論文の概要: Geometric Deep Learning for Automated Landmarking of Maxillary Arches on 3D Oral Scans from Newborns with Cleft Lip and Palate

• arxiv url: http://arxiv.org/abs/2501.15737v1
• Date: Mon, 27 Jan 2025 02:50:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:54:19.773787
• Title: Geometric Deep Learning for Automated Landmarking of Maxillary Arches on 3D Oral Scans from Newborns with Cleft Lip and Palate
• Title（参考訳）: 口唇裂・口蓋裂児の3次元口腔領域における上顎骨の自動ランドマークのための幾何学的深層学習
• Authors: Artur Agaronyan, HyeRan Choo, Marius Linguraru, Syed Muhammad Anwar,
• Abstract要約: 複雑で特殊な患者集団にランドマークを正確にラベル付けする幾何学的深層学習モデルの開発と試験を行った。 口唇裂児100モデルに対し, 絶対平均誤差1.676+/-0.959mmの94.44%の精度を示した。
• 参考スコア（独自算出の注目度）: 6.056025734368798
• License:
• Abstract: Rapid advances in 3D model scanning have enabled the mass digitization of dental clay models. However, most clinicians and researchers continue to use manual morphometric analysis methods on these models such as landmarking. This is a significant step in treatment planning for craniomaxillofacial conditions. We aimed to develop and test a geometric deep learning model that would accurately and reliably label landmarks on a complicated and specialized patient population -- infants, as accurately as a human specialist without a large amount of training data. Our developed pipeline demonstrated an accuracy of 94.44% with an absolute mean error of 1.676 +/- 0.959 mm on a set of 100 models acquired from newborn babies with cleft lip and palate. Our proposed pipeline has the potential to serve as a fast, accurate, and reliable quantifier of maxillary arch morphometric features, as well as an integral step towards a future fully automated dental treatment pipeline.
• Abstract（参考訳）: 3Dモデルスキャンの急速な進歩により、歯科用粘土モデルの大量デジタル化が可能となった。 しかし、ほとんどの臨床医や研究者は、ランドマークのようなこれらのモデルで手動形態計測分析手法を使い続けている。 これは頭蓋顎顔面疾患の治療計画における重要なステップである。 我々は、複雑で専門的な患者 ― 幼児 ― にランドマークを正確かつ確実にラベル付けする幾何学的深層学習モデルを開発し、テストすることを目的としていた。 口唇裂児100モデルに対し, 絶対平均誤差1.676+/-0.959mmの94.44%の精度を示した。 提案するパイプラインは, 顎骨形態計測の高速かつ高精度かつ信頼性の高い定量化装置として機能する可能性があり, 将来の完全自動化歯科治療パイプラインに向けた統合的なステップとなる。

関連論文リスト

• Automatic Skull Reconstruction by Deep Learnable Symmetry Enforcement [0.12301374769426145]
  何千人もの人々が頭蓋骨の損傷に苦しんでおり、頭蓋腔を埋めるためにパーソナライズされたインプラントを必要としている。 深層学習に基づく頭蓋再建はいくつかの課題に直面している。 本稿では,これらの課題に対して,学習可能な対称性の強制による再構築を強化することによる,新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-26T11:35:32Z)
• Registration of Longitudinal Spine CTs for Monitoring Lesion Growth [32.449176315776114]
  縦椎CTを自動整列する新しい方法を提案する。 本手法は, 椎骨が自動的に局在し, ラベル付けされ, 3次元表面が生成される2段階のパイプラインを追従する。 自験例は5例, ベースラインCT3例, 術後3例, 術後12カ月で111例であった。
  論文  参考訳（メタデータ） (2024-02-14T17:43:50Z)
• 3D Vertebrae Measurements: Assessing Vertebral Dimensions in Human Spine Mesh Models Using Local Anatomical Vertebral Axes [0.4499833362998489]
  腰椎と胸椎の3次元メッシュを用いた脊椎形態計測の新しい完全自動計測法を提案する。 以上の結果より, 平均絶対誤差(MAE)が1.09mmの低分解能患者特異的脊椎メッシュを精度良く測定できることが示唆された。 これらの画像が利用可能であれば, 3次元脊椎モデルを用いて得られた測定結果を, 元の医用画像に正確に再投影できることを示す。
  論文  参考訳（メタデータ） (2024-02-02T14:52:41Z)
• Weakly Supervised AI for Efficient Analysis of 3D Pathology Samples [6.381153836752796]
  3次元組織画像処理のためのボリュームブロック解析(MAMBA)のためのModality-Agnostic Multiple Case Learningを提案する。 3Dブロックベースのアプローチでは、MAMBAは2Dの単一スライスによる予測よりも優れた受信特性曲線(AUC)の0.86と0.74の領域を達成している。 さらに, 組織体積が大きくなることで予後が向上し, サンプリングバイアスによるリスク予測のばらつきが軽減されることが示唆された。
  論文  参考訳（メタデータ） (2023-07-27T14:48:02Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
  新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。 本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。 本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
  論文  参考訳（メタデータ） (2022-12-15T14:34:12Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• 3D Human Body Reshaping with Anthropometric Modeling [59.51820187982793]
  人間測定パラメータから正確で現実的な3D人体を再構築することは、個人識別、オンラインショッピング、仮想現実のための基本的な課題です。 このような3d形状を作る既存のアプローチは、レンジカメラやハイエンドスキャナーによる複雑な測定に苦しむことが多い。 本稿では,各ファセットに対する自動人為的パラメータモデリングを可能にする,特徴選択に基づく局所マッピング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T04:09:39Z)
• Segmentation-free Estimation of Aortic Diameters from MRI Using Deep Learning [2.231365407061881]
  大動脈径の直接推定のための教師付き深層学習法を提案する。 提案手法では,3Dスキャンを入力とし,所定の位置で大動脈径を出力する3D+2D畳み込みニューラルネットワーク(CNN)を用いる。 全体として、3D+2D CNNは大動脈の位置によって2.2-2.4mmの平均的な絶対誤差を達成した。
  論文  参考訳（メタデータ） (2020-09-09T18:28:00Z)
• Deep Modeling of Growth Trajectories for Longitudinal Prediction of Missing Infant Cortical Surfaces [58.780482825156035]
  空間グラフ畳み込みニューラルネットワーク(GCNN)を用いた皮質表面の経時的予測法を提案する。 提案手法は,皮質成長軌跡をモデル化し,複数点の内曲面と外曲面を共同で予測する。 本手法が時間的皮質成長パターンの非線形性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2020-09-06T18:46:04Z)
• Cephalometric Landmark Regression with Convolutional Neural Networks on 3D Computed Tomography Data [68.8204255655161]
  側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。 本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。 本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
  論文  参考訳（メタデータ） (2020-07-20T12:45:38Z)

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。