論文の概要: TAlignDiff: Automatic Tooth Alignment assisted by Diffusion-based Transformation Learning

• arxiv url: http://arxiv.org/abs/2508.04565v1
• Date: Wed, 06 Aug 2025 15:49:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-07 20:09:22.79856
• Title: TAlignDiff: Automatic Tooth Alignment assisted by Diffusion-based Transformation Learning
• Title（参考訳）: TAlignDiff:拡散型変換学習を支援する自動歯列アライメント
• Authors: Yunbi Liu, Enqi Tang, Shiyu Li, Lei Ma, Juncheng Li, Shu Lou, Yongchu Pan, Qingshan Liu,
• Abstract要約: 矯正治療は、咬合機能、顔の美学、患者の生活の質に大きく影響を及ぼす歯のアライメントに依存している。 本稿では,拡散型変換学習をサポートする新しい自動歯列アライメント手法TAlignDiffを提案する。 我々は、点クラウドベースの変換回帰と拡散ベースの変換モデリングを統一されたフレームワークに統合し、幾何学的制約と拡散洗練の間の双方向フィードバックを可能にする。
• 参考スコア（独自算出の注目度）: 16.84586622473531
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Orthodontic treatment hinges on tooth alignment, which significantly affects occlusal function, facial aesthetics, and patients' quality of life. Current deep learning approaches predominantly concentrate on predicting transformation matrices through imposing point-to-point geometric constraints for tooth alignment. Nevertheless, these matrices are likely associated with the anatomical structure of the human oral cavity and possess particular distribution characteristics that the deterministic point-to-point geometric constraints in prior work fail to capture. To address this, we introduce a new automatic tooth alignment method named TAlignDiff, which is supported by diffusion-based transformation learning. TAlignDiff comprises two main components: a primary point cloud-based regression network (PRN) and a diffusion-based transformation matrix denoising module (DTMD). Geometry-constrained losses supervise PRN learning for point cloud-level alignment. DTMD, as an auxiliary module, learns the latent distribution of transformation matrices from clinical data. We integrate point cloud-based transformation regression and diffusion-based transformation modeling into a unified framework, allowing bidirectional feedback between geometric constraints and diffusion refinement. Extensive ablation and comparative experiments demonstrate the effectiveness and superiority of our method, highlighting its potential in orthodontic treatment.
• Abstract（参考訳）: 矯正治療は、咬合機能、顔の美学、患者の生活の質に大きく影響を及ぼす歯のアライメントに依存している。 現在のディープラーニングアプローチは、歯のアライメントのためのポイント・ツー・ポイントの幾何学的制約を課すことによって、変換行列を予測することに集中している。 しかしながら、これらの行列は、人間の口腔の解剖学的構造と関連付けられており、前処理における決定論的ポイントツーポイント幾何学的制約が捕捉できないという特定の分布特性を持っている。 そこで本研究では,拡散型トランスフォーメーション学習をサポートするTAlignDiffという新しい自動歯列アライメント手法を提案する。 TAlignDiffは、プライマリポイントクラウドベースの回帰ネットワーク(PRN)と拡散ベースの変換行列記述モジュール(DTMD)の2つの主要コンポーネントから構成される。 幾何制約された損失は、点雲レベルのアライメントのためのPRN学習を監督する。 DTMDは補助モジュールとして,臨床データから変換行列の潜時分布を学習する。 我々は、点クラウドベースの変換回帰と拡散ベースの変換モデリングを統一されたフレームワークに統合し、幾何学的制約と拡散洗練の間の双方向フィードバックを可能にする。 広範囲なアブレーションと比較実験により, 本法の有効性と優位性を示し, 矯正治療におけるその可能性を強調した。

