論文の概要: HyDAR-Pano3D: A Hybrid Disentangled Anatomical Recovery Framework for Panoramic-to-3D Reconstruction

• arxiv url: http://arxiv.org/abs/2605.20827v1
• Date: Wed, 20 May 2026 07:20:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.550515
• Title: HyDAR-Pano3D: A Hybrid Disentangled Anatomical Recovery Framework for Panoramic-to-3D Reconstruction
• Title（参考訳）: HyDAR-Pano3D:パノラマ-3D再建のためのハイブリッド型解剖学的復元フレームワーク
• Authors: Yaoyao Yue, Jérôme Schmid, Xiaoshuang Li, Eduardo Delamare, Jinman Kim,
• Abstract要約: 解剖学的回復問題としてPR-CBCT再構成を再構成する2段階フレームワークであるHyDAR-Pano3Dを提案する。 ステージ1では、デュアルエンコーダネットワークがSAM由来のセマンティックプリエントと放射線学的特徴を統合し、アーチ正規化された標準ボリュームを再構築する。 ステージ2では、解剖学的復元ネットワークが事前拘束された構造変形場を予測し、この標準体積をネイティブ空間にマッピングする。
• 参考スコア（独自算出の注目度）: 10.481519508246437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Panoramic radiograph (PR) is fundamentally used in routine dental care, but it inherently provides only a two-dimensional (2D) projection of complex three-dimensional (3D) craniofacial anatomy. Most existing learning-based methods attempt to computationally recover this 3D information by directly regressing native cone-beam computed tomography (CBCT) volumes from PR. However, this direct mapping requires the model to simultaneously learn common anatomical structures and patient-specific morphological variations. This entangled formulation makes the ill-posed 2D-to-3D inverse problem highly ambiguous, often producing over-smoothed reconstructions with blurred anatomical boundaries. To address this, we propose HyDAR-Pano3D, a two-stage framework that reformulates PR-to-CBCT reconstruction as a disentangled anatomical recovery problem. In Stage 1, a dual-encoder network integrates radiographic features with SAM-derived semantic priors to reconstruct an arch-normalized canonical volume. In Stage 2, an Anatomical Restoration Network predicts a prior-constrained structured deformation field to map this canonical volume back to the native space, restoring individual morphological variations. Experiments on three large-scale datasets show that HyDAR-Pano3D significantly outperforms baseline methods ($p < 0.05$), achieving a 25.76 dB PSNR, 85.70\% SSIM, and an 83.83\% overall anatomical Dice score. The synthesized volumes successfully support downstream segmentation of whole teeth (82.4\% Dice) and the inferior alveolar canal (72.2\% Dice), demonstrating that our disentangled approach preserves clinically relevant structures to enable robust anatomy-aware assessment when CBCT data is unavailable.
• Abstract（参考訳）: パノラマX線写真(PR)は、日常的な歯科医療において基本的に用いられるが、本質的には複雑な3次元の頭蓋顔面解剖の2次元(2次元)投影のみを提供する。 既存の学習ベースのほとんどの手法は、ネイティブコーンビームCT(CBCT)ボリュームを直接PRから回帰することで、この3D情報を計算的に復元しようとする。 しかし、この直接的なマッピングでは、共通の解剖学的構造と患者固有の形態変化を同時に学習する必要がある。 この絡み合った定式化により、2D-to-3D逆問題は非常に曖昧になり、しばしば曖昧な解剖学的境界を持つ過度に平滑な再構成が生じる。 そこで本稿では,PR-CBCT再構成を解剖学的不整合回復問題として再検討する2段階フレームワークであるHyDAR-Pano3Dを提案する。 ステージ1では、デュアルエンコーダネットワークがSAM由来のセマンティックプリエントと放射線学的特徴を統合し、アーチ正規化された標準ボリュームを再構築する。 ステージ2では、解剖学的復元ネットワークが事前拘束された変形場を予測し、この標準体積を自然空間にマッピングし、個々の形態変化を復元する。 3つの大規模なデータセットの実験により、HyDAR-Pano3Dはベースライン法(p < 0.05$)を著しく上回り、25.76dBのPSNR、85.70\%のSSIM、83.83\%の解剖学的Diceスコアを達成した。 以上の結果より,全歯の下流部(82.4\%Dice)と下歯槽管(72.2\%Dice)のセグメンテーションが有効であった。

関連論文リスト

• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Extending 2D foundational DINOv3 representations to 3D segmentation of neonatal brain MR images [3.186130813218338]
  グローバルMRIボリュームは、重複しない3Dウィンドウまたはサブキューブに分解され、それぞれが凍結した高忠実度機能の上に構築された別個のデコードアームを介して処理される。 提案手法は、1つの3Dウィンドウに対してDiceスコア0.65を達成する。
  論文  参考訳（メタデータ） (2026-02-27T12:16:21Z)
• EMGauss: Continuous Slice-to-3D Reconstruction via Dynamic Gaussian Modeling in Volume Electron Microscopy [41.838228673736076]
  本稿では,平面走査型2次元スライスからの3次元再構成のための一般的なフレームワークであるEMGaussについて紹介する。 我々の重要な革新は、ガウススプラッティングに基づく3次元動的シーンレンダリング問題としてスライス・ツー・3D再構成を再構成することである。 EMGausは拡散およびGANに基づく再構成法と比較して、品質を大幅に向上し、連続的なスライス合成を可能にし、大規模プレトレーニングの必要性を排除している。
  論文  参考訳（メタデータ） (2025-12-07T06:39:57Z)
• 3D Path Planning for Robot-assisted Vertebroplasty from Arbitrary Bi-plane X-ray via Differentiable Rendering [10.03537569638041]
  2次元平面X線を用いた3次元経管路計画のための微分可能なレンダリングベースフレームワークを提案する。 本手法は, 統計的形状モデルを用いて生成した椎体アトラスと微分可能レンダリングを統合した。 本フレームワークは, ロボット支援椎体形成のための多機能CTフリー3Dパス計画を支援する。
  論文  参考訳（メタデータ） (2025-12-05T15:26:13Z)
• Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
  従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。 我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。 フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
  論文  参考訳（メタデータ） (2025-07-10T23:12:12Z)
• 3D Heart Reconstruction from Sparse Pose-agnostic 2D Echocardiographic Slices [6.275809518974307]
  2次元エコースライスからパーソナライズされた3次元心臓解剖を再構築するための革新的な枠組みを提案する。 6面の平面を用いると、再構成された3次元心臓は、LV体積推定に大きな改善をもたらす可能性がある。 本研究は、心臓超音波によるパーソナライズされた3次元構造と機能解析のための新しい方法を提供する。
  論文  参考訳（メタデータ） (2025-07-03T08:13:07Z)
• Multi-class point cloud completion networks for 3D cardiac anatomy reconstruction from cine magnetic resonance images [4.1448595037512925]
  マルチクラスの心臓解剖学的メッシュを再構築できる新しい完全自動表面再構成パイプラインを提案する。 その鍵となるコンポーネントは、マルチクラスポイントクラウド補完ネットワーク(PCCN)である。
  論文  参考訳（メタデータ） (2023-07-17T14:52:52Z)
• 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)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
  CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。 新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。 提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
  論文  参考訳（メタデータ） (2020-12-16T07:11:16Z)

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。