論文の概要: Cross-Frequency Collaborative Training Network and Dataset for Semi-supervised First Molar Root Canal Segmentation
- arxiv url: http://arxiv.org/abs/2504.11856v1
- Date: Wed, 16 Apr 2025 08:24:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-24 21:08:05.543729
- Title: Cross-Frequency Collaborative Training Network and Dataset for Semi-supervised First Molar Root Canal Segmentation
- Title（参考訳）: 半教師付き第一大臼歯根管セグメンテーションのための周波数クロスコラボレーティブトレーニングネットワークとデータセット
- Authors: Zhenhuan Zhou, Yuchen Zhang, Along He, Peng Wang, Xueshuo Xie, Tao Li,
- Abstract要約: 根管治療は臨床的に非常に繊細で技術的に複雑である。
ディープラーニングはコンピュータ支援診断(CAD)の分野で大きな進歩を遂げている。
RC処理におけるその応用は、この分野での公開データセットの欠如が主な理由として、いまだに比較的稀である。
- 参考スコア（独自算出の注目度）: 8.436066535755383
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Root canal (RC) treatment is a highly delicate and technically complex procedure in clinical practice, heavily influenced by the clinicians' experience and subjective judgment. Deep learning has made significant advancements in the field of computer-aided diagnosis (CAD) because it can provide more objective and accurate diagnostic results. However, its application in RC treatment is still relatively rare, mainly due to the lack of public datasets in this field. To address this issue, in this paper, we established a First Molar Root Canal segmentation dataset called FMRC-2025. Additionally, to alleviate the workload of manual annotation for dentists and fully leverage the unlabeled data, we designed a Cross-Frequency Collaborative training semi-supervised learning (SSL) Network called CFC-Net. It consists of two components: (1) Cross-Frequency Collaborative Mean Teacher (CFC-MT), which introduces two specialized students (SS) and one comprehensive teacher (CT) for collaborative multi-frequency training. The CT and SS are trained on different frequency components while fully integrating multi-frequency knowledge through cross and full frequency consistency supervisions. (2) Uncertainty-guided Cross-Frequency Mix (UCF-Mix) mechanism enables the network to generate high-confidence pseudo-labels while learning to integrate multi-frequency information and maintaining the structural integrity of the targets. Extensive experiments on FMRC-2025 and three public dental datasets demonstrate that CFC-MT is effective for RC segmentation and can also exhibit strong generalizability on other dental segmentation tasks, outperforming state-of-the-art SSL medical image segmentation methods. Codes and dataset will be released.
- Abstract（参考訳）: 根管治療は臨床的に非常に繊細で技術的に複雑な治療法であり、臨床医の経験や主観的判断に大きく影響される。
ディープラーニングはコンピュータ支援診断(CAD)の分野で大きな進歩を遂げている。
しかし、RC処理におけるその応用は、この分野における公開データセットの欠如が主な理由として、いまだに比較的稀である。
そこで本研究では,FMRC-2025と呼ばれる第1モル根管セグメンテーションデータセットを構築した。
さらに,歯科医のマニュアルアノテーションの作業量を軽減するとともに,ラベルのないデータを完全に活用するために,CFC-Netと呼ばれるクロス周波数協調学習半教師あり学習(SSL)ネットワークを設計した。
1)CFC-MT(Cross-Frequency Collaborative Mean Teacher)は,2人の専門学生(SS)と1人の総合教師(CT)の2つの構成要素から構成される。
CTとSSは異なる周波数成分に基づいて訓練され、クロス周波数とフル周波数の整合性管理を通じて多周波数知識を完全に統合する。
2) Uncertainty-guided Cross-Frequency Mix (UCF-Mix) 機構により,マルチ周波数情報の統合とターゲットの構造的整合性の維持を学習しながら,高信頼な擬似ラベルを生成することができる。
FMRC-2025および3つの歯科用データセットの大規模な実験により、CFC-MTはRCセグメンテーションに有効であり、他の歯科用セグメンテーションタスクにも強い一般化性を示し、最先端のSSL医療画像セグメンテーション法より優れていることが示された。
コードとデータセットがリリースされる。
関連論文リスト
- HDC: Hierarchical Distillation for Multi-level Noisy Consistency in Semi-Supervised Fetal Ultrasound Segmentation [2.964206587462833]
