Fugu-MT 論文翻訳(概要): MADCrowner: Margin Aware Dental Crown Design with Template Deformation and Refinement

論文の概要: MADCrowner: Margin Aware Dental Crown Design with Template Deformation and Refinement

arxiv url: http://arxiv.org/abs/2603.04771v1
Date: Thu, 05 Mar 2026 03:42:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-06 22:06:11.056902
Title: MADCrowner: Margin Aware Dental Crown Design with Template Deformation and Refinement
Title（参考訳）: MADCrowner: テンプレート変形とリファインメントによる歯冠デザインを意識したマージン
Authors: Linda Wei, Chang Liu, Wenran Zhang, Yuxuan Hu, Ruiyang Li, Feng Qi, Changyao Tian, Ke Wang, Yuanyuan Wang, Shaoting Zhang, Dimitris Metaxas, Hongsheng Li,
Abstract要約: 全フレームワークは CrownDeformR と CrownSegger で構成されている。 CrownDeformRは、マルチスケールの口腔内スキャンエンコーダによって抽出される解剖学的コンテキストに基づいて、初期テンプレートをターゲットクラウンに変形する。マージンセグ新規のマージン・セグメンテーション・ネットワークターゲット歯の頚部マージンを抽出する
参考スコア（独自算出の注目度）: 36.8069421051446
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Dental crown restoration is one of the most common treatment modalities for tooth defect, where personalized dental crown design is critical. While computer-aided design (CAD) systems have notably enhanced the efficiency of dental crown design, extensive manual adjustments are still required in the clinic workflow. Recent studies have explored the application of learning-based methods for the automated generation of restorative dental crowns. Nevertheless, these approaches were challenged by inadequate spatial resolution, noisy outputs, and overextension of surface reconstruction. To address these limitations, we propose \totalframework, a margin-aware mesh generation framework comprising CrownDeformR and CrownSegger. Inspired by the clinic manual workflow of dental crown design, we designed CrownDeformR to deform an initial template to the target crown based on anatomical context, which is extracted by a multi-scale intraoral scan encoder. Additionally, we introduced \marginseg, a novel margin segmentation network, to extract the cervical margin of the target tooth. The performance of CrownDeformR improved with the cervical margin as an extra constraint. And it was also utilized as the boundary condition for the tailored postprocessing method, which removed the overextended area of the reconstructed surface. We constructed a large-scale intraoral scan dataset and performed extensive experiments. The proposed method significantly outperformed existing approaches in both geometric accuracy and clinical feasibility.
Abstract（参考訳）: 歯冠修復は歯冠欠損に対する最も一般的な治療の1つであり, パーソナライズされた歯冠デザインが重要である。コンピュータ支援デザイン(CAD)システムは歯科クラウンデザインの効率を著しく向上させてきたが、クリニックのワークフローでは手作業による調整が依然として必要である。近年, 歯冠修復の自動化に向けた学習的手法の応用が検討されている。それでもこれらのアプローチは、空間分解能の不十分さ、ノイズ出力、および表面再構成の過度な拡張によって挑戦された。これらの制約に対処するために,クラウンデフォルムRとクラウンセグジャーを組み合わせたマージン対応メッシュ生成フレームワークである‘totalframework’を提案する。歯科用クラウンデザインのクリニックマニュアルワークフローに触発されて, マルチスケールの口腔内スキャンエンコーダで抽出した解剖学的コンテキストに基づいて, 初期テンプレートをターゲットクラウンに変形するクラウンデフォルドRを設計した。さらに, 対象歯の頚部縁縁を抽出するために, 新規な辺縁分割網である \marginseg を導入した。クラウンデフォルムRの性能は、頚部マージンを余分な制約として改善した。また, 補修後処理法の境界条件として利用し, 再構築面の過大な面積を除去した。大規模な口腔内スキャンデータセットを構築し,広範囲な実験を行った。提案手法は, 幾何的精度と臨床的実現可能性の両方において, 既存のアプローチよりも優れていた。

関連論文リスト

CrownGen: Patient-customized Crown Generation via Point Diffusion Model [7.982205658204545]
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クラウンジェネレーションを提示する。 CrownGenは、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。
論文参考訳（メタデータ） (2025-12-26T06:40:33Z)
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)
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)
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)
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)
Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-26T14:38:42Z)
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)
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。