODE [0.0]
異常検出は、データセットの大部分から著しく逸脱する非定型的なデータサンプルを特定するプロセスである。
医用画像から抽出した特徴量の密度を推定し,拡散モードに基づく新しい異常検出手法を提案する。
提案手法は異常を識別するだけでなく,画像レベルと画素レベルでの解釈性も提供する。
論文 参考訳（メタデータ） (2023-10-10T08:44:47Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Robust Implementation of Foreground Extraction and Vessel Segmentation
for X-ray Coronary Angiography Image Sequence [4.653742319057035]
X-ray coronary angiography (XCA) 画像からの造影血管の抽出は臨床的に重要である。
テンソルロバスト主成分分析(TRPCA)に基づく容器層抽出法を提案する。
不均質なコントラスト分布を有する容器画像に対しては,2段階成長(TSRG)法を用いて血管拡張とセグメンテーションを行う。
論文 参考訳（メタデータ） (2022-09-15T12:07:09Z) - Calibrate the inter-observer segmentation uncertainty via
diagnosis-first principle [45.29954184893812]
本稿では, サーバ間セグメンテーションの不確実性を校正するための基準として, 診断第一原則を提案する。
さらに, 原画像からのTake and Give Modelto segment DF-GTを提案する。
実験の結果, 提案したDiFFは, 対応する疾患の診断を著しく促進できることがわかった。
論文 参考訳（メタデータ） (2022-08-05T07:12:24Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z)
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。