論文の概要: Facial Surgery Preview Based on the Orthognathic Treatment Prediction
- arxiv url: http://arxiv.org/abs/2412.11045v1
- Date: Sun, 15 Dec 2024 04:06:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:55:22.992149
- Title: Facial Surgery Preview Based on the Orthognathic Treatment Prediction
- Title（参考訳）: 顎矯正治療予測に基づく顔面手術の準備
- Authors: Huijun Han, Congyi Zhang, Lifeng Zhu, Pradeep Singh, Richard Tai Chiu Hsung, Yiu Yan Leung, Taku Komura, Wenping Wang, Min Gu,
- Abstract要約: 現在の可視化手法は、前処理と後処理のデータに制限があるため、しばしば不正確である。
本研究は,高精度かつ効率的な3次元手術後予測を生成する完全自動輪郭測地を開発する。
- 参考スコア（独自算出の注目度）: 39.0210096599548
- License:
- Abstract: Orthognathic surgery consultation is essential to help patients understand the changes to their facial appearance after surgery. However, current visualization methods are often inefficient and inaccurate due to limited pre- and post-treatment data and the complexity of the treatment. To overcome these challenges, this study aims to develop a fully automated pipeline that generates accurate and efficient 3D previews of postsurgical facial appearances for patients with orthognathic treatment without requiring additional medical images. The study introduces novel aesthetic losses, such as mouth-convexity and asymmetry losses, to improve the accuracy of facial surgery prediction. Additionally, it proposes a specialized parametric model for 3D reconstruction of the patient, medical-related losses to guide latent code prediction network optimization, and a data augmentation scheme to address insufficient data. The study additionally employs FLAME, a parametric model, to enhance the quality of facial appearance previews by extracting facial latent codes and establishing dense correspondences between pre- and post-surgery geometries. Quantitative comparisons showed the algorithm's effectiveness, and qualitative results highlighted accurate facial contour and detail predictions. A user study confirmed that doctors and the public could not distinguish between machine learning predictions and actual postoperative results. This study aims to offer a practical, effective solution for orthognathic surgery consultations, benefiting doctors and patients.
- Abstract（参考訳）: 整形外科のコンサルテーションは、手術後の顔の外観の変化を理解するのに不可欠である。
しかしながら、現在の可視化手法は、前処理と後処理の限られたデータと処理の複雑さのために、しばしば非効率で不正確である。
これらの課題を克服するため, 本研究は, 追加の医用画像を必要とすることなく, 外科手術後の顔貌の正確な3次元プレビューを生成する完全自動パイプラインを開発することを目的としている。
この研究は、顔面手術予測の精度を向上させるために、口の凸性や非対称性の損失などの新しい美的損失を導入する。
さらに、患者の3次元再構成のための特殊なパラメトリックモデル、潜伏コード予測ネットワーク最適化のための医療関連損失、不十分なデータに対処するためのデータ拡張スキームを提案する。
さらに、パラメトリックモデルであるFLAMEを用いて、顔の潜伏符号を抽出し、手術前地と術後地との密接な対応を確立することにより、顔の外観プレビューの質を高める。
定量的比較はアルゴリズムの有効性を示し、質的な結果は正確な顔の輪郭と詳細な予測を強調した。
ユーザスタディでは、医師と一般人が機械学習の予測と実際の術後成績を区別できないことを確認した。
本研究の目的は, 歯科矯正手術相談の実践的, 効果的なソリューションを提供することである。
関連論文リスト
- An Endoscopic Chisel: Intraoperative Imaging Carves 3D Anatomical Models [8.516340459721484]
本稿では,術前の3次元解剖モデル更新のための第1のビジョンベースアプローチを提案する。
以上の結果より, 外科的進行過程における誤りの減少が示唆された。
論文 参考訳（メタデータ） (2024-02-19T05:06:52Z) - Learning Expected Appearances for Intraoperative Registration during
Neurosurgery [39.256282185354465]
そこで本研究では, 患者対画像登録の新たな方法を提案する。
本手法は,術前画像を用いて患者の期待するビューを手術顕微鏡で合成し,予測される範囲の変換を行う。
論文 参考訳（メタデータ） (2023-10-03T01:50:48Z) - Leveraging Semi-Supervised Graph Learning for Enhanced Diabetic
Retinopathy Detection [0.0]
糖尿病網膜症(DR: Diabetic Retinopathy)は、早期発見と治療の急激な必要性を浮き彫りにしている。
機械学習(ML)技術の最近の進歩は、DR検出における将来性を示しているが、ラベル付きデータの可用性は、しばしばパフォーマンスを制限している。
本研究では,DR検出に適したSemi-Supervised Graph Learning SSGLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-02T04:42:08Z) - Advancing Wound Filling Extraction on 3D Faces: Auto-Segmentation and
Wound Face Regeneration Approach [0.0]
本稿では,2ストリームグラフ畳み込みネットワークを用いた3次元顔傷セグメントの自動生成手法を提案する。
セグメンテーションモデルに基づいて、3次元顔の創傷充填体を抽出するための改良されたアプローチを提案する。
提案手法は, テストスイートにおいて0.9999986%の精度を達成し, 従来手法よりも優れていた。
論文 参考訳（メタデータ） (2023-07-04T17:46:02Z) - Prediction of Post-Operative Renal and Pulmonary Complications Using
Transformers [69.81176740997175]
術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。
以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2023-06-01T14:08:05Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - A Temporal Learning Approach to Inpainting Endoscopic Specularities and
Its effect on Image Correspondence [13.25903945009516]
本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。
これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。
また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
論文 参考訳（メタデータ） (2022-03-31T13:14:00Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - On the Robustness of Pretraining and Self-Supervision for a Deep
Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。
本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。
以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文 参考訳（メタデータ） (2021-06-25T08:32:45Z)
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。