論文の概要: CrownGen: Patient-customized Crown Generation via Point Diffusion Model

• arxiv url: http://arxiv.org/abs/2512.21890v1
• Date: Fri, 26 Dec 2025 06:40:33 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:04:19.156363
• Title: CrownGen: Patient-customized Crown Generation via Point Diffusion Model
• Title（参考訳）: CrownGen:ポイント拡散モデルによる患者によるクラウン生成
• Authors: Juyoung Bae, Moo Hyun Son, Jiale Peng, Wanting Qu, Wener Chen, Zelin Qiu, Kaixin Li, Xiaojuan Chen, Yifan Lin, Hao Chen,
• Abstract要約: CrownGenは、患者にカスタマイズされたクラウンデザインを自動化する生成フレームワークである。 幾何学的忠実度において最先端のモデルを超越し、アクティブな設計時間を著しく短縮する。 複雑な義歯のモデリングを自動化することによって、クラウンゲンはコストを下げ、ターンアラウンド時間を短縮し、高品質な歯科医療への患者アクセスを向上させるスケーラブルなソリューションを提供する。
• 参考スコア（独自算出の注目度）: 7.982205658204545
• License:
• Abstract: Digital crown design remains a labor-intensive bottleneck in restorative dentistry. We present \textbf{CrownGen}, a generative framework that automates patient-customized crown design using a denoising diffusion model on a novel tooth-level point cloud representation. The system employs two core components: a boundary prediction module to establish spatial priors and a diffusion-based generative module to synthesize high-fidelity morphology for multiple teeth in a single inference pass. We validated CrownGen through a quantitative benchmark on 496 external scans and a clinical study of 26 restoration cases. Results demonstrate that CrownGen surpasses state-of-the-art models in geometric fidelity and significantly reduces active design time. Clinical assessments by trained dentists confirmed that CrownGen-assisted crowns are statistically non-inferior in quality to those produced by expert technicians using manual workflows. By automating complex prosthetic modeling, CrownGen offers a scalable solution to lower costs, shorten turnaround times, and enhance patient access to high-quality dental care.
• Abstract（参考訳）: デジタルクラウンデザインは、修復歯科における労働集約的なボトルネックであり続けている。 そこで我々は,新しい歯面点雲表現のデノナイズ拡散モデルを用いて,患者に適応したクラウンデザインを自動化する生成フレームワークである「textbf{CrownGen}」を提案する。 このシステムでは、空間的先行点を確立するための境界予測モジュールと、複数の歯の高忠実な形態を単一の推論パスで合成する拡散ベースの生成モジュールの2つのコアコンポーネントを使用している。 496例の外部スキャンを定量的に評価し,26例の修復症例について臨床的検討を行った。 結果,クラウンゲンは幾何学的忠実度において最先端モデルを超え,有効設計時間を著しく短縮することを示した。 訓練された歯科医による臨床評価では、クラウンゲンを補助するクラウンは、手動のワークフローを用いて専門家が作成したクラウンよりも統計的に劣っていることが確認された。 複雑な義歯のモデリングを自動化することによって、クラウンゲンはコストを下げ、ターンアラウンド時間を短縮し、高品質な歯科医療への患者アクセスを向上させるスケーラブルなソリューションを提供する。

