論文の概要: TLNM: Externally Validated Tooth Detection, Numbering and Segmentation from Smartphone Photographs Using Mask R-CNN

• arxiv url: http://arxiv.org/abs/2608.06275v1
• Date: Thu, 06 Aug 2026 17:03:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.810913
• Title: TLNM: Externally Validated Tooth Detection, Numbering and Segmentation from Smartphone Photographs Using Mask R-CNN
• Title（参考訳）: TLNM: Mask R-CNN を用いたスマートフォン写真からの歯の検知・番号・セグメンテーションの外部検証
• Abstract要約: 本研究は,スマートフォン写真における歯の局所化と数化モデルについて紹介する。 我々は1272の注釈付きスマートフォン画像に基づいて学習したMask Regionベースの畳み込みニューラルネットワーク(Mask R-CNN)パイプラインを開発した。
• 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 health issues affect billions globally, but the cost and limited access to professional dental care hinder preventive oral healthcare. Research relies on clinical-grade radiographs or intraoral camera images, unavailable for public self-screening. This study introduces a tooth localisation and numbering model for smartphone photographs. We developed a customised Mask Region-based Convolutional Neural Network (Mask R-CNN) pipeline trained on 1,272 annotated smartphone images. To address variability in patient-generated health data, the pipeline incorporates two domain-informed mechanisms: a masked gray-world white-balancing algorithm to mitigate artificial colour casts and an anatomically constrained detection layer to enforce structural validity and suppress false positives. Evaluation comprised four stages: internal held-out testing, independent external testing, a descriptive ablation study, and fold-based training stability analysis using the same internal test set. On the internal test set, the model achieved an instance-mask AP@50 of 0.818, class-aware PQ of 0.780, and operational F1 of 0.884. Training stability showed limited between-model variation: across ten runs, instance-mask AP@50 had a standard deviation of 0.009. On the external dataset, the model achieved an instance-mask AP@50 of 0.901, class-aware PQ of 0.832, and operational F1 of 0.928 despite differences in population, sensors, and acquisition protocols. The inference pipeline is available as an open-source, containerised API. These results demonstrate that consumer-grade smartphone imagery can support automated tooth-level anatomical mapping, offering a scalable, potentially low-cost foundation for remote screening and tele-dentistry in resource-constrained environments.
• Abstract（参考訳）: 口腔の健康問題は世界中の何十億もの人に影響を及ぼすが、専門的な歯科医療への費用と限られたアクセスは、予防的な口腔医療を妨げている。 研究は、公衆のセルフスクリーニングでは利用できない臨床グレードのX線写真や口腔内カメラ画像に依存している。 本研究は,スマートフォン写真における歯の局所化と数化モデルについて紹介する。 我々は1272の注釈付きスマートフォン画像に基づいて学習したMask Regionベースの畳み込みニューラルネットワーク(Mask R-CNN)パイプラインを開発した。 患者が生成する健康データの変化に対処するため、このパイプラインは2つのドメインインフォームドメカニズムを組み込んでいる: マスク付きグレーワールドホワイトバランスアルゴリズムにより人工的なカラーキャストを緩和し、解剖学的に制約された検出層により構造的妥当性を強制し、偽陽性を抑制する。 評価は, 内部ホールドアウトテスト, 独立した外部テスト, 説明的アブレーション研究, および, 同じ内部テストセットを用いた折りたたみ型トレーニング安定性解析の4段階からなる。 内部テストセットでは、インスタンスマスクAP@50の0.818、クラス認識PQの0.780、運用F1の0.884が達成された。 トレーニング安定性はモデル間の変動に制限があり、インスタンスマスクAP@50の標準偏差は0.009である。 外部データセットでは、人口、センサー、取得プロトコルの違いにもかかわらず、インスタンスマスクAP@50の0.901、クラス認識PQの0.832、運用F1の0.928が達成された。 推論パイプラインは、オープンソースのコンテナ化されたAPIとして利用できる。 これらの結果から, 遠隔検診や遠隔検診を行うためのスケーラブルで低コストな基盤として, 自動歯面解剖マッピングが実現可能であることが示唆された。

関連論文リスト

• Post-Operative Glioma Segmentation via Loss Stabilization, Normalization and Subspace Attention [46.03321798937855]
  ドメインシフトの際,GDL(Generalized Dice Loss)が不安定であることを示す。 本稿では,ボトルネック機能を再校正するサブスペース・アウェア・クラス・アテンション(SACA)モジュールを提案し,腫瘍の感度を8%向上させる。
  論文  参考訳（メタデータ） (2026-07-23T09:59:30Z)
• Predicting Diabetic Retinopathy Using a Two-Level Ensemble Model [0.6445605125467574]
  糖尿病網膜症は、高齢者の視覚障害の主要な原因である。 画像ベースのAIツールは、早期検出の限界を示している。 実験結果を用いたDR予測のための非画像ベース2レベルアンサンブルモデルを提案する。
  論文  参考訳（メタデータ） (2025-10-01T16:19:57Z)
• Fracture Detection In X-rays Using Custom Convolutional Neural Network (CNN) And Transfer Learning Models [0.0]
  骨骨折は、しばしば痛み、モビリティの低下、生産性の低下をもたらす、世界的な健康上の大きな課題となる。 従来の撮像法は、高コスト、放射線暴露、特殊解釈への依存に悩まされている。 我々は、カスタム畳み込みニューラルネットワーク(CNN)を用いたX線画像の自動破壊検出のためのAIベースのソリューションを開発した。
  論文  参考訳（メタデータ） (2025-09-07T22:30:25Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• ThyroidEffi 1.0: A Cost-Effective System for High-Performance Multi-Class Thyroid Carcinoma Classification [0.0]
  甲状腺FNAB画像分類のための深層学習システムを開発した。 Benign, Indeterminate/Suspicious, and Malignantの3つの主要なカテゴリは、生後治療を直接指導するものだ。 システムは1000ケースを30秒で処理し、広くアクセス可能なハードウェアの実現可能性を示した。
  論文  参考訳（メタデータ） (2025-04-19T02:13:07Z)
• Developing a Machine Learning-Based Clinical Decision Support Tool for Uterine Tumor Imaging [0.0]
  子宮平滑筋肉腫 (LMS) は稀ながら積極的な悪性腫瘍である。 遺伝性平滑筋腫(LM)とLMSを区別することは困難である。 UT症例110例のT2強調画像115例に5種類の腫瘍を認めた。 nnU-Netを適用し,25,45,65,85のトレーニングセット画像をランダムに生成することにより,トレーニングセットサイズがパフォーマンスに与える影響を検討した。
  論文  参考訳（メタデータ） (2023-08-20T21:46:05Z)
• Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification [71.06194656633447]
  9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。 しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。 UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
  論文  参考訳（メタデータ） (2023-04-08T10:47:41Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Semi-supervised learning for generalizable intracranial hemorrhage detection and segmentation [0.0]
  本研究は頭蓋内出血の検出・分節化のための半教師付き学習モデルの開発と評価である。 最初の「教師」ディープラーニングモデルは、2010年から2017年にかけて米国のある機関から収集された457ピクセルの頭部CTスキャンに基づいて訓練された。 2つ目の"学生"モデルは、このピクセルラベル付きデータセットと擬似ラベル付きデータセットの組み合わせでトレーニングされた。
  論文  参考訳（メタデータ） (2021-05-03T00:14:43Z)

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。