論文の概要: NICE: Neural Implicit Craniofacial Model for Orthognathic Surgery Prediction

• arxiv url: http://arxiv.org/abs/2512.05920v1
• Date: Fri, 05 Dec 2025 17:56:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:57.123352
• Title: NICE: Neural Implicit Craniofacial Model for Orthognathic Surgery Prediction
• Title（参考訳）: NICE: 顎口腔外科手術予測のための神経インシシデント顎顔面モデル
• Authors: Jiawen Yang, Yihui Cao, Xuanyu Tian, Yuyao Zhang, Hongjiang Wei,
• Abstract要約: 解剖学的再建と手術結果の予測に暗黙的神経表現を用いた神経インプリシット頭蓋顔面モデル(NICE)を提案する。 NICEは、顔の表面、上顎、下顎を再構築するために、領域固有の暗黙の符号付き距離関数(SDF)デコーダを使用する形状モジュールと、領域固有の変形デコーダを使用する手術モジュールとを備える。 実験により、NICEは現在の最先端の手法よりも優れており、特に唇やあごなどの重要な顔面領域における予測精度が向上している。
• 参考スコア（独自算出の注目度）: 16.383390439495603
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Orthognathic surgery is a crucial intervention for correcting dentofacial skeletal deformities to enhance occlusal functionality and facial aesthetics. Accurate postoperative facial appearance prediction remains challenging due to the complex nonlinear interactions between skeletal movements and facial soft tissue. Existing biomechanical, parametric models and deep-learning approaches either lack computational efficiency or fail to fully capture these intricate interactions. To address these limitations, we propose Neural Implicit Craniofacial Model (NICE) which employs implicit neural representations for accurate anatomical reconstruction and surgical outcome prediction. NICE comprises a shape module, which employs region-specific implicit Signed Distance Function (SDF) decoders to reconstruct the facial surface, maxilla, and mandible, and a surgery module, which employs region-specific deformation decoders. These deformation decoders are driven by a shared surgical latent code to effectively model the complex, nonlinear biomechanical response of the facial surface to skeletal movements, incorporating anatomical prior knowledge. The deformation decoders output point-wise displacement fields, enabling precise modeling of surgical outcomes. Extensive experiments demonstrate that NICE outperforms current state-of-the-art methods, notably improving prediction accuracy in critical facial regions such as lips and chin, while robustly preserving anatomical integrity. This work provides a clinically viable tool for enhanced surgical planning and patient consultation in orthognathic procedures.
• Abstract（参考訳）: 顎矯正手術は咬合機能と顔面美学を高めるために顎顔面骨格変形を矯正するための重要な介入である。 顔面軟部組織と骨格運動の複雑な非線形相互作用により,術後の正確な表情予測は依然として困難である。 既存の生体力学モデル、パラメトリックモデル、ディープラーニングアプローチは、計算効率を欠いているか、複雑な相互作用を完全に捉えていないかのいずれかである。 これらの制約に対処するために,暗黙的な神経表現を用いて解剖学的再建と手術結果の予測を行うニューラルインプリシット頭蓋顔面モデル(NICE)を提案する。 NICEは、顔の表面、上顎、下顎を再構築するために、領域固有の暗黙の符号付き距離関数(SDF)デコーダを使用する形状モジュールと、領域固有の変形デコーダを使用する手術モジュールとを備える。 これらの変形デコーダは、解剖学的事前知識を取り入れて、顔面の複雑な非線形生体力学的反応を骨格運動に効果的にモデル化するために、共有外科的潜伏符号によって駆動される。 変形デコーダは点方向の変位場を出力し、手術結果の正確なモデリングを可能にする。 大規模な実験により、NICEは現在の最先端の手法よりも優れており、特に唇やあごなどの重要な顔面領域における予測精度が向上し、解剖学的整合性は堅固に保たれていることが示されている。 本研究は外科的計画の強化と歯科矯正手術における患者相談のための臨床的に有効なツールを提供する。

