論文の概要: 3D Geometric Tooth Alignment Planning via Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2607.14544v1
• Date: Thu, 16 Jul 2026 04:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.980757
• Title: 3D Geometric Tooth Alignment Planning via Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習による3次元幾何学的歯列アライメント計画
• Abstract要約: 3次元幾何学的歯列アライメント計画は、初期不正から最終目標アライメントまでの連続的な軌跡を決定する。 本稿では,これらのアライメントパスの自動生成を実現するための,新しい強化学習フレームワークを提案する。 臨床データに基づく10Kの専門家が設計した治療計画のデータセットに対するアプローチを評価した。
• 参考スコア（独自算出の注目度）: 21.955077315967397
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: 3D geometric tooth alignment planning, which determines sequential trajectories from initial malocclusion to the final target alignment, is a cornerstone of modern digital orthodontics. This paper presents a novel deep reinforcement learning (DRL) framework to automate the generation of these alignment paths. We formulate the planning process as a Markov Decision Process (MDP) to capture its sequential decision-making nature, focusing on optimizing geometric trajectories while integrating essential spatial constraints, such as inter-dental collision avoidance and path efficiency. The proposed method leverages the Deep Deterministic Policy Gradient (DDPG) algorithm, enhanced by three key innovations: (1) a Transformer-based agent to model complex spatial interactions between teeth and manage high-dimensional state-action spaces; (2) a dynamic masking scheme that restricts movement to a sparse subset of teeth per step, better reflecting the clinical logic of sequential alignment; and (3) a two-stage curriculum learning strategy that gradually increases task difficulty to ensure training stability and efficient path discovery. We evaluate our approach on a dataset of 10K expert-designed treatment plans based on clinical data. Experimental results demonstrate that our method outperforms existing baselines in terms of path safety and geometric efficiency, providing a robust and automated solution for 3D geometric orthodontic alignment planning.
• Abstract（参考訳）: 3次元幾何学的歯列アライメント計画(英語版)は、初期不正から最終目標アライメントまでの連続的な軌跡を決定するもので、現代のデジタル矯正学の基盤となっている。 本稿では,これらのアライメントパスの自動生成を実現するための,新しい深層強化学習(DRL)フレームワークを提案する。 計画過程をMDP(Markov Decision Process)として定式化し,幾何学的軌道の最適化に着目し,歯間衝突回避や経路効率といった重要な空間的制約を統合した。 提案手法は,(1) 歯間の複雑な空間的相互作用をモデル化し,高次元の状態-作用空間を管理するトランスフォーマーベースエージェント,(2) 歯のスパース部分集合への移動を制限するダイナミックマスキングスキーム,(3) シーケンシャルアライメントの論理をより良く反映する2段階のカリキュラム学習戦略,の3つの革新によって強化されたDeep Deterministic Policy Gradient(DDPG)アルゴリズムを活用する。 臨床データに基づく10Kの専門家が設計した治療計画のデータセットに対するアプローチを評価した。 実験の結果,提案手法はパス安全性と幾何効率において既存のベースラインよりも優れており,3次元幾何的矯正アライメント計画のための堅牢で自動化されたソリューションを提供することがわかった。