関連論文リスト

• Generalized Linear Mode Connectivity for Transformers [87.32299363530996]
  驚くべき現象はリニアモード接続(LMC)であり、独立に訓練されたモデルを低損失またはゼロ損失の経路で接続することができる。 以前の研究は主に置換によるニューロンの並べ替えに焦点を合わせてきたが、そのようなアプローチは範囲に限られている。 我々は、4つの対称性クラス(置換、半置換、変換、一般可逆写像)をキャプチャする統一的なフレームワークを導入する。 この一般化により、独立に訓練された視覚変換器とGPT-2モデルの間の低障壁とゼロバリア線形経路の発見が可能となった。
  論文  参考訳（メタデータ） (2025-06-28T01:46:36Z)
• PAID: Pairwise Angular-Invariant Decomposition for Continual Test-Time Adaptation [70.98107766265636]
  本稿では,事前学習した重みの幾何学的特性を出発点として,3つの重要な成分(等級,絶対角,対角構造)を体系的に解析する。 両角構造は多種多様なドメインにわたって安定であり, ドメイン不変な意味情報を符号化し, 適応中に保存すべきことを示唆する。
  論文  参考訳（メタデータ） (2025-06-03T05:18:15Z)
• Learning a Single Index Model from Anisotropic Data with vanilla Stochastic Gradient Descent [7.8378818005171125]
  ニューラルネットワークが特徴を学習する能力を研究するためのシングルインデックスモデル(SIM)の学習問題について検討する。 本研究では,異方性入力データを用いたSIM下でのバニラグラディエントDescent(SGD)の学習動態を解析した。 共分散行列の構造によって決定される実効次元の概念を用いて、サンプルの複雑さの上下境界を導出する。
  論文  参考訳（メタデータ） (2025-03-31T01:07:30Z)
• Bi-invariant Geodesic Regression with Data from the Osteoarthritis Initiative [1.024113475677323]
  我々はアフィン接続設定を用いた非計量推定器を開発した。 その計算のために,簡単な微分式を必要とする効率的な固定点アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-02-17T14:20:54Z)
• Transformer-Based Tooth Alignment Prediction With Occlusion And Collision Constraints [3.5034434329837563]
  スウィントランスに基づく軽量な歯列アライメントニューラルネットワークを提案する。 まず、仮想アーチ線に基づいて3次元点雲を再編成し、それらを秩序な多チャンネルテクスチャに変換する。 次に,上顎と下顎の咬合関係を定量的に評価する2つの新しい咬合損失関数を考案した。
  論文  参考訳（メタデータ） (2024-10-28T07:54:07Z)
• PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
  PseudoNeg-MAEは、ポイントクラウドマスマスキングオートエンコーダのグローバルな特徴表現を強化する。 本研究では,ネットワークが識別的表現を保ちながら,よりリッチな変換キューをキャプチャできる新たな損失を提案する。
  論文  参考訳（メタデータ） (2024-09-24T07:57:21Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。 本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。 既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• Boundary Constraint-free Biomechanical Model-Based Surface Matching for Intraoperative Liver Deformation Correction [0.6249768559720122]
  画像ガイド下肝手術において, 3D-3D非剛性登録法は, 点雲として表される術前モデルと術中表面のマッピングを推定する上で重要な役割を担っている。 修正されたFEMを表面マッチング項に組み込んだ3D-3D非剛性登録法を提案する。
  論文  参考訳（メタデータ） (2024-03-15T02:05:20Z)
• Weakly supervised covariance matrices alignment through Stiefel matrices estimation for MEG applications [64.20396555814513]
  本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。 我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。 MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
  論文  参考訳（メタデータ） (2024-01-24T19:04:49Z)
• 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)
• Score-based Causal Representation Learning with Interventions [54.735484409244386]
  本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。 目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
  論文  参考訳（メタデータ） (2023-01-19T18:39:48Z)
• Cogradient Descent for Dependable Learning [64.02052988844301]
  双線形最適化問題に対処するために,CoGDアルゴリズムに基づく信頼度の高い学習法を提案する。 CoGDは、ある変数がスパーシティ制約を持つ場合の双線形問題を解くために導入された。 また、特徴と重みの関連を分解するためにも使用できるため、畳み込みニューラルネットワーク(CNN)をより良く訓練するための我々の手法をさらに一般化することができる。
  論文  参考訳（メタデータ） (2021-06-20T04:28:20Z)
• A Coupled Manifold Optimization Framework to Jointly Model the Functional Connectomics and Behavioral Data Spaces [5.382679710017696]
  本稿では,コホートに共通する低次元行列多様体にfMRIデータを投影する結合多様体最適化フレームワークを提案する。 患者固有の負荷は、同時に第2の非線形多様体を介して、興味の行動尺度にマップされる。 自閉症スペクトラム障害58例の安静時fMRIの枠組みを検証した。
  論文  参考訳（メタデータ） (2020-07-03T20:12:51Z)

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。