論文の概要: ImplantMamba: Long-range Sequential Modeling Mamba For Dental Implant Position Prediction

• arxiv url: http://arxiv.org/abs/2605.07082v1
• Date: Fri, 08 May 2026 01:02:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.706627
• Title: ImplantMamba: Long-range Sequential Modeling Mamba For Dental Implant Position Prediction
• Title（参考訳）: インプラント・マンバ:インプラント位置予測のための長距離連続モデリング・マンバ
• Authors: Xinquan Yang, Congmin Wang, Xuguang Li, Yulei Li, Linlin Shen, Yongqiang Deng He Meng,
• Abstract要約: インプラント領域自体は、医用画像に特有のテクスチャが欠如していることが特徴である。 本研究では,長距離連続モデリングのためのネットワークアーキテクチャであるPassionMambaを提案する。 本研究のアプローチは, インプラント位置の回帰と傾斜とを明示的に関連付けるものである。
• 参考スコア（独自算出の注目度）: 40.067766411250055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the design of surgical guides for implant placement, determining the precise implant position is a critical step. However, the implant region itself is often characterized by a lack of distinctive texture in medical images. Consequently, artificial intelligence (AI) models must infer the correct implant position and angulation (slope) primarily by analyzing the texture of the surrounding teeth, which poses a significant challenge. To address this, we propose ImplantMamba, a network architecture designed for long-range sequential modeling to integrate texture information from adjacent teeth. Our approach explicitly couples the regression of the implant position with its slope. The core of ImplantMamba is a hybrid encoder that combines Convolutional Neural Networks (CNNs) with Mamba layers. This design enables the network to hierarchically extract local anatomical features through CNNs while simultaneously modeling global contextual dependencies across the entire scan volume via Mamba's selective scan operations, leading to a more comprehensive understanding of the implant site. Furthermore, we introduce a Slope-Coupled Prediction Branch (SCP). This branch is designed to connect the prediction of implant position with the slope, ensuring internal consistency and anatomical plausibility by thereby enforcing a coherent relationship between the predicted implant location and its angulation. Extensive experiments on a large-scale dental implant dataset demonstrate that the proposed ImplantMamba achieves superior performance compared to existing methods.
• Abstract（参考訳）: インプラント配置のための外科的ガイドの設計において、正確なインプラント位置を決定することは重要なステップである。 しかし、インプラント領域自体は、医用画像に特有のテクスチャが欠如していることが特徴である。 したがって、人工知能(AI)モデルは、周囲の歯のテクスチャを分析することによって、適切なインプラント位置と傾斜(傾斜)を推測しなければならない。 これを解決するために, 隣接歯のテクスチャ情報を統合するために, 長距離連続モデリング用に設計されたネットワークアーキテクチャであるPassionMambaを提案する。 本研究のアプローチは, インプラント位置の回帰と傾斜とを明示的に関連付けるものである。 implantMambaのコアは、畳み込みニューラルネットワーク(CNN)とMamba層を組み合わせたハイブリッドエンコーダである。 この設計により、ネットワークはCNNを通して局所的な解剖学的特徴を階層的に抽出し、同時にMambaの選択的スキャン操作を通じてスキャンボリューム全体にわたるグローバルなコンテキスト依存をモデル化し、インプラント部位のより包括的な理解につながる。 さらに,スロープ結合予測分岐(SCP)を導入する。 この枝は、インプラント位置の予測と傾斜とを接続し、予測されたインプラント位置と角度との一貫性を保ち、内部の整合性と解剖学的妥当性を確保するように設計されている。 大規模な歯科インプラントデータセットに対する広範囲な実験により,提案したインプラント・マンバは既存の方法に比べて優れた性能を示した。

関連論文リスト

• RegFreeNet: A Registration-Free Network for CBCT-based 3D Dental Implant Planning [45.095689544963136]
  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。
  論文  参考訳（メタデータ） (2026-01-21T06:30:18Z)
• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• Two-Stream Regression Network for Dental Implant Position Prediction [29.864052654136614]
  インプラント補綴治療において,手術ガイドの設計はインプラント位置のマニュアル位置に大きく依存している。 ディープラーニングに基づく手法が、この問題に対処するために適用され始めている。 歯間の空間は様々であり、実際のインプラント領域と類似したテクスチャ特性を示すものもある。
  論文  参考訳（メタデータ） (2023-05-17T08:37:26Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• 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)
• Orientation-guided Graph Convolutional Network for Bone Surface Segmentation [51.51690515362261]
  骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。 提案手法は,接続距離を5.01%向上させる。
  論文  参考訳（メタデータ） (2022-06-16T23:01:29Z)
• 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。