論文の概要: ArchMap: Arch-Flattening and Knowledge-Guided Vision Language Model for Tooth Counting and Structured Dental Understanding

• arxiv url: http://arxiv.org/abs/2511.14336v1
• Date: Tue, 18 Nov 2025 10:46:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.056649
• Title: ArchMap: Arch-Flattening and Knowledge-Guided Vision Language Model for Tooth Counting and Structured Dental Understanding
• Title（参考訳）: ArchMap:歯数と構造的歯科的理解のためのアーチテンプレートと知識指導型視覚言語モデル
• Authors: Bohan Zhang, Yiyi Miao, Taoyu Wu, Tong Chen, Ji Jiang, Zhuoxiao Li, Zhe Tang, Limin Yu, Jionglong Su,
• Abstract要約: ArchMapは、堅牢な構造化された歯科理解のためのトレーニング不要で知識誘導型のフレームワークである。 生の3Dメッシュを空間的に整列し、連続性を保存するマルチビュープロジェクションに標準化する。 精度が高く、セマンティックドリフトが減少し、スパース条件やアーティファクト条件下での安定性が向上する。
• 参考スコア（独自算出の注目度）: 19.228631155023432
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A structured understanding of intraoral 3D scans is essential for digital orthodontics. However, existing deep-learning approaches rely heavily on modality-specific training, large annotated datasets, and controlled scanning conditions, which limit generalization across devices and hinder deployment in real clinical workflows. Moreover, raw intraoral meshes exhibit substantial variation in arch pose, incomplete geometry caused by occlusion or tooth contact, and a lack of texture cues, making unified semantic interpretation highly challenging. To address these limitations, we propose ArchMap, a training-free and knowledge-guided framework for robust structured dental understanding. ArchMap first introduces a geometry-aware arch-flattening module that standardizes raw 3D meshes into spatially aligned, continuity-preserving multi-view projections. We then construct a Dental Knowledge Base (DKB) encoding hierarchical tooth ontology, dentition-stage policies, and clinical semantics to constrain the symbolic reasoning space. We validate ArchMap on 1060 pre-/post-orthodontic cases, demonstrating robust performance in tooth counting, anatomical partitioning, dentition-stage classification, and the identification of clinical conditions such as crowding, missing teeth, prosthetics, and caries. Compared with supervised pipelines and prompted VLM baselines, ArchMap achieves higher accuracy, reduced semantic drift, and superior stability under sparse or artifact-prone conditions. As a fully training-free system, ArchMap demonstrates that combining geometric normalization with ontology-guided multimodal reasoning offers a practical and scalable solution for the structured analysis of 3D intraoral scans in modern digital orthodontics.
• Abstract（参考訳）: 口腔内3Dスキャンの構造的理解は, 歯科矯正治療に不可欠である。 しかし、既存のディープラーニングアプローチは、モダリティ固有のトレーニング、大きな注釈付きデータセット、およびコントロールされたスキャン条件に大きく依存しており、デバイス間の一般化を制限し、実際の臨床ワークフローにおけるデプロイメントを妨げている。 さらに, 口腔内メッシュは, アーチポーズ, 咬合や歯の接触による不完全形状, テクスチャの欠如など, 有意な変化を示し, 統一的な意味解釈を困難にしている。 これらの制約に対処するため、我々は、堅牢な構造化された歯科理解のためのトレーニングフリーで知識誘導型フレームワークであるArchMapを提案する。 ArchMapはまず、幾何学を意識したアーチフラット化モジュールを導入し、生の3Dメッシュを空間的に整列し、連続性を保存するマルチビュープロジェクションに標準化する。 そこで我々は, 階層的な歯のオントロジー, 歯列段階の政策, 臨床意味論をコードする歯科知識ベース(DKB)を構築し, 象徴的推論空間を制約する。 歯列数,解剖学的分割,歯列ステージ分類,および群集,欠損歯,補綴物,ケーリーなどの臨床症状の同定において頑健な成績を示した。 教師付きパイプラインと比較し、VLMベースラインを誘導すると、ArchMapはより精度が高く、セマンティックなドリフトが減少し、スパース条件やアーティファクト条件下での安定性が向上する。 完全にトレーニングのないシステムとして、ArchMapは、幾何学的正規化とオントロジー誘導マルチモーダル推論を組み合わせることで、現代のデジタル矯正学における3次元口腔内スキャンの構造解析に実用的でスケーラブルなソリューションを提供することを示した。

関連論文リスト

• Dental3R: Geometry-Aware Pairing for Intraoral 3D Reconstruction from Sparse-View Photographs [10.70146635420186]
  疎口内画像から高忠実度で頑健な再構成を行うためのポーズフリーグラフ誘導パイプラインである textbfDental3R を提案する。 提案手法はまずGAPS(Geometry-Aware Pairing Strategy)を構築し,高値画像ペアのコンパクト部分グラフをインテリジェントに選択する。 離散ウェーブレット変換を用いて帯域制限忠実度を強制することにより,高周波アーティファクトを抑えながら微細なエナメル質境界と近位縁を保存できる。
  論文  参考訳（メタデータ） (2025-11-18T10:20:22Z)
• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)
• SSAD: Self-supervised Auxiliary Detection Framework for Panoramic X-ray based Dental Disease Diagnosis [34.18685561597102]
  SSADフレームワークはプラグアンドプレイであり、あらゆる検出器と互換性がある。 SSADフレームワークは、主流のオブジェクト検出方法やSSLメソッドと比較して最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-06-20T03:09:15Z)
• 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)
• 3D Structure-guided Network for Tooth Alignment in 2D Photograph [47.51314162367702]
  矯正治療に先立って歯列が整列した2次元写真は, 効果的な歯科医療コミュニケーションに不可欠である。 本稿では2次元画像空間内の歯を入力として2次元写真を取り,アライメントする3次元構造誘導歯列ネットワークを提案する。 本研究は, 各種顔写真におけるネットワークの評価を行い, 歯科矯正産業における特筆すべき性能と高い適用性を示した。
  論文  参考訳（メタデータ） (2023-10-17T09:44:30Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
  我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。 本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• 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)
• Semi-supervised segmentation of tooth from 3D Scanned Dental Arches [5.985943912419412]
  歯のセグメンテーションは歯の修復において重要なトピックであり、歯冠形成、診断、治療計画に不可欠である。 本稿では,3次元アーチのセグメンテーションにおいて,スペクトルクラスタリングをニューラルネットワークの自己超越信号として用いることを提案する。 実験の結果,半教師付き学習では,完全に教師付き状態のMeshSegNetよりも改善が見られた。
  論文  参考訳（メタデータ） (2022-08-10T19:56:47Z)
• 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。