Fugu-MT 論文翻訳(概要): Deep Learning-based 3D Oral Cavity Reconstruction Using 2D Intraoral Images

論文の概要: Deep Learning-based 3D Oral Cavity Reconstruction Using 2D Intraoral Images

arxiv url: http://arxiv.org/abs/2606.05998v1
Date: Thu, 04 Jun 2026 10:44:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-05 22:39:44.730491
Title: Deep Learning-based 3D Oral Cavity Reconstruction Using 2D Intraoral Images
Title（参考訳）: 深層学習に基づく2次元口腔内画像を用いた3次元口腔再建
Authors: Jihun Cho, Soo-Yeon Jeong, Eun-Jeong Bae, Sun-Young Ihm,
Abstract要約: 本稿では,異なる角度から得られた10個の2次元口腔内画像を用いて,3次元口腔モデルを再構成するソフトウェアによるアプローチを提案する。提案手法は、コストを低減し、物理走査装置の必要性をなくし、患者の不快を最小化し、自動3D再構築を可能にする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Oral 3D modelling is one of the most essential stages in dentistry, and many different approaches, such as impression taking and intraoral scanning, are commonly used for this phase, each with notable limitations. Impression taking, which involves placing alginate or silicone material in a tray and inserting it into the patient's oral cavity to form a negative mold, suffers from significant patient discomfort, material deformation errors, and difficulties in storage and transportation. Intraoral scanners, which directly scan oral structures in real time using structured light or laser technology, produce state-of-the-art results but are associated with substantially high equipment costs. To address these limitations, this paper proposes a software-based approach that reconstructs a 3D oral model using only ten 2D intraoral images captured from different angles, requiring no dedicated hardware devices. The proposed method reduces cost, eliminates the need for physical scanning equipment, minimises patient discomfort, and enables automated 3D reconstruction. The model is trained on the publicly available Dental3DS dataset, comprising 950 upper jaw samples, and employs MobileNetV2 as the image encoder combined with Multi-head Attention for multi-view feature fusion. The proposed model achieves an accuracy of 77.49%, measured by nearest-neighbor matching with a distance threshold of 0.035. However, predicted vertices tend to concentrate in high-density regions of the ground truth, resulting in uneven point distribution across the reconstructed model.
Abstract（参考訳）: 口腔内3Dモデリングは歯科医療において最も重要な段階の1つであり、印象取得や口腔内スキャンといった多くの異なるアプローチがこの段階によく使われており、それぞれに顕著な限界がある。アルギン酸塩やシリコーンの物質をトレイに入れ、患者の口腔に挿入して負の型を作る印象は、患者の不快感、材料変形の誤り、保存と輸送の困難に悩まされる。口腔内スキャナーは、構造化光やレーザー技術を用いて口腔構造を直接リアルタイムでスキャンし、最先端の結果をもたらすが、相当高い設備コストに関係している。これらの制約に対処するため,本研究では,異なる角度から得られた10個の2次元口腔内画像のみを用いて,専用のハードウェア装置を必要としない3次元口腔モデルを再構築するソフトウェアベースのアプローチを提案する。提案手法は、コストを低減し、物理走査装置の必要性をなくし、患者の不快を最小化し、自動3D再構築を可能にする。このモデルは、950個の上顎のサンプルからなる一般公開された歯科用3DSデータセットに基づいて訓練され、画像エンコーダとしてMobileNetV2を使用し、マルチヘッド・アテンションと組み合わせてマルチビュー特徴融合を行う。提案モデルの精度は77.49%で、最寄りのマッチングと距離閾値0.035で測定される。しかし、予測された頂点は、基底真理の高密度領域に集中する傾向にあり、結果として再構成されたモデル全体の不均一な点分布が生じる。

