論文の概要: Detecting Dental Landmarks from Intraoral 3D Scans: the 3DTeethLand challenge

• arxiv url: http://arxiv.org/abs/2512.08323v1
• Date: Tue, 09 Dec 2025 07:36:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.861648
• Title: Detecting Dental Landmarks from Intraoral 3D Scans: the 3DTeethLand challenge
• Title（参考訳）: 口腔内3Dスキャンから歯科的ランドマークを検出する:3DTeethLand Challenge
• Authors: Achraf Ben-Hamadou, Nour Neifar, Ahmed Rekik, Oussama Smaoui, Firas Bouzguenda, Sergi Pujades, Niels van Nistelrooij, Shankeeth Vinayahalingam, Kaibo Shi, Hairong Jin, Youyi Zheng, Tibor Kubík, Oldřich Kodym, Petr Šilling, Kateřina Trávníčková, Tomáš Mojžiš, Jan Matula, Jeffry Hartanto, Xiaoying Zhu, Kim-Ngan Nguyen, Tudor Dascalu, Huikai Wu, and Weijie Liu, Shaojie Zhuang, Guangshun Wei, Yuanfeng Zhou,
• Abstract要約: 3DTeethLandチャレンジは、2024年にMICCAI(International Conference on Medical Image Computing and Computer-Assisted Intervention)と共同で実施された。 この課題は、3D歯のランドマーク検出のための最初の公開データセットを導入した。
• 参考スコア（独自算出の注目度）: 32.224471403323726
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Teeth landmark detection is a critical task in modern clinical orthodontics. Their precise identification enables advanced diagnostics, facilitates personalized treatment strategies, and supports more effective monitoring of treatment progress in clinical dentistry. However, several significant challenges may arise due to the intricate geometry of individual teeth and the substantial variations observed across different individuals. To address these complexities, the development of advanced techniques, especially through the application of deep learning, is essential for the precise and reliable detection of 3D tooth landmarks. In this context, the 3DTeethLand challenge was held in collaboration with the International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI) in 2024, calling for algorithms focused on teeth landmark detection from intraoral 3D scans. This challenge introduced the first publicly available dataset for 3D teeth landmark detection, offering a valuable resource to assess the state-of-the-art methods in this task and encourage the community to provide methodological contributions towards the resolution of their problem with significant clinical implications.
• Abstract（参考訳）: 歯のランドマーク検出は、現代臨床矯正学において重要な課題である。 彼らの正確な識別は、高度な診断を可能にし、パーソナライズされた治療戦略を促進し、臨床歯科治療における治療の進捗のより効果的なモニタリングを支援する。 しかし、個々の歯の複雑な形状と、異なる個体間で観察される実質的な変動により、いくつかの重要な課題が生じる可能性がある。 これらの複雑さに対処するためには、特に深層学習の応用による高度な技術開発が、3次元の歯のランドマークの正確かつ確実な検出に不可欠である。 この文脈で、3DTeethLandチャレンジは、2024年のICAI(International Conference on Medical Image Computing and Computer-Assisted Intervention)と共同で開催され、口腔内3Dスキャンによる歯のランドマーク検出に焦点を当てたアルゴリズムが要求された。 この課題は、3D歯のランドマーク検出のための最初の公開データセットを導入し、この課題における最先端の方法を評価する貴重なリソースを提供し、重要な臨床的意味を持つ問題の解決に対する方法論的な貢献をコミュニティに促した。

関連論文リスト

• DentVLM: A Multimodal Vision-Language Model for Comprehensive Dental Diagnosis and Enhanced Clinical Practice [71.62725911420627]
  本稿では,専門レベルの口腔疾患診断のために設計された視覚言語モデルであるDentVLMを紹介する。 このモデルは、36の診断タスクで7つの2D経口画像モダリティを解釈できる。 若年者歯科医師13名(36名中21名)の診断成績を上回り,12名中12名(36名中12名)の診断成績を上回りました。
  論文  参考訳（メタデータ） (2025-09-27T14:47:37Z)
• STS MICCAI 2023 Challenge: Grand challenge on 2D and 3D semi-supervised tooth segmentation [33.341833229434435]
  MICCAI 2023 Challenge on the Alibaba Tianchi Platformの一部として、Semi-supervised Teeth (STS) Challengeが開催された。 この課題は, 歯学の分野を前進させるために, 効果的な半教師付き歯のセグメンテーションアルゴリズムを検討することである。 2次元パノラマX線像と3次元CBCT歯量を含む2つのモダリティを提供する。
  論文  参考訳（メタデータ） (2024-07-18T08:00:08Z)
• 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)
• 3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge [18.46601146994235]
  3DTeethSeg'22チャレンジは、2022年のMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で実施された。 900人の患者から1800件のスキャンを行ったデータセットを作成し, それぞれの歯にヒトと機械のハイブリッドアルゴリズムを用いて個別にアノテートした。 本研究では,3DTeethSeg'22チャレンジの評価結果について述べる。
  論文  参考訳（メタデータ） (2023-05-29T17:49:58Z)
• Teeth3DS+: An Extended Benchmark for Intraoral 3D Scans Analysis [7.546387289692397]
  本稿では,口腔内3Dスキャン解析の分野を推し進めるために設計された,最初の包括的公開ベンチマークであるTeeth3DS+を紹介する。 このデータセットには、900人の患者から採取された少なくとも1,800本の口腔内スキャン(23,999本の歯を含む)が含まれており、上顎と下顎の両方を別々にカバーしている。
  論文  参考訳（メタデータ） (2022-10-12T11:18:35Z)
• Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and Landmark Localization on 3D Intraoral Scans [56.55092443401416]
  TS-MDLの最初の段階では、mphiMeshSegNetは0.953pm0.076$で平均Dice類似係数(DSC)に達した。 PointNet-Reg は平均絶対誤差 (MAE) が 0.623pm0.718, mm$ であり、ランドマーク検出の他のネットワークよりも優れている。
  論文  参考訳（メタデータ） (2021-09-24T13:00:26Z)
• A fully automated method for 3D individual tooth identification and segmentation in dental CBCT [1.567576360103422]
  本稿では,歯科用CBCT画像から3次元個別歯を同定・分別する完全自動化手法を提案する。 提案手法は,ディープラーニングに基づく階層型多段階モデルを構築することで,上記の課題に対処する。 実験結果から, 本法は歯の識別に93.35%のF1スコア, 個々の3次元歯のセグメンテーションに94.79%のDice類似係数を達成できた。
  論文  参考訳（メタデータ） (2021-02-11T15:07:23Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。