論文の概要: Oral Imaging for Malocclusion Issues Assessments: OMNI Dataset, Deep Learning Baselines and Benchmarking

• arxiv url: http://arxiv.org/abs/2505.15637v1
• Date: Wed, 21 May 2025 15:18:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:59.73468
• Title: Oral Imaging for Malocclusion Issues Assessments: OMNI Dataset, Deep Learning Baselines and Benchmarking
• Title（参考訳）: マクルージョン問題評価のための口頭画像:OMNIデータセット、ディープラーニングベースライン、ベンチマーク
• Authors: Pujun Xue, Junyi Ge, Xiaotong Jiang, Siyang Song, Zijian Wu, Yupeng Huo, Weicheng Xie, Linlin Shen, Xiaoqin Zhou, Xiaofeng Liu, Min Gu,
• Abstract要約: マロクルージョンは矯正治療において大きな課題であり、その複雑なプレゼンテーションと多彩な臨床症状は正確な局所化と診断を重要視している。 現在、歯科画像解析の分野で直面している大きな欠点の1つは、不正咬合問題に特化した大規模で正確にラベル付けされたデータセットの欠如である。 口腔顔面自然画像(OMNI)データセットは, 咬合異常に対する歯像解析研究の推進を目的とした, 新規で包括的な歯科画像データセットである。
• 参考スコア（独自算出の注目度）: 31.518427146862646
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Malocclusion is a major challenge in orthodontics, and its complex presentation and diverse clinical manifestations make accurate localization and diagnosis particularly important. Currently, one of the major shortcomings facing the field of dental image analysis is the lack of large-scale, accurately labeled datasets dedicated to malocclusion issues, which limits the development of automated diagnostics in the field of dentistry and leads to a lack of diagnostic accuracy and efficiency in clinical practice. Therefore, in this study, we propose the Oral and Maxillofacial Natural Images (OMNI) dataset, a novel and comprehensive dental image dataset aimed at advancing the study of analyzing dental images for issues of malocclusion. Specifically, the dataset contains 4166 multi-view images with 384 participants in data collection and annotated by professional dentists. In addition, we performed a comprehensive validation of the created OMNI dataset, including three CNN-based methods, two Transformer-based methods, and one GNN-based method, and conducted automated diagnostic experiments for malocclusion issues. The experimental results show that the OMNI dataset can facilitate the automated diagnosis research of malocclusion issues and provide a new benchmark for the research in this field. Our OMNI dataset and baseline code are publicly available at https://github.com/RoundFaceJ/OMNI.
• Abstract（参考訳）: マロクルージョンは矯正学において大きな課題であり、その複雑なプレゼンテーションと多彩な臨床症状は、正確な局所化と診断を特に重要である。 現在、歯科画像解析の分野に直面する大きな欠点の1つは、不正咬合問題に特化した大規模で正確なラベル付きデータセットの欠如であり、歯科領域における自動診断の発達を制限し、臨床実習における診断精度と効率の欠如につながっている。 そこで本研究では, 口腔顎顔面自然画像(OMNI)データセットを提案する。 具体的には、4166枚のマルチビュー画像を含み、384人がデータ収集に参加し、専門家の歯科医が注釈を付けている。 さらに, 3つのCNN法, 2つのTransformer法, 1つのGNN法を含むOMNIデータセットの総合的検証を行い, 不正咬合問題の自動診断実験を行った。 実験の結果,OMNIデータセットは不正咬合の診断を自動化し,この分野での新しいベンチマークを提供することができた。 OMNIデータセットとベースラインコードはhttps://github.com/RoundFaceJ/OMNIで公開されています。

関連論文リスト

• MRGen: Segmentation Data Engine For Underrepresented MRI Modalities [59.61465292965639]
  稀ながら臨床的に重要な画像モダリティのための医用画像分割モデルの訓練は、注釈付きデータの不足により困難である。 本稿では、生成モデルを利用してトレーニングデータを合成し、未表現のモダリティに対するセグメンテーションモデルを訓練する。
  論文  参考訳（メタデータ） (2024-12-04T16:34:22Z)
• Semi-supervised classification of dental conditions in panoramic radiographs using large language model and instance segmentation: A real-world dataset evaluation [6.041146512190833]
  13種類の歯科疾患をパノラマX線写真で分類するための半教師付き学習フレームワークが提案されている。 このソリューションは、ジュニアスペシャリストに匹敵する精度のレベルを示した。
  論文  参考訳（メタデータ） (2024-06-25T19:56:12Z)
• DENTEX: An Abnormal Tooth Detection with Dental Enumeration and Diagnosis Benchmark for Panoramic X-rays [0.3355353735901314]
  パノラマX線チャレンジ(DENTEX)の歯科治療と診断は、2023年の医用画像コンピューティングとコンピュータ支援介入国際会議(MICCAI)と連携して進められている。 完全注釈付きデータに基づいて参加者アルゴリズムの評価結果を示す。 この注釈付きデータセットの提供は、この課題の結果と共に、歯科医療の分野でAIを活用したツールを作成するための基礎となるかもしれない。
  論文  参考訳（メタデータ） (2023-05-30T15:15:50Z)
• MDF-Net for abnormality detection by fusing X-rays with clinical data [14.347359031598813]
  本研究は,患者の臨床情報が深層学習(DL)分類器の性能に及ぼす影響について検討した。 患者の臨床データと胸部X線を同時に処理できる2つの融合法からなる新しいアーキテクチャを提案する。 その結果, 患者の臨床データをDLモデルに組み込むことで, 胸部X線像の病的局在を平均精度で12%改善できることがわかった。
  論文  参考訳（メタデータ） (2023-02-26T19:16:57Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
  我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-14T16:50:50Z)
• Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
  我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。 本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。 我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
  論文  参考訳（メタデータ） (2020-06-06T06:48:40Z)

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。