Fugu-MT 論文翻訳(概要): STS MICCAI 2023 Challenge: Grand challenge on 2D and 3D semi-supervised tooth segmentation

論文の概要: STS MICCAI 2023 Challenge: Grand challenge on 2D and 3D semi-supervised tooth segmentation

arxiv url: http://arxiv.org/abs/2407.13246v1
Date: Thu, 18 Jul 2024 08:00:08 GMT
ステータス: 処理完了
システム内更新日: 2024-07-19 16:22:32.151499
Title: STS MICCAI 2023 Challenge: Grand challenge on 2D and 3D semi-supervised tooth segmentation
Title（参考訳）: STS MICCAI 2023 Challenge: Grand Challenge on 2D and 3D semi-supervised teeth segmentation
Authors: Yaqi Wang, Yifan Zhang, Xiaodiao Chen, Shuai Wang, Dahong Qian, Fan Ye, Feng Xu, Hongyuan Zhang, Qianni Zhang, Chengyu Wu, Yunxiang Li, Weiwei Cui, Shan Luo, Chengkai Wang, Tianhao Li, Yi Liu, Xiang Feng, Huiyu Zhou, Dongyun Liu, Qixuan Wang, Zhouhao Lin, Wei Song, Yuanlin Li, Bing Wang, Chunshi Wang, Qiupu Chen, Mingqian Li,
Abstract要約: MICCAI 2023 Challenge on the Alibaba Tianchi Platformの一部として、Semi-supervised Teeth (STS) Challengeが開催された。この課題は, 歯学の分野を前進させるために, 効果的な半教師付き歯のセグメンテーションアルゴリズムを検討することである。 2次元パノラマX線像と3次元CBCT歯量を含む2つのモダリティを提供する。
参考スコア（独自算出の注目度）: 33.341833229434435
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computer-aided design (CAD) tools are increasingly popular in modern dental practice, particularly for treatment planning or comprehensive prognosis evaluation. In particular, the 2D panoramic X-ray image efficiently detects invisible caries, impacted teeth and supernumerary teeth in children, while the 3D dental cone beam computed tomography (CBCT) is widely used in orthodontics and endodontics due to its low radiation dose. However, there is no open-access 2D public dataset for children's teeth and no open 3D dental CBCT dataset, which limits the development of automatic algorithms for segmenting teeth and analyzing diseases. The Semi-supervised Teeth Segmentation (STS) Challenge, a pioneering event in tooth segmentation, was held as a part of the MICCAI 2023 ToothFairy Workshop on the Alibaba Tianchi platform. This challenge aims to investigate effective semi-supervised tooth segmentation algorithms to advance the field of dentistry. In this challenge, we provide two modalities including the 2D panoramic X-ray images and the 3D CBCT tooth volumes. In Task 1, the goal was to segment tooth regions in panoramic X-ray images of both adult and pediatric teeth. Task 2 involved segmenting tooth sections using CBCT volumes. Limited labelled images with mostly unlabelled ones were provided in this challenge prompt using semi-supervised algorithms for training. In the preliminary round, the challenge received registration and result submission by 434 teams, with 64 advancing to the final round. This paper summarizes the diverse methods employed by the top-ranking teams in the STS MICCAI 2023 Challenge.
Abstract（参考訳）: コンピュータ支援デザイン(CAD)ツールは、現代の歯科医療、特に治療計画や包括的予後評価において、ますます人気が高まっている。特に、この2DパノラマX線画像は、小児の盲歯、衝撃歯、超数歯を効率よく検出する一方、3D歯科用コーンビームCT(CBCT)は、その低放射線線量による矯正および歯内療法に広く用いられている。しかし, 小児歯の2次元公開データセットは存在せず, 3次元歯科用CBCTデータセットも存在せず, 歯のセグメンテーションや疾患解析のための自動アルゴリズムの開発が制限されている。 MICCAI 2023 ToothFairy Workshop on the Alibaba Tianchi platformの一部として、歯のセグメンテーションの先駆的なイベントであるSemi-supervised Teeth Segmentation (STS) Challengeが開催された。この課題は, 歯学の分野を前進させるために, 効果的な半教師付き歯のセグメンテーションアルゴリズムを検討することである。本研究では,2次元パノラマX線像と3次元CBCT歯量を含む2つのモダリティを提供する。第1タスクでは, 成人歯と小児歯のパノラマX線像において, 歯の領域を分割することが目的であった。第2章 CBCTボリュームを用いた歯列分割。この課題のプロンプトには、ほとんどラベリングされていないラベル付き画像が、セミ教師付きアルゴリズムで訓練された。予選では434チームが参加し、64チームが決勝に進出した。本稿では,STS MICCAI 2023 Challengeにおける上位チームによる多様な手法について要約する。