関連論文リスト

• Efficient 3D Scene Reconstruction and Simulation from Sparse Endoscopic Views [0.7614628596146601]
  内視鏡的画像からインタラクティブな手術シーンを再構築するためのガウススプラッティングに基づくフレームワークを提案する。 データ駆動型シミュレーションのパラダイムにおける重要な課題は、内視鏡カメラの制限された動きである。 本手法は,スパース内視鏡による手術シーンの再現とシミュレートを効果的に行うことができることを示す。
  論文  参考訳（メタデータ） (2025-09-21T10:40:36Z)
• Toward Reliable AR-Guided Surgical Navigation: Interactive Deformation Modeling with Data-Driven Biomechanics and Prompts [21.952265898720825]
  本稿では,計算効率を向上しつつ,FEMレベルの精度を維持するデータ駆動アルゴリズムを提案する。 変形モデリングプロセスに新たなヒューマン・イン・ザ・ループ機構を導入する。 提案アルゴリズムは, 平均目標登録誤差を3.42mmとし, ボリューム精度で最先端の手法を超越した。
  論文  参考訳（メタデータ） (2025-06-08T14:19:54Z)
• Surgical Foundation Model Leveraging Compression and Entropy Maximization for Image-Guided Surgical Assistance [50.486523249499115]
  低侵襲手術(MIS)におけるリアルタイム映像理解の重要性 手術ビデオからコンパクトで情報的表現を学習するための,新しい自己教師型フレームワークであるCompress-to-Explore (C2E)を提案する。 C2Eは、エントロピー最大化デコーダを使用して、臨床的に関連する詳細を保持しながら画像を圧縮し、ラベル付きデータなしでエンコーダのパフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2025-05-16T14:02:24Z)
• Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
  術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。 既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。 本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T14:55:57Z)
• Soft-tissue Driven Craniomaxillofacial Surgical Planning [13.663130604042278]
  CMF手術では, 希望する顔の成果を達成するためのボニームーブメントの計画が難しい課題である。 手術計画の自動作成と検証が可能なソフトタスク駆動型フレームワークを提案する。 本フレームワークは,所望の顔結果を達成するために必要なボニー運動を推定するボニープランナーネットワークと,推定ボニー運動計画から生じる顔変化をシミュレートする顔シミュレータネットワークとから構成される。
  論文  参考訳（メタデータ） (2023-07-20T15:26:01Z)
• Neural LerPlane Representations for Fast 4D Reconstruction of Deformable Tissues [52.886545681833596]
  LerPlaneは単一視点環境下での手術シーンの高速かつ正確な再構築手法である。 LerPlaneは外科手術を4Dボリュームとして扱い、静的および動的フィールドの明示的な2D平面に分解する。 LerPlaneは静的フィールドを共有し、動的組織モデリングのワークロードを大幅に削減する。
  論文  参考訳（メタデータ） (2023-05-31T14:38:35Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• Deep Learning-based Facial Appearance Simulation Driven by Surgically Planned Craniomaxillofacial Bony Movement [13.663130604042278]
  顔の外観を推定するために,注意応答支援運動変換ネットワーク(ACMT-Net)を提案する。 提案手法は, 最先端のFEM手法と比較して, 顔変化予測精度を向上できることを示す。
  論文  参考訳（メタデータ） (2022-10-04T15:33:01Z)
• A Self-Supervised Deep Framework for Reference Bony Shape Estimation in Orthognathic Surgical Planning [55.30223654196882]
  仮想的な矯正手術計画では、3次元顔面骨形状モデルにおける顎変形の外科的修正をシミュレートする。 正常な解剖を表現した基準顔骨形状モデルは、計画精度を向上させるための客観的ガイダンスを提供することができる。 本稿では,顔面骨の形状モデルを自動的に推定する自己教師型ディープフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-11T05:24:40Z)

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。