HDCは、階層的蒸留と一貫性学習を統合した、新しい半教師付きセグメンテーションフレームワークである。
提案手法は,既存のマルチ教師モデルよりも計算オーバーヘッドが大幅に低い競合性能を実現する。
論文 参考訳（メタデータ） (2025-04-14T04:52:24Z) - Foundation Model for Whole-Heart Segmentation: Leveraging Student-Teacher Learning in Multi-Modal Medical Imaging [0.510750648708198]
心血管疾患の診断にはCTとMRIによる全肝分画が不可欠である。
既存の方法は、モダリティ固有のバイアスと、広範なラベル付きデータセットの必要性に苦慮している。
学生-教師アーキテクチャに基づく自己指導型学習フレームワークを用いて,全音節セグメンテーションのための基礎モデルを提案する。
論文 参考訳（メタデータ） (2025-03-24T14:47:54Z) - A Continual Learning-driven Model for Accurate and Generalizable Segmentation of Clinically Comprehensive and Fine-grained Whole-body Anatomies in CT [67.34586036959793]
完全に注釈付きCTデータセットは存在せず、すべての解剖学がトレーニングのために記述されている。
完全解剖を分割できる連続学習駆動CTモデルを提案する。
単体CT分割モデルCL-Netは, 臨床的に包括的に包括的に235個の粒状体解剖の集合を高精度に分割することができる。
論文 参考訳（メタデータ） (2025-03-16T23:55:02Z) - FRCNet Frequency and Region Consistency for Semi-supervised Medical Image Segmentation [34.09101572102164]
半教師型医用画像分割のための2つの整合正則化戦略を導入する。
提案したFDCとMRSCの助けを借りて,その強力な特徴表現能力を効果的かつ効率的に活用することができる。
論文 参考訳（メタデータ） (2024-05-26T13:51:27Z) - Sparse Anatomical Prompt Semi-Supervised Learning with Masked Image Modeling for CBCT Tooth Segmentation [9.373643627609336]
Cone Beam Computed Tomography (CBCT) 歯科画像における歯の識別とセグメンテーションは, 歯科医が行う手技診断の効率と精度を著しく向上させることができる。
既存のセグメンテーション手法は主に大規模なデータボリュームトレーニングに基づいて開発され、そのアノテーションは非常に時間がかかります。
本研究では, 大量の未ラベルデータを効果的に活用し, 限られたラベル付きデータで正確な歯のセグメンテーションを実現するタスク指向Masked Auto-Encoderパラダイムを提案する。
論文 参考訳（メタデータ） (2024-02-07T05:05:21Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - Multimodality Multi-Lead ECG Arrhythmia Classification using
Self-Supervised Learning [5.675787521359948]
SSLベースのマルチモーダリティECG分類を提案する。
提案するネットワークはSSL学習パラダイムに従っており,前ストリームタスクと下流タスクに対応する2つのモジュールで構成されている。
提案手法の有効性を評価するため,12リードのPhystoNet 2020データセット上で10倍のクロス検証を行った。
論文 参考訳（メタデータ） (2022-09-30T18:45:34Z) - 2021 BEETL Competition: Advancing Transfer Learning for Subject
Independence & Heterogenous EEG Data Sets [89.84774119537087]
我々は、診断とBCI(Brain-Computer-Interface)に関する2つの伝達学習課題を設計する。
第1タスクは、患者全体にわたる自動睡眠ステージアノテーションに対処する医療診断に重点を置いている。
タスク2はBrain-Computer Interface (BCI)に集中しており、被験者とデータセットの両方にわたる運動画像のデコードに対処する。
論文 参考訳（メタデータ） (2022-02-14T12:12:20Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2021-12-23T15:52:37Z) - Quality-aware semi-supervised learning for CMR segmentation [2.9928692313705505]
医用画像セグメンテーションのためのディープラーニングアルゴリズムを開発する上での課題の1つは、トレーニングデータの不足である。
本稿では,下流タスクのQCを用いて,CMRセグメンテーションネットワークの高品質な出力を同定する手法を提案する。
本質的にこれは、セグメンテーションネットワーク用のSSLの変種におけるトレーニングデータの品質向上を提供する。
論文 参考訳（メタデータ） (2020-09-01T17:18:22Z) - HF-UNet: Learning Hierarchically Inter-Task Relevance in Multi-Task
U-Net for Accurate Prostate Segmentation [56.86396352441269]
我々は,CT画像における前立腺区分けの課題に取り組み,1)高速な局所化のための第1段階,2)正確に前立腺区分けを行う第2段階の2段階の2段階からなる2段階のネットワークを用いた。
前立腺のセグメンテーションを第2段階に正確に分割するために、前立腺のセグメンテーションを多タスク学習フレームワークに定式化し、前立腺のセグメンテーションをセグメンテーションするメインタスクと、前立腺の境界を規定する補助タスクを含む。
対照的に、従来のマルチタスクディープネットワークは、通常、すべてのタスクのパラメータ(つまり特徴表現)の大部分を共有しており、異なるタスクの特異性としてデータ適合性を制限している可能性がある。
論文 参考訳（メタデータ） (2020-05-21T02:53:52Z) - Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
本稿では,不対向画像分割のための新しい学習手法を提案する。
提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。
我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
論文 参考訳（メタデータ） (2020-01-06T20:03:17Z)
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。