論文の概要: Text Condition Embedded Regression Network for Automated Dental Abutment Design

• arxiv url: http://arxiv.org/abs/2511.22578v1
• Date: Thu, 27 Nov 2025 16:08:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.632869
• Title: Text Condition Embedded Regression Network for Automated Dental Abutment Design
• Title（参考訳）: 歯科支台築造自動化のためのテキストコンディション組込み回帰ネットワーク
• Authors: Mianjie Zheng, Xinquan Yang, Xuguang Li, Xiaoling Luo, Xuefen Liu, Kun Tang, He Meng, Linlin Shen,
• Abstract要約: 不適切なインプラント支台築造の長期使用は、周腸炎を含むインプラント合併症を引き起こす可能性がある。 人工知能を用いてインプラント支台築造設計を支援することで、支台築造設計の効率を迅速に向上し、支台築造適応性を高めることができる。 本稿では,文献で利用可能な新しい自動当接設計ソリューションであるテキスト条件組み込み当接設計フレームワーク(TCEAD)を提案する。
• 参考スコア（独自算出の注目度）: 40.65156494921462
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The abutment is an important part of artificial dental implants, whose design process is time-consuming and labor-intensive. Long-term use of inappropriate dental implant abutments may result in implant complications, including peri-implantitis. Using artificial intelligence to assist dental implant abutment design can quickly improve the efficiency of abutment design and enhance abutment adaptability. In this paper, we propose a text condition embedded abutment design framework (TCEAD), the novel automated abutment design solution available in literature. The proposed study extends the self-supervised learning framework of the mesh mask autoencoder (MeshMAE) by introducing a text-guided localization (TGL) module to facilitate abutment area localization. As the parameter determination of the abutment is heavily dependent on local fine-grained features (the width and height of the implant and the distance to the opposing tooth), we pre-train the encoder using oral scan data to improve the model's feature extraction ability. Moreover, considering that the abutment area is only a small part of the oral scan data, we designed a TGL module, which introduces the description of the abutment area through the text encoder of Contrastive Language-Image Pre-training (CLIP), enabling the network to quickly locate the abutment area. We validated the performance of TCEAD on a large abutment design dataset. Extensive experiments demonstrate that TCEAD achieves an Intersection over Union (IoU) improvement of 0.8%-12.85% over other mainstream methods, underscoring its potential in automated dental abutment design.
• Abstract（参考訳）: 支台築造は人工インプラントの重要な部分であり、その設計プロセスは時間がかかり、労力がかかる。 不適切なインプラント支台築造の長期使用は、周腸炎を含むインプラント合併症を引き起こす可能性がある。 人工知能を用いてインプラント支台築造設計を支援することで、支台築造設計の効率を迅速に向上し、支台築造適応性を高めることができる。 本稿では,文献で利用可能な新しい自動当接設計ソリューションであるテキスト条件組み込み当接設計フレームワーク(TCEAD)を提案する。 本研究は,メッシュマスクオートエンコーダ(MeshMAE)の自己教師型学習フレームワークを拡張し,テキスト誘導型ローカライゼーション(TGL)モジュールを導入し,分布領域のローカライゼーションを容易にする。 支台歯のパラメータ決定は, 局所的な微細な特徴(インプラントの幅と高さ, 反対歯との距離)に大きく依存するので, 口腔スキャンデータを用いてエンコーダを事前訓練し, モデルの特徴抽出能力を向上させる。 さらに, 口頭スキャンデータの小さな部分に過ぎないことを考慮し, コントラスト言語画像事前学習(CLIP)のテキストエンコーダを用いて, 当接領域の記述を導入するTGLモジュールを設計した。 大規模な支台築造設計データセットを用いたTCEADの性能評価を行った。 大規模な実験により、TCEADは、他の主流の方法よりも0.8%-12.85%のIoU(Intersection over Union)の改善を達成し、歯科支台築造の自動化の可能性を示している。

関連論文リスト

• Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
  経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。 まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
  論文  参考訳（メタデータ） (2025-07-22T13:24:45Z)
• MRGen: Segmentation Data Engine for Underrepresented MRI Modalities [59.61465292965639]
  稀ながら臨床的に重要な画像モダリティのための医用画像分割モデルの訓練は、注釈付きデータの不足により困難である。 本稿では,データ合成における生成モデルの利用について検討する。 本稿では,テキストプロンプトとセグメンテーションマスクを条件とした医用画像合成のためのデータエンジンMRGenを提案する。
  論文  参考訳（メタデータ） (2024-12-04T16:34:22Z)
• Unlocking Potential Binders: Multimodal Pretraining DEL-Fusion for Denoising DNA-Encoded Libraries [51.72836644350993]
  マルチモーダルプレトレーニング DEL-Fusion Model (MPDF) 我々は,異なる複合表現とそれらのテキスト記述の対比対象を適用した事前学習タスクを開発する。 本稿では, 原子, 分子, 分子レベルでの複合情報をアマルガメートする新しいDEL融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-07T17:32:21Z)
• Simplify Implant Depth Prediction as Video Grounding: A Texture Perceive Implant Depth Prediction Network [26.68803827522865]
  テクスチャ知覚インプラント深さ予測ネットワーク(TPNet)を開発した。 TPNetは、インプラント領域検出器(IRD)とインプラント深さ予測ネットワーク(IDPNet)から構成される。 大規模な歯科インプラントデータセットを用いた実験により,提案したTPNetは既存の方法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-06-07T03:24:04Z)
• Sparse Anatomical Prompt Semi-Supervised Learning with Masked Image Modeling for CBCT Tooth Segmentation [9.373643627609336]
  Cone Beam Computed Tomography (CBCT) 歯科画像における歯の識別とセグメンテーションは, 歯科医が行う手技診断の効率と精度を著しく向上させることができる。 既存のセグメンテーション手法は主に大規模なデータボリュームトレーニングに基づいて開発され、そのアノテーションは非常に時間がかかります。 本研究では, 大量の未ラベルデータを効果的に活用し, 限られたラベル付きデータで正確な歯のセグメンテーションを実現するタスク指向Masked Auto-Encoderパラダイムを提案する。
  論文  参考訳（メタデータ） (2024-02-07T05:05:21Z)
• 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)
• TCEIP: Text Condition Embedded Regression Network for Dental Implant Position Prediction [28.824994303170882]
  ディープニューラルネットワークは、歯科インプラントの位置を設計する際に歯科医を支援するために提案されている。 文献は、複数の欠損歯がある場合、うまく機能せず、歯がまばらに分布しているとき、容易に偽の予測を発生させる。 本稿では,テキスト条件をエンコーダ・デコーダ・フレームワークに組み込むために,テキスト条件埋め込み型インプラント位置回帰ネットワーク(TCEIP)を提案する。
  論文  参考訳（メタデータ） (2023-06-26T03:38:43Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)

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。