論文の概要: TCATSeg: A Tooth Center-Wise Attention Network for 3D Dental Model Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2603.16620v1
• Date: Tue, 17 Mar 2026 14:57:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.353931
• Title: TCATSeg: A Tooth Center-Wise Attention Network for 3D Dental Model Semantic Segmentation
• Title（参考訳）: TCATSeg: 3次元歯科モデルセマンティックセマンティックセグメンテーションのための歯中心位置注意ネットワーク
• Authors: Qiang He, Wentian Qu, Jiajia Dai, Changsong Lei, Shaofeng Wang, Feifei Zuo, Yajie Wang, Yaqian Liang, Xiaoming Deng, Cuixia Ma, Yong-Jin Liu, Hongan Wang,
• Abstract要約: 本稿では,局所的な幾何学的特徴とグローバルな意味的コンテキストを組み合わせた新しいフレームワークTATSegを提案する。 本手法の一般化を評価するため, 歯科補綴前標本を含む400種類の歯科モデルのデータセットを新たに提案した。
• 参考スコア（独自算出の注目度）: 32.91531490589717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate semantic segmentation of 3D dental models is essential for digital dentistry applications such as orthodontics and dental implants. However, due to complex tooth arrangements and similarities in shape among adjacent teeth, existing methods struggle with accurate segmentation, because they often focus on local geometry while neglecting global contextual information. To address this, we propose TCATSeg, a novel framework that combines local geometric features with global semantic context. We introduce a set of sparse yet physically meaningful superpoints to capture global semantic relationships and enhance segmentation accuracy. Additionally, we present a new dataset of 400 dental models, including pre-orthodontic samples, to evaluate the generalization of our method. Extensive experiments demonstrate that TCATSeg outperforms state-of-the-art approaches.
• Abstract（参考訳）: 3次元歯科モデルの正確なセマンティックセグメンテーションは、矯正治療やインプラントなどのデジタル歯科医療への応用に不可欠である。 しかし, 歯の複雑な配置や形状の類似性から, 既存の方法では, グローバルな文脈情報を無視しながら, 局所幾何学に焦点をあてることが多いため, 正確なセグメンテーションに苦慮している。 そこで本研究では,局所的な幾何学的特徴とグローバルな意味的コンテキストを組み合わせた新しいフレームワークであるTCATSegを提案する。 我々は,グローバルな意味的関係を捉え,セグメンテーションの精度を高めるために,スパースだが物理的に意味のあるスーパーポイントのセットを導入する。 さらに, 本手法の一般化を評価するために, 歯科補綴前標本を含む400種類の歯科モデルのデータセットを新たに提示した。 大規模な実験により、TATSegは最先端のアプローチより優れていることが示された。

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)
• 3D Dental Model Segmentation with Geometrical Boundary Preserving [19.232921210620447]
  3次元口腔内スキャンメッシュはデジタル歯科診断において広く使われており、3次元口腔内スキャンメッシュの分節化は重要な予備課題である。 深層学習に基づく手法はクラウンの高精度なセグメンテーションを可能にする。 しかし、クラウンとガムの接合部のセグメンテーション精度は依然として平均以下である。
  論文  参考訳（メタデータ） (2025-03-31T04:00:11Z)
• 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)
• 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)
• TSegFormer: 3D Tooth Segmentation in Intraoral Scans with Geometry Guided Transformer [47.18526074157094]
  歯科用歯冠および歯肉の詳細な3D情報を提供するために, 歯科用光学式歯内スキャナー (IOS) が広く用いられている。 既往の方法は複雑な境界においてエラーを起こしやすく、患者間で不満足な結果を示す。 マルチタスク3Dトランスフォーマアーキテクチャを用いて, 歯の局所的および大域的依存関係とIOS点群における歯肉の象牙質の両方をキャプチャするTSegFormerを提案する。
  論文  参考訳（メタデータ） (2023-11-22T08:45:01Z)
• Multiclass Segmentation using Teeth Attention Modules for Dental X-ray Images [8.041659727964305]
  本研究では,スイニングトランスフォーマーとTABを用いたM-Net様構造を取り入れた新しい歯のセグメンテーションモデルを提案する。 提案したTABは、歯の複雑な構造に特化するユニークな注意機構を利用する。 提案アーキテクチャは,各歯とその周辺構造を正確に定義し,局所的およびグローバルな文脈情報を効果的に取得する。
  論文  参考訳（メタデータ） (2023-11-07T06:20:34Z)
• TFormer: 3D Tooth Segmentation in Mesh Scans with Geometry Guided Transformer [37.47317212620463]
  光学式口腔内スキャナー (IOS) は, 歯冠および歯肉の3次元および高分解能な幾何学的情報を提供するデジタル歯科において広く用いられている。 従来の方法では, 複雑な歯歯列境界や歯肉境界にエラーが生じやすいため, 様々な患者に対して不満足な結果が生じることが多い。 大規模かつ高解像度の3D IOSデータセットを用いて評価した3Dトランスフォーマーアーキテクチャに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-10-29T15:20:54Z)
• 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)
• TSGCNet: Discriminative Geometric Feature Learning with Two-Stream GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
  2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。 3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
  論文  参考訳（メタデータ） (2020-12-26T08:02:56Z)
• Deep Negative Volume Segmentation [60.44793799306154]
  対象物を取り囲むすべての組織間で空の空間を分割する3Dセグメント化タスクに対する新しい角度を提案する。 我々のアプローチは骨分割のためのV-Netを含むエンドツーエンドパイプラインである。 顎顔面領域の専門医が注釈を付した50名の患者データセットにおけるCTスキャンの考え方を検証した。
  論文  参考訳（メタデータ） (2020-06-22T16:55:23Z)

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。