論文の概要: SemiTooth: a Generalizable Semi-supervised Framework for Multi-Source Tooth Segmentation

• arxiv url: http://arxiv.org/abs/2603.11616v1
• Date: Thu, 12 Mar 2026 07:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.942216
• Title: SemiTooth: a Generalizable Semi-supervised Framework for Multi-Source Tooth Segmentation
• Title（参考訳）: SemiTooth: マルチソース歯のセグメンテーションのための汎用的な半教師付きフレームワーク
• Authors: Muyi Sun, Yifan Gao, Ziang Jia, Xingqun Qi, Qianli Zhang, Qian Liu, Tianzheng Deng,
• Abstract要約: 近年,Cone-Beam Computed Tomography (CBCT) の歯構造セグメンテーションは著しい進歩を遂げている。 課題は、フルアノテートされたデータの取得困難と、マルチソースデータの取得容易性から生じる。 マルチソース歯のセグメンテーションのための一般化可能な半教師付きフレームワークであるSemiToothを提案する。
• 参考スコア（独自算出の注目度）: 17.16459372606428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid advancement of artificial intelligence, intelligent dentistry for clinical diagnosis and treatment has become increasingly promising. As the primary clinical dentistry task, tooth structure segmentation for Cone-Beam Computed Tomography (CBCT) has made significant progress in recent years. However, challenges arise from the obtainment difficulty of full-annotated data, and the acquisition variability of multi-source data across different institutions, which have caused low-quality utilization, voxel-level inconsistency, and domain-specific disparity in CBCT slices. Thus, the rational and efficient utilization of multi-source and unlabeled data represents a pivotal problem. In this paper, we propose SemiTooth, a generalizable semi-supervised framework for multi-source tooth segmentation. Specifically, we first compile MS3Toothset, Multi-Source Semi-Supervised Tooth DataSet for clinical dental CBCT, which contains data from three sources with different-level annotations. Then, we design a multi-teacher and multi-student framework, i.e., SemiTooth, which promotes semi-supervised learning for multi-source data. SemiTooth employs distinct student networks that learn from unlabeled data with different sources, supervised by its respective teachers. Furthermore, a Stricter Weighted-Confidence Constraint is introduced for multiple teachers to improve the multi-source accuracy.Extensive experiments are conducted on MS3Toothset to verify the feasibility and superiority of the SemiTooth framework, which achieves SOTA performance on the semi-supervised and multi-source tooth segmentation scenario.
• Abstract（参考訳）: 人工知能の急速な進歩により、臨床診断と治療のためのインテリジェントな歯科治療がますます有望になっている。 近年,コーヌス・ビーム・コンピュート・トモグラフィー (CBCT) の歯科治療の第一段階として, 歯の構造区分が著しい進歩を遂げている。 しかし、フルアノテートデータの取得が困難であることや、低品質な利用、ボクセルレベルの不整合、CBCTスライスにおけるドメイン固有の相違の原因となる複数の機関間でのマルチソースデータの取得が困難であることから、課題が生じる。 したがって、マルチソースおよびラベルなしデータの合理的かつ効率的な利用は、重要な問題である。 本稿では,マルチソース歯のセグメンテーションのための一般化可能な半教師付きフレームワークであるSemiToothを提案する。 具体的には,MS3Toothset, Multi-Source Semi-Supervised Tooth DataSetを歯科用CBCTにコンパイルした。 そこで我々は,マルチソースデータに対する半教師付き学習を促進する,多教師・多学生フレームワークであるSemiToothを設計する。 SemiToothは、異なるソースでラベル付けされていないデータから学習する学生ネットワークを、それぞれの教師によって管理されている。 さらに,マルチソース精度を向上させるため,複数の教師を対象にStricter Weighted-Confidence Constraintを導入し,半教師およびマルチソース歯のセグメンテーションシナリオにおけるSOTA性能を実現するSemiToothフレームワークの有効性と優位性を検証するため,MS3Toothsetで大規模な実験を行った。

関連論文リスト

• Multimodal Contrastive Pretraining of CBCT and IOS for Enhanced Tooth Segmentation [8.574756499299374]
  本稿では,歯のマルチモーダル・コントラスト学習法であるTothMCLについて述べる。 提案手法は, F'ederation Dentaire Internationale (FDI) の精密な分類と正確な識別を可能にする, 解剖学的特徴を効果的にモデル化する。
  論文  参考訳（メタデータ） (2025-09-09T17:05:04Z)
• MedSeqFT: Sequential Fine-tuning Foundation Models for 3D Medical Image Segmentation [55.37355146924576]
  MedSeqFTは、医用画像解析のためのシーケンシャルな微調整フレームワークである。 事前訓練されたモデルを新しいタスクに適応させ、表現能力を改善する。 最先端の微調整戦略を一貫して上回ります。
  論文  参考訳（メタデータ） (2025-09-07T15:22:53Z)
• Diverse Teaching and Label Propagation for Generic Semi-Supervised Medical Image Segmentation [16.657966370261494]
  3つのタスク全てをマスターする汎用フレームワークを開発する。 この問題を解決する鍵は、ラベルのないデータに対して信頼できる擬似ラベルを生成する方法にある。 提案するフレームワークを5つのベンチマークデータセットで評価する。
  論文  参考訳（メタデータ） (2025-08-12T01:33:30Z)
• GeoT: Geometry-guided Instance-dependent Transition Matrix for Semi-supervised Tooth Point Cloud Segmentation [48.64133802117796]
  GeoTは、半教師付き歯科用セグメンテーションのための擬似ラベルのノイズを明示的にモデル化するために、インスタンス依存遷移行列(IDTM)を使用するフレームワークである。 具体的には, 数万点の歯科的点から生じるIDTMの広い解空間を扱うために, 歯の幾何学的先行性を導入する。 提案手法は,ラベル付きデータの20%しか持たない完全教師付き手法に匹敵する性能を達成し,セグメンテーションを容易にするためにラベル付きデータを完全に活用することができる。
  論文  参考訳（メタデータ） (2025-03-21T09:43:57Z)
• MedTrinity-25M: A Large-scale Multimodal Dataset with Multigranular Annotations for Medicine [53.01393667775077]
  本稿では,医療用大規模マルチモーダルデータセットであるMedTrinity-25Mを紹介する。 65以上の疾患に対する多彩なアノテーションを備えた10のモダリティで、2500万以上の画像をカバーしている。 画像テキストペアの可用性に制限がある既存のマルチモーダルデータセットとは異なり、我々は最初の自動パイプラインを開発した。
  論文  参考訳（メタデータ） (2024-08-06T02:09:35Z)
• A Multi-Stage Framework for 3D Individual Tooth Segmentation in Dental CBCT [7.6057981800052845]
  コーンビームCT(CBCT)は歯科疾患の診断方法として一般的である。 深層学習に基づく手法は、医用画像処理において説得力のある結果を得た。 歯科用CBCTにおける3次元歯の一般化のための多段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-15T04:23:28Z)
• Dual-Teacher: Integrating Intra-domain and Inter-domain Teachers for Annotation-efficient Cardiac Segmentation [65.81546955181781]
  本稿では,新しい半教師付きドメイン適応手法,すなわちDual-Teacherを提案する。 学生モデルは、2つの教師モデルによってラベル付けされていない対象データとラベル付けされた情報源データの知識を学習する。 提案手法では, ラベルなしデータとモダリティ間データとを並列に利用でき, 性能が向上することを示した。
  論文  参考訳（メタデータ） (2020-07-13T10:00:44Z)
• MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
  本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。 当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。