関連論文リスト

• B-Spline Embedded Structure Learning for 3D Tooth Segmentation [4.713922533924589]
  Bline Embedded Structure Learningは、歯の連続的な配列を連続的な構造的制約に蒸留する新しいフレームワークである。 本手法は,計算オーバヘッドにおける異常な構造的堅牢性と効率性を有する新しい最先端の精度を確立する。
  論文  参考訳（メタデータ） (2026-08-18T02:43:49Z)
• Geometry-Aligned LLM Fine-Tuning for Sequential Narrow-Opening Planning [6.579320299248572]
  複数の狭い開口部を通した剛体運動計画について検討した。 そこで本研究では,幾何整合型大規模言語モデル(LLM)の微調整フレームワークを提案する。 本手法は,流通環境とアウト・オブ・ディストリビューション環境の両方において,最も高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-17T00:24:32Z)
• Coordinated Manipulation of Hybrid Deformable-Rigid Objects in Constrained Environments [3.915966095774856]
  本研究は, ひずみに基づくコッサートロッドモデルを用いた準静電最適化に基づく操作プランナを提案する。 これは、厳密なツールで到達不能なオブジェクトに対して、タスク空間の目的を達成する一方で、制約を通して操作するための変形可能なリンクのコンプライアンスを利用する。 提案アルゴリズムは、様々なhDLOシステム上でのシミュレーションや、双腕ロボットシステムを用いた制約環境で操作された3リンクhDLOの実験で検証される。
  論文  参考訳（メタデータ） (2026-03-13T12:34:49Z)
• DISF: Disentangled Iterative Surface Fitting for Contact-stable Grasp Planning with Grasp Pose Alignment to the Object Center of Mass [8.61285912675644]
  幾何学的整合性を維持しつつ,接触安定性を両立させる新しい表面整合アルゴリズムを提案する。 人間のつかみ動作にインスパイアされた本手法は,グリップポーズ最適化を3段階に分割する。 我々は,3つのロボットプラットフォーム上でのシミュレーションと実環境実行におけるアプローチを検証する。
  論文  参考訳（メタデータ） (2025-12-31T01:15:09Z)
• Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
  本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。 テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
  論文  参考訳（メタデータ） (2025-12-10T18:59:45Z)
• UPETrack: Unidirectional Position Estimation for Tracking Occluded Deformable Linear Objects [38.1090187885082]
  Trackは、一方向位置推定に基づく幾何学駆動のフレームワークである。 Trackは、位置決め精度と計算効率の両面で、TrackDLOとCDCPD2を含む2つの最先端追跡アルゴリズムを上回っている。
  論文  参考訳（メタデータ） (2025-12-10T03:14:12Z)
• SPAN: Spatial-Projection Alignment for Monocular 3D Object Detection [49.12928389918159]
  既存の単分子3D検出器は典型的には、切り離された予測パラダイムを通じて、3D境界ボックスの顕著な非線形回帰をテームする。 本稿では2つの主成分を持つ新しい空間射影アライメント(SPAN)を提案する。 SPANは、予測された3次元境界ボックスと接地した3次元境界ボックスの間に明らかに大域的な空間的制約を課し、それによって非結合な特性回帰による空間的ドリフトを補正する。 3D-2Dプロジェクションアライメントは、投影された3Dボックスが、画像平面上の対応する2D検出バウンディングボックス内に密に整列していることを保証する。
  論文  参考訳（メタデータ） (2025-11-10T04:48:48Z)
• Geometry-aware Active Learning of Spatiotemporal Dynamic Systems [4.251030047034566]
  本稿では,動的システムのモデリングのための幾何対応能動学習フレームワークを提案する。 データ収集のための空間的位置を戦略的に識別し、予測精度をさらに最大化する適応型能動学習戦略を開発した。
  論文  参考訳（メタデータ） (2025-04-26T19:56:38Z)
• Boundary Constraint-free Biomechanical Model-Based Surface Matching for Intraoperative Liver Deformation Correction [0.6249768559720122]
  画像ガイド下肝手術において, 3D-3D非剛性登録法は, 点雲として表される術前モデルと術中表面のマッピングを推定する上で重要な役割を担っている。 修正されたFEMを表面マッチング項に組み込んだ3D-3D非剛性登録法を提案する。
  論文  参考訳（メタデータ） (2024-03-15T02:05:20Z)
• Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
  本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。 シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
  論文  参考訳（メタデータ） (2022-09-15T07:22:58Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Trajectory Design for UAV-Based Internet-of-Things Data Collection: A Deep Reinforcement Learning Approach [93.67588414950656]
  本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。 本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。 シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-23T03:33:29Z)
• 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)

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。