Fugu-MT 論文翻訳(概要): GEPAR3D: Geometry Prior-Assisted Learning for 3D Tooth Segmentation

論文の概要: GEPAR3D: Geometry Prior-Assisted Learning for 3D Tooth Segmentation

arxiv url: http://arxiv.org/abs/2508.00155v1
Date: Thu, 31 Jul 2025 20:46:58 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-04 18:08:53.668667
Title: GEPAR3D: Geometry Prior-Assisted Learning for 3D Tooth Segmentation
Title（参考訳）: GEPAR3D:3次元歯のセグメンテーションのための幾何学的事前支援学習
Authors: Tomasz Szczepański, Szymon Płotka, Michal K. Grzeszczyk, Arleta Adamowicz, Piotr Fudalej, Przemysław Korzeniowski, Tomasz Trzciński, Arkadiusz Sitek,
Abstract要約: Cone-Beam Computed Tomography (CBCT) における歯のセグメンテーションは依然として困難である。 GEPAR3Dは、インスタンス検出とマルチクラスセグメンテーションを単一のステップに統合し、ルートセグメンテーションを改善する新しいアプローチである。本研究では, 深層水洗法を活用し, それぞれの歯を境界までボクセル距離を符号化した連続した3次元エネルギー盆地としてモデル化する。
参考スコア（独自算出の注目度）: 0.15487122608774898
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Tooth segmentation in Cone-Beam Computed Tomography (CBCT) remains challenging, especially for fine structures like root apices, which is critical for assessing root resorption in orthodontics. We introduce GEPAR3D, a novel approach that unifies instance detection and multi-class segmentation into a single step tailored to improve root segmentation. Our method integrates a Statistical Shape Model of dentition as a geometric prior, capturing anatomical context and morphological consistency without enforcing restrictive adjacency constraints. We leverage a deep watershed method, modeling each tooth as a continuous 3D energy basin encoding voxel distances to boundaries. This instance-aware representation ensures accurate segmentation of narrow, complex root apices. Trained on publicly available CBCT scans from a single center, our method is evaluated on external test sets from two in-house and two public medical centers. GEPAR3D achieves the highest overall segmentation performance, averaging a Dice Similarity Coefficient (DSC) of 95.0% (+2.8% over the second-best method) and increasing recall to 95.2% (+9.5%) across all test sets. Qualitative analyses demonstrated substantial improvements in root segmentation quality, indicating significant potential for more accurate root resorption assessment and enhanced clinical decision-making in orthodontics. We provide the implementation and dataset at https://github.com/tomek1911/GEPAR3D.
Abstract（参考訳）: Cone-Beam Computed Tomography (CBCT) における歯のセグメンテーションは、特に歯列矯正における歯根吸収の評価に重要な根尖などの微細構造において、依然として困難である。 GEPAR3Dは、インスタンス検出とマルチクラスセグメンテーションを、ルートセグメンテーションを改善するために調整された単一のステップに統合する新しいアプローチである。本手法では, 拘束的隣接制約を課さずに, 解剖学的文脈と形態的整合性を把握し, 歯列の統計的形状モデルを幾何学的先行として統合する。本研究では, 深層水洗法を活用し, それぞれの歯を境界までボクセル距離を符号化した連続した3次元エネルギー盆地としてモデル化する。このインスタンス対応表現は、狭く複雑な根軸の正確なセグメンテーションを保証する。本手法は,1つのセンターから入手可能なCBCTスキャンをトレーニングし,内2施設と内2施設の外部テストセットを用いて評価した。 GEPAR3Dは、Dice similarity Coefficient (DSC) を95.0% (+2.8%) と評価し、全てのテストセットで95.2% (+9.5%) にリコールした。質的分析により, 歯根のセグメンテーション品質は有意に改善し, より正確な歯根吸収評価と, 整形外科における臨床的意思決定の強化の可能性が示唆された。実装とデータセットはhttps://github.com/tomek1911/GEPAR3Dで提供します。

関連論文リスト

A topology-preserving three-stage framework for fully-connected coronary artery extraction [39.47027832777158]
冠動脈摘出術は,冠動脈疾患のコンピュータ診断に必須である。完全連結冠状動脈抽出のためのトポロジー保存型3段階フレームワークを提案する。このフレームワークには、血管のセグメンテーション、中心線再接続、血管再建の欠如が含まれる。
論文参考訳（メタデータ） (2025-04-02T11:04:44Z)
3D Dental Model Segmentation with Geometrical Boundary Preserving [19.232921210620447]
3次元口腔内スキャンメッシュはデジタル歯科診断において広く使われており、3次元口腔内スキャンメッシュの分節化は重要な予備課題である。深層学習に基づく手法はクラウンの高精度なセグメンテーションを可能にする。しかし、クラウンとガムの接合部のセグメンテーション精度は依然として平均以下である。
論文参考訳（メタデータ） (2025-03-31T04:00:11Z)
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)
Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
論文参考訳（メタデータ） (2025-02-07T21:09:05Z)
A Deep Learning Approach to Teeth Segmentation and Orientation from Panoramic X-rays [1.7366868394060984]
本研究では, 深層学習技術を活用したパノラマX線画像からの歯のセグメンテーションと配向に対する包括的アプローチを提案する。創傷セグメンテーションのために開発された人気モデルであるFUSegNetをベースとしたモデルを構築した。主成分分析(PCA)により, 歯の配向を正確に推定する指向性バウンディングボックス(OBB)の生成を導入する。
論文参考訳（メタデータ） (2023-10-26T06:01:25Z)
Attention and Pooling based Sigmoid Colon Segmentation in 3D CT images [11.861208424384046]
シグモイド結腸は憩室炎を治療するための重要な側面である。本研究はCT画像からシグモイド結腸を抽出するための新しいディープラーニングアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-09-25T04:52:46Z)
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)
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)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。