関連論文リスト

3D CBCT Artefact Removal Using Perpendicular Score-Based Diffusion Models [0.5968063252533801]
垂直スコアベース拡散モデルに基づく3次元インプラント塗装法を提案する。以上の結果から,高画質3D CBCT画像の製作における本手法の有効性が示唆された。
論文参考訳（メタデータ） (2026-03-06T14:04:04Z)
Learning Surgical Robotic Manipulation with 3D Spatial Priors [73.00031539525202]
本稿では,3次元空間認識を持つ手術ロボットを支援する,終端から終端までのバイスモータポリシーであるSSTを紹介した。立体内視鏡画像から頑健な3次元潜伏表現を抽出するために、手術3Dに基づいて強力な幾何学変換器を微調整する。 SSTは、複雑な外科手術における最先端性能と強力な空間一般化を実現する。
論文参考訳（メタデータ） (2026-03-04T07:19:56Z)
Dental3R: Geometry-Aware Pairing for Intraoral 3D Reconstruction from Sparse-View Photographs [10.70146635420186]
疎口内画像から高忠実度で頑健な再構成を行うためのポーズフリーグラフ誘導パイプラインである textbfDental3R を提案する。提案手法はまずGAPS(Geometry-Aware Pairing Strategy)を構築し,高値画像ペアのコンパクト部分グラフをインテリジェントに選択する。離散ウェーブレット変換を用いて帯域制限忠実度を強制することにより,高周波アーティファクトを抑えながら微細なエナメル質境界と近位縁を保存できる。
論文参考訳（メタデータ） (2025-11-18T10:20:22Z)
DentalSplat: Dental Occlusion Novel View Synthesis from Sparse Intra-Oral Photographs [9.65794857225196]
軽度の矯正画像から3次元再構成を行うための有効な枠組みである歯科用スプラットを提案する。本研究は,950例のクリニカル・ケースと,実世界の遠隔矯正撮影条件をシミュレートした195例のビデオ・ベース・テスト・セットからなる大規模データセットについて検証した。
論文参考訳（メタデータ） (2025-11-05T01:08:26Z)
Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文参考訳（メタデータ） (2025-09-11T23:12:55Z)
DSplats: 3D Generation by Denoising Splats-Based Multiview Diffusion Models [67.50989119438508]
本稿では,ガウスをベースとしたレコンストラクタを用いて,リアルな3Dアセットを生成することで,マルチビュー画像を直接認識するDSplatを紹介した。実験の結果,DSplatsは高品質で空間的に一貫した出力を生成できるだけでなく,単一画像から3次元再構成への新たな標準も設定できることがわかった。
論文参考訳（メタデータ） (2024-12-11T07:32:17Z)
Abnormality-Driven Representation Learning for Radiology Imaging [0.8321462983924758]
病変強調型コントラスト学習(LeCL)は,CTスキャンの異なる部位にわたる2次元軸方向スライスにおける異常により引き起こされる視覚的表現を得るための新しい手法である。本研究は, 腫瘍病変位置, 肺疾患検出, 患者ステージングの3つの臨床的課題に対するアプローチを, 最先端の4つの基礎モデルと比較した。
論文参考訳（メタデータ） (2024-11-25T13:53:26Z)
Generative Enhancement for 3D Medical Images [74.17066529847546]
本稿では,3次元医用画像合成の新しい生成手法であるGEM-3Dを提案する。本手法は2次元スライスから始まり,3次元スライスマスクを用いて患者に提供するための情報スライスとして機能し,生成過程を伝搬する。 3D医療画像をマスクと患者の事前情報に分解することで、GEM-3Dは多目的な3D画像を生成する柔軟な、かつ効果的なソリューションを提供する。
論文参考訳（メタデータ） (2024-03-19T15:57:04Z)
Oral-3Dv2: 3D Oral Reconstruction from Panoramic X-Ray Imaging with Implicit Neural Representation [3.8215162658168524]
Oral-3Dv2は、単一のパノラマX線画像から3Dラジオロジーを再構成する非逆学習モデルである。本モデルは,2次元座標を3次元空間内のボクセルの密度値にマッピングすることにより,暗黙的に3次元口腔構造を表現することを学習する。我々の知る限りでは、これは1枚のパノラマX線画像から3Dラジオグラフィ再構成における非逆学習モデルの最初の作品である。
論文参考訳（メタデータ） (2023-03-21T18:17:27Z)
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。