関連論文リスト

• Adapting Foundation Model for Dental Caries Detection with Dual-View Co-Training [53.77904429789069]
  本稿では, 歯列検出のための新しいDual-View Co-TrainingネットワークであるAttention-TNetについて紹介する。 OurTNetは、自動歯肉検出を用いて、パノラマX線画像からのグローバルビューと、収穫した歯肉画像からのローカルビューの2つの補完的なビューを確立する。 両ビューからの情報を効果的に統合するために,Gated Cross-Viewモジュールを導入する。
  論文  参考訳（メタデータ） (2025-08-28T14:13:26Z)
• Mesh based segmentation for automated margin line generation on incisors receiving crown treatment [4.899719916627318]
  本研究は,ディープラーニングを用いてマージンラインを自動的かつ正確に決定する新しいフレームワークを提案する。 深層学習セグメンテーションモデルをトレーニングするために, 共同歯科実験室によって切歯のデータセットが提供された。 また, 予測された真理境界線と地上の真理境界線との偏差が小さいほど, 準備の質が良くなることを示した。
  論文  参考訳（メタデータ） (2025-07-30T17:34:45Z)
• VBCD: A Voxel-Based Framework for Personalized Dental Crown Design [36.59049802135747]
  自動歯冠設計(VBCD)のための新しいボクセルベースの枠組みを提案する。 VBCDフレームワークは, 酸素化口腔内スキャンから初期粗い歯冠を生成し, その後, 精度と品質を向上させるために, 遠隔監視を組み込んだ細粒度精細機を作製する。
  論文  参考訳（メタデータ） (2025-07-23T04:53:38Z)
• CXR-LT 2024: A MICCAI challenge on long-tailed, multi-label, and zero-shot disease classification from chest X-ray [64.2434525370243]
  CXR-LTシリーズは、胸部X線を用いた肺疾患の分類を強化するために設計されたコミュニティ主導のイニシアチブである。 CXR-LT 2024はデータセットを377,110の胸部X線(CXR)と45の疾患ラベルに拡張し、19の新しい稀な疾患の発見を含んでいる。 本稿では、CXR-LT 2024の概要を述べるとともに、データキュレーションプロセスの詳細と最先端ソリューションの統合について述べる。
  論文  参考訳（メタデータ） (2025-06-09T17:53:31Z)
• From Mesh Completion to AI Designed Crown [1.6081463005006484]
  我々は、ポイントクラウドコンテキストに条件付けされたクラウンメッシュを生成するために、新しいエンドツーエンドのディープラーニングアプローチであるDigital Mesh Completion(DMC)を提案する。 提案手法は平均0.062 Chamfer Distanceを実現する。
  論文  参考訳（メタデータ） (2025-01-09T02:10:15Z)
• PX2Tooth: Reconstructing the 3D Point Cloud Teeth from a Single Panoramic X-ray [20.913080797758816]
  PX2Toothは2段階の枠組みで1枚のPX画像を用いて3次元歯の再構成を行う新しい手法である。 まず、PXSegNetを設計し、PX画像から永久歯を分割し、各歯の位置、形態、分類情報を提供する。 その後、ランダムな点雲を3次元歯に変換する新しい歯生成ネットワーク(TGNet)を設計する。
  論文  参考訳（メタデータ） (2024-11-06T07:44:04Z)
• Construction of unbiased dental template and parametric dental model for precision digital dentistry [46.459289444783956]
  CBCT画像から正確な歯科用アトラスを作製し, 歯のセグメンテーションを誘導するアンバイアスド歯科用テンプレートを開発した。 実際の被写体のCBCT画像159枚を収集して施工する。
  論文  参考訳（メタデータ） (2023-04-07T09:39:03Z)
• Improving the quality of dental crown using a Transformer-based method [5.985943912419412]
  人工歯冠の設計を完全自動で学習する手法を提案する。 本研究では, 歯冠形成の問題点を, 歯の周囲の点雲完備化の課題として取り組んだ。
  論文  参考訳（メタデータ） (2023-03-04T14:14:00Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• OdontoAI: A human-in-the-loop labeled data set and an online platform to boost research on dental panoramic radiographs [53.67409169790872]
  本研究では, 歯科用パノラマX線画像の公開データセットの構築について述べる。 我々はHuman-in-the-loop(HITL)の概念の恩恵を受け、ラベリング手順を高速化する。 その結果,HITLによるラベル付け時間短縮率は51%であり,連続作業時間390時間以上節約できた。
  論文  参考訳（メタデータ） (2022-03-29T18:57:23Z)
• 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)

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。