関連論文リスト

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)
3D Structure-guided Network for Tooth Alignment in 2D Photograph [47.51314162367702]
矯正治療に先立って歯列が整列した2次元写真は, 効果的な歯科医療コミュニケーションに不可欠である。本稿では2次元画像空間内の歯を入力として2次元写真を取り,アライメントする3次元構造誘導歯列ネットワークを提案する。本研究は, 各種顔写真におけるネットワークの評価を行い, 歯科矯正産業における特筆すべき性能と高い適用性を示した。
論文参考訳（メタデータ） (2023-10-17T09:44:30Z)
3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge [18.46601146994235]
3DTeethSeg'22チャレンジは、2022年のMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で実施された。 900人の患者から1800件のスキャンを行ったデータセットを作成し, それぞれの歯にヒトと機械のハイブリッドアルゴリズムを用いて個別にアノテートした。本研究では,3DTeethSeg'22チャレンジの評価結果について述べる。
論文参考訳（メタデータ） (2023-05-29T17:49:58Z)
ToothInpaintor: Tooth Inpainting from Partial 3D Dental Model and 2D Panoramic Image [35.72913439096702]
矯正治療では、クラウンとルートの両方からなる完全な歯のモデルが不可欠である。本稿では, 部分的な3次元歯科モデルと2次元パノラマ画像とを入力として用いた, ToothInpaintor と呼ばれるニューラルネットワークを提案する。我々は,ニューラルネットワークを用いて学習した潜伏空間に入力を投影し,入力に条件付けされた歯の完全なモデルを得ることに成功した。
論文参考訳（メタデータ） (2022-11-25T18:15:22Z)
Teeth3DS+: An Extended Benchmark for Intraoral 3D Scans Analysis [7.546387289692397]
本稿では,口腔内3Dスキャン解析の分野を推し進めるために設計された,最初の包括的公開ベンチマークであるTeeth3DS+を紹介する。このデータセットには、900人の患者から採取された少なくとも1,800本の口腔内スキャン(23,999本の歯を含む)が含まれており、上顎と下顎の両方を別々にカバーしている。
論文参考訳（メタデータ） (2022-10-12T11:18:35Z)
FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
論文参考訳（メタデータ） (2022-06-24T23:44:42Z)
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)
Developing a Novel Approach for Periapical Dental Radiographs Segmentation [1.332560004325655]
提案するアルゴリズムは2段階で構成され,第1段階は前処理である。このアルゴリズムの第2部と第1部は回転度を計算し、歯の隔離に積分投影法を用いる。実験結果から, このアルゴリズムは頑健であり, 精度が高いことがわかった。
論文参考訳（メタデータ） (2021-11-13T17:25:35Z)
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 fully automated method for 3D individual tooth identification and segmentation in dental CBCT [1.567576360103422]
本稿では,歯科用CBCT画像から3次元個別歯を同定・分別する完全自動化手法を提案する。提案手法は,ディープラーニングに基づく階層型多段階モデルを構築することで,上記の課題に対処する。実験結果から, 本法は歯の識別に93.35%のF1スコア, 個々の3次元歯のセグメンテーションに94.79%のDice類似係数を達成できた。
論文参考訳（メタデータ） (2021-02-11T15:07:23Z)

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。