論文の概要: RegFreeNet: A Registration-Free Network for CBCT-based 3D Dental Implant Planning

• arxiv url: http://arxiv.org/abs/2601.14703v1
• Date: Wed, 21 Jan 2026 06:30:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.263369
• Title: RegFreeNet: A Registration-Free Network for CBCT-based 3D Dental Implant Planning
• Title（参考訳）: RegFreeNet:CBCTによる歯科インプラント計画のためのレジストレーションフリーネットワーク
• Authors: Xinquan Yang, Xuguang Li, Mianjie Zheng, Xuefen Liu, Kun Tang, Kian Ming Lim, He Meng, Jianfeng Ren, Linlin Shen,
• Abstract要約: 既存の方法は、インストール後のデータをスキャンし、インプラントをプレインストールスペースにマッピングして、トレーニングのためにインプラント位置のラベルを取得する必要がある。 本研究は, インプラントを含むCBCTをトレーニングデータとして使用できるように, 実装後データ中のインプラントをマスキングすることを提案する。 本研究は1622 CBCTデータのボクセルレベル3Dアノテーションを付加した包括的,一般公開可能な歯科インプラントデータセットであるPassionFairyを提案する。
• 参考スコア（独自算出の注目度）: 45.095689544963136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the commercial surgical guide design software usually does not support the export of implant position for pre-implantation data, existing methods have to scan the post-implantation data and map the implant to pre-implantation space to get the label of implant position for training. Such a process is time-consuming and heavily relies on the accuracy of registration algorithm. Moreover, not all hospitals have paired CBCT data, limitting the construction of multi-center dataset. Inspired by the way dentists determine the implant position based on the neighboring tooth texture, we found that even if the implant area is masked, it will not affect the determination of the implant position. Therefore, we propose to mask the implants in the post-implantation data so that any CBCT containing the implants can be used as training data. This paradigm enables us to discard the registration process and makes it possible to construct a large-scale multi-center implant dataset. On this basis, we proposes ImplantFairy, a comprehensive, publicly accessible dental implant dataset with voxel-level 3D annotations of 1622 CBCT data. Furthermore, according to the area variation characteristics of the tooth's spatial structure and the slope information of the implant, we designed a slope-aware implant position prediction network. Specifically, a neighboring distance perception (NDP) module is designed to adaptively extract tooth area variation features, and an implant slope prediction branch assists the network in learning more robust features through additional implant supervision information. Extensive experiments conducted on ImplantFairy and two public dataset demonstrate that the proposed RegFreeNet achieves the state-of-the-art performance.
• Abstract（参考訳）: 市販の外科用ガイドデザインソフトウェアは、通常、プレインストールデータに対するインプラント位置のエクスポートをサポートしていないため、既存の方法では、インストール後のデータをスキャンし、プレインストールスペースにインプラントをマッピングして、トレーニング用のインプラント位置のラベルを取得する必要がある。 このようなプロセスは時間がかかり、登録アルゴリズムの精度に大きく依存する。 さらに、全ての病院がCBCTデータをペアにしており、マルチセンターデータセットの構築を制限しているわけではない。 歯科医が隣り合う歯のテクスチャに基づいてインプラント位置を決定する方法にインスパイアされた結果,インプラント面積がマスクされているとしても,インプラント位置の決定には影響しないことがわかった。 そこで本研究では, インプラントを含むCBCTをトレーニングデータとして使用できるように, 実装後データ中のインプラントをマスキングすることを提案する。 このパラダイムは,登録プロセスを破棄し,大規模マルチセンターインプラントデータセットの構築を可能にする。 本研究は1622 CBCTデータのボクセルレベル3Dアノテーションを付加した包括的,一般公開可能な歯科インプラントデータセットであるPassionFairyを提案する。 さらに, 歯の空間構造の面積変化特性とインプラントの傾斜情報に基づいて, 傾斜認識型インプラント位置予測ネットワークを設計した。 具体的には、隣り合う距離知覚(NDP)モジュールは、歯面積変動の特徴を適応的に抽出するように設計され、インプラント傾斜予測部は、追加のインプラント監督情報を介して、より堅牢な特徴を学習するネットワークを支援する。 implantFairyと2つの公開データセットで実施された大規模な実験は、提案されたRegFreeNetが最先端のパフォーマンスを達成することを実証している。

関連論文リスト

• SSA3D: Text-Conditioned Assisted Self-Supervised Framework for Automatic Dental Abutment Design [52.57094737117145]
  本稿では、再構成ブランチと回帰ブランチを備えたデュアルブランチアーキテクチャを用いた自己教師付き自動支台築造設計フレームワーク(SS$A3$D)を提案する。 回帰分岐は、教師付き学習下での分配パラメータを予測し、個別の事前学習と微調整のプロセスを排除します。 また、他の手法と比較して最先端性能を実現し、自動当接設計の精度と効率を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-12-12T12:08:05Z)
• Text Condition Embedded Regression Network for Automated Dental Abutment Design [40.65156494921462]
  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。
  論文  参考訳（メタデータ） (2025-11-27T16:08:10Z)
• 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)
• 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)
• TCSloT: Text Guided 3D Context and Slope Aware Triple Network for Dental Implant Position Prediction [27.020346431680355]
  インプラント補綴治療では、正確なインプラントを確保するために、インプラントの外科的ガイドが使用される。 インプラント位置の特定に歯科医を補助するディープニューラルネットワークが提案されている。 本稿では,テキストガイドによる3Dコンテキストとスロープアウェアトリプルネットワーク(TCSloT)を設計する。
  論文  参考訳（メタデータ） (2023-08-10T05:51:21Z)
• ImplantFormer: Vision Transformer based Implant Position Regression Using Dental CBCT Data [27.020346431680355]
  インプラント補綴は歯列欠損や歯列喪失の最も適切な治療であり、通常インプラント位置を決定するための外科的ガイド設計プロセスを必要とする。 本稿では, 経口CBCTデータに基づいてインプラント位置の自動予測を行うために, トランスフォーマを用いたインプラント位置回帰ネットワーク, implantFormerを提案する。 歯冠面積の2次元軸方向ビューを用いてインプラント位置を予測し,インプラントの中心線を適合させて実際のインプラント位置を歯根に求めることを創造的に提案する。
  論文  参考訳（メタデータ） (2022-10-29T02:31:27Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• 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。