論文の概要: Deep Learning in Dental Image Analysis: A Systematic Review of Datasets, Methodologies, and Emerging Challenges

• arxiv url: http://arxiv.org/abs/2510.20634v1
• Date: Thu, 23 Oct 2025 15:05:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:18.227113
• Title: Deep Learning in Dental Image Analysis: A Systematic Review of Datasets, Methodologies, and Emerging Challenges
• Title（参考訳）: 歯科画像解析における深層学習 : データセット,方法論,創発的課題の体系的レビュー
• Authors: Zhenhuan Zhou, Jingbo Zhu, Yuchen Zhang, Xiaohang Guan, Peng Wang, Tao Li,
• Abstract要約: 自動歯科画像解析(DIA)における深層学習(DL)の260研究を体系的にレビューする。 DLは、その優れた特徴抽出と表現能力により、最も広く適用され、影響力のあるアプローチである。 本稿では,DLの基本技術について述べるとともに,異なるDIAタスクに応じて関連するモデルとアルゴリズムを分類する。
• 参考スコア（独自算出の注目度）: 26.356476259315585
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Efficient analysis and processing of dental images are crucial for dentists to achieve accurate diagnosis and optimal treatment planning. However, dental imaging inherently poses several challenges, such as low contrast, metallic artifacts, and variations in projection angles. Combined with the subjectivity arising from differences in clinicians' expertise, manual interpretation often proves time-consuming and prone to inconsistency. Artificial intelligence (AI)-based automated dental image analysis (DIA) offers a promising solution to these issues and has become an integral part of computer-aided dental diagnosis and treatment. Among various AI technologies, deep learning (DL) stands out as the most widely applied and influential approach due to its superior feature extraction and representation capabilities. To comprehensively summarize recent progress in this field, we focus on the two fundamental aspects of DL research-datasets and models. In this paper, we systematically review 260 studies on DL applications in DIA, including 49 papers on publicly available dental datasets and 211 papers on DL-based algorithms. We first introduce the basic concepts of dental imaging and summarize the characteristics and acquisition methods of existing datasets. Then, we present the foundational techniques of DL and categorize relevant models and algorithms according to different DIA tasks, analyzing their network architectures, optimization strategies, training methods, and performance. Furthermore, we summarize commonly used training and evaluation metrics in the DIA domain. Finally, we discuss the current challenges of existing research and outline potential future directions. We hope that this work provides a valuable and systematic reference for researchers in this field. All supplementary materials and detailed comparison tables will be made publicly available on GitHub.
• Abstract（参考訳）: 歯科医が正確な診断と最適な治療計画を達成するためには,歯像の効率的な解析と処理が不可欠である。 しかし, 歯科画像は, 低コントラスト, 金属加工品, 投射角度の変化など, いくつかの課題を生んでいる。 臨床医の専門性の違いから生じる主観性と組み合わせて、手動による解釈は、しばしば時間を要すること、矛盾する傾向があることを証明している。 人工知能(AI)を用いた歯科画像の自動解析(DIA)はこれらの問題に対して有望な解決策を提供し、コンピュータ支援型歯科診断と治療の不可欠な部分となっている。 さまざまなAI技術の中で、ディープラーニング(DL)は、その優れた特徴抽出と表現能力のため、最も広く適用され、影響力のあるアプローチである。 この分野での最近の進歩を包括的に要約するために、我々はDL研究データセットとモデルにおける2つの基本的な側面に焦点を当てる。 本稿では, 公用歯科用データセットの49論文とDLベースアルゴリズムの211論文を含む, DIAにおけるDL適用に関する260の研究を体系的にレビューする。 まず, 歯科画像の基本概念を紹介し, 既存のデータセットの特徴と取得方法について要約する。 そこで,本論文では,DLの基本技術と,異なるDIAタスクに従って関連するモデルとアルゴリズムを分類し,それらのネットワークアーキテクチャ,最適化戦略,訓練方法,性能を解析する。 さらに、DIAドメインで一般的に使用されるトレーニングと評価のメトリクスを要約する。 最後に,既存の研究の課題について論じ,今後の方向性について概説する。 この研究が、この分野の研究者に価値ある、体系的なリファレンスを提供することを期待しています。 すべての補足資料と詳細な比較表はGitHubで公開されている。

関連論文リスト

• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Cross-Institutional Dental EHR Entity Extraction via Generative AI and Synthetic Notes [6.132077347366551]
  本研究は, 未構造化テキストから診断情報を抽出することにより, 歯科記録に欠落する構造データの問題に対処する。 我々は、GPT-4を利用した高度なAIおよびNLP手法を用いて、RoBERTaモデルの微調整のための合成ノートを生成する。 2つのデータセットからランダムに選択した120個の臨床ノートを用いてモデルの評価を行い,診断精度の向上を実証した。
  論文  参考訳（メタデータ） (2024-07-23T04:05:48Z)
• Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
  アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。 我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
  論文  参考訳（メタデータ） (2024-03-19T03:59:14Z)
• Exploring the Role of Convolutional Neural Networks (CNN) in Dental Radiography Segmentation: A Comprehensive Systematic Literature Review [1.342834401139078]
  この研究は、画像解析にCNN(Convolutional Neural Networks)を用いることで、歯科疾患の検出に有効なツールであることを示す。 CNNは歯のセグメンテーションと分類に利用し、全体として最高のパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-01-17T13:00:57Z)
• AI Techniques for Cone Beam Computed Tomography in Dentistry: Trends and Practices [0.0]
  コーンビームCT (CBCT) は, 各種口腔疾患の診断と治療計画において, 歯科治療において一般的な画像モダリティである。 本稿では,最近の歯科用CBCT画像診断におけるAIの動向と実践について概説する。
  論文  参考訳（メタデータ） (2023-06-05T16:45:39Z)
• 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)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。