論文の概要: ToothForge: Automatic Dental Shape Generation using Synchronized Spectral Embeddings
- arxiv url: http://arxiv.org/abs/2506.02702v1
- Date: Tue, 03 Jun 2025 09:56:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-04 21:47:35.583104
- Title: ToothForge: Automatic Dental Shape Generation using Synchronized Spectral Embeddings
- Title（参考訳）: 歯科用歯車 : シンクロナイズド・スペクトル・エンベディングを用いた歯形自動生成
- Authors: Tibor Kubík, François Guibault, Michal Španěl, Hervé Lombaert,
- Abstract要約: ToothForgeは、新しい3D歯を自動生成するためのスペクトルアプローチである。
形状スペクトルを生成するには 分解されたハーモニクスの不安定さが伴う
同期モデリングは、以前のメソッドによって課された制限要素を取り除く。
- 参考スコア（独自算出の注目度）: 0.4799822253865054
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce ToothForge, a spectral approach for automatically generating novel 3D teeth, effectively addressing the sparsity of dental shape datasets. By operating in the spectral domain, our method enables compact machine learning modeling, allowing the generation of high-resolution tooth meshes in milliseconds. However, generating shape spectra comes with the instability of the decomposed harmonics. To address this, we propose modeling the latent manifold on synchronized frequential embeddings. Spectra of all data samples are aligned to a common basis prior to the training procedure, effectively eliminating biases introduced by the decomposition instability. Furthermore, synchronized modeling removes the limiting factor imposed by previous methods, which require all shapes to share a common fixed connectivity. Using a private dataset of real dental crowns, we observe a greater reconstruction quality of the synthetized shapes, exceeding those of models trained on unaligned embeddings. We also explore additional applications of spectral analysis in digital dentistry, such as shape compression and interpolation. ToothForge facilitates a range of approaches at the intersection of spectral analysis and machine learning, with fewer restrictions on mesh structure. This makes it applicable for shape analysis not only in dentistry, but also in broader medical applications, where guaranteeing consistent connectivity across shapes from various clinics is unrealistic. The code is available at https://github.com/tiborkubik/toothForge.
- Abstract（参考訳）: 歯形データセットの空間性に効果的に対処するため,新しい3次元歯を自動生成するためのスペクトルアプローチであるTothForgeを紹介した。
本手法は, スペクトル領域で動作することにより, コンパクトな機械学習モデリングを可能にし, ミリ秒で高分解能な歯のメッシュを生成できる。
しかし、形状スペクトルの生成は分解された高調波の不安定性を伴う。
これを解決するために、同期された頻繁な埋め込みに基づく潜在多様体のモデリングを提案する。
すべてのデータサンプルのスペクトルは、トレーニング手順の前に共通のベースに整列し、分解不安定によって引き起こされるバイアスを効果的に除去する。
さらに、同期モデリングは、すべての形状が共通の固定接続を共有する必要がある従来の方法によって課された制限要素を取り除く。
実際の歯冠のプライベートデータセットを用いて,非整合埋め込みで訓練されたモデルよりも,合成した形状の再現性が高いことを観察した。
また, デジタル歯科におけるスペクトル解析のさらなる応用として, 形状圧縮や補間などについて検討する。
ToothForgeはスペクトル分析と機械学習の交差点におけるさまざまなアプローチを促進し、メッシュ構造に対する制限は少ない。
これにより、歯科医療だけでなく、様々な診療所の形状を一貫した接続性を保証する広範囲の医療応用にも応用できる。
コードはhttps://github.com/tiborkubik/toothForgeで公開されている。
関連論文リスト
- GeoT: Geometry-guided Instance-dependent Transition Matrix for Semi-supervised Tooth Point Cloud Segmentation [48.64133802117796]
GeoTは、半教師付き歯科用セグメンテーションのための擬似ラベルのノイズを明示的にモデル化するために、インスタンス依存遷移行列(IDTM)を使用するフレームワークである。
具体的には, 数万点の歯科的点から生じるIDTMの広い解空間を扱うために, 歯の幾何学的先行性を導入する。
提案手法は,ラベル付きデータの20%しか持たない完全教師付き手法に匹敵する性能を達成し,セグメンテーションを容易にするためにラベル付きデータを完全に活用することができる。
論文 参考訳（メタデータ） (2025-03-21T09:43:57Z) - CHaRNet: Conditioned Heatmap Regression for Robust Dental Landmark Localization [1.2809296241933283]
口腔内スキャンにおける歯のランドマーク検出のための,初のエンドツーエンドディープラーニングフレームワークであるCHaRNetを紹介した。
ランドマークを検出する前に歯を磨く従来の2段階とは異なり、CHaRNetは入力点雲を直接操作する。
1,214個の注釈付き3Dモデルを用いて,5点クラウド学習アルゴリズムを用いてCHaRNetを評価した。
論文 参考訳（メタデータ） (2025-01-22T18:35:57Z) - Differentiable Collision-Supervised Tooth Arrangement Network with a Decoupling Perspective [10.293207903989053]
既存の学習ベースの手法では、隠れた歯の特徴を使って歯の動きを直接後退させる。
本稿では,衝突制御型歯列配置ネットワークであるDTANを提案する。
我々は,3つの異なる歯列データセットを構築し,精度と速度の大幅な向上を実現した。
論文 参考訳（メタデータ） (2024-09-18T12:52:54Z) - Binary Opacity Grids: Capturing Fine Geometric Detail for Mesh-Based
View Synthesis [70.40950409274312]
我々は、細い構造を再構築する能力を損なうことなく、表面への収束を促すために密度場を変更する。
また, メッシュの単純化と外観モデルの適合により, 融合型メッシュ方式を開発した。
私たちのモデルで生成されたコンパクトメッシュは、モバイルデバイス上でリアルタイムでレンダリングできます。
論文 参考訳（メタデータ） (2024-02-19T18:59:41Z) - Automatic Tooth Arrangement with Joint Features of Point and Mesh
Representations via Diffusion Probabilistic Models [33.75061391364549]
歯の整列は矯正治療において重要なステップであり、歯の整列は全体の健康を改善し、顔の美学を高め、自信を高める。
未経験者による歯のアレンジメントの効率化と不合理なデザインによる誤りの最小化を目的として, 深層学習に基づく歯のアレンジメント手法が提案されている。
論文 参考訳（メタデータ） (2023-12-23T02:27:15Z) - 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) - An Implicit Parametric Morphable Dental Model [79.29420177904022]
歯および歯茎の3次元異形性モデルとして, 第一報を提出した。
これは、各歯と歯茎のコンポーネントワイド表現と、これら各コンポーネントの学習可能な潜在コードに基づいている。
我々の復元品質は、新しいアプリケーションを実現しつつ、最も先進的なグローバルな暗黙の表現と同等です。
論文 参考訳（メタデータ） (2022-11-21T12:23:54Z) - TFormer: 3D Tooth Segmentation in Mesh Scans with Geometry Guided
Transformer [37.47317212620463]
光学式口腔内スキャナー (IOS) は, 歯冠および歯肉の3次元および高分解能な幾何学的情報を提供するデジタル歯科において広く用いられている。
従来の方法では, 複雑な歯歯列境界や歯肉境界にエラーが生じやすいため, 様々な患者に対して不満足な結果が生じることが多い。
大規模かつ高解像度の3D IOSデータセットを用いて評価した3Dトランスフォーマーアーキテクチャに基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2022-10-29T15:20:54Z) - 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) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳（メタデータ） (2020-12-26T08:02:56Z)
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。