論文の概要: Coarse-to-Fine Registration of Jawbone CT and Intraoral Scan Data Using GeDi and ICP with Pseudo-IOS Ground Truth
- arxiv url: http://arxiv.org/abs/2608.07564v1
- Date: Mon, 03 Aug 2026 15:59:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.436651
- Title: Coarse-to-Fine Registration of Jawbone CT and Intraoral Scan Data Using GeDi and ICP with Pseudo-IOS Ground Truth
- Title（参考訳）: GeDiとICPを用いた顎骨CTと口腔内スキャンデータのPseudo-IOSグラウンドトゥルースによる粗大な登録
- Abstract要約: デジタル歯科および口腔外科では, 顎骨CTと口腔内スキャナー(IOS)データの登録が不可欠である。
我々は,同じ座標フレーム内のCTデータから口腔内スキャンをエミュレートする点雲を生成する擬似IOS評価フレームワークを提案する。
7例の実験ではICP単独で摂動初期位置から局所性ミニマに収束することが多かったが、GeDi$+$ICPは顎骨および人工骨のすべての条件(0.55-0.69mm)にわたってサブミリ平均絶対誤差(MAE)を維持した。
金属人工物は、統計的に検出可能な全体的な効果を持っていたが、GeDi$+$に対する絶対的な影響はあった。
- 参考スコア（独自算出の注目度）: 1.3048920509133808
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In digital dentistry and oral surgery, the registration of jawbone CT and intraoral scanner (IOS) data is essential for integrating internal bone structure with high-resolution dental surface geometry. However, this registration is challenging because the two modalities share only a limited region in common, and their true correspondence is generally unknown. This uncertainty has prevented rigorous quantitative evaluation of registration accuracy. In this study, we propose a pseudoIOS evaluation framework in which a point cloud emulating an intraoral scan is generated from CT data within the same coordinate frame, so that the transformation between them is known by construction and can serve as a true ground truth. Using this framework, we propose a coarse-to-fine registration method that combines a domain-generalizable local descriptor (GeDi) for initialization-independent global alignment with the iterative closest point (ICP) algorithm for local refinement, and also evaluate the influence of metal artifacts on registration. In experiments on seven cases, ICP alone frequently converged to local minima from a perturbed initial position, whereas GeDi$+$ICP maintained submillimeter mean absolute error (MAE) across all evaluated jaw and artifact conditions (0.55-0.69 mm). A three-way repeated-measures analysis confirmed that GeDi$+$ICP was significantly more accurate than GeDi alone. Metal artifacts had a statistically detectable overall effect, but their absolute impact on GeDi$+$ICP was small.
- Abstract（参考訳）: デジタル歯科と口腔外科では, 下顎骨CTと口腔内スキャナー(IOS)データの登録は, 内部骨構造と高分解能な歯科表面形状の統合に不可欠である。
しかし、この登録は2つのモダリティが共通する領域のみを共有しており、その真の対応は一般に不明であるため、困難である。
この不確実性は、登録精度の厳密な定量的評価を妨げている。
本研究では,同じ座標フレーム内のCTデータから口腔内スキャンをエミュレートする点雲を発生させる擬似IOS評価フレームワークを提案する。
本稿では,ドメイン一般化可能な局所記述子(GeDi)を初期化非依存のグローバルアライメントに,局所精錬のためのICPアルゴリズムを併用し,金属アーチファクトが登録に与える影響を評価する。
一方、GeDi$+$ICPは顎骨と人工骨の全ての条件(0.55-0.69mm)でサブミリメートル平均絶対誤差(MAE)を維持した。
3方向反復測定の結果, GeDi$+$ICPはGeDi単独よりも有意に精度が高かった。
金属人工物は、統計的に検出可能な全体的な効果を持っていたが、GeDi$+$ICPに対する絶対的な影響は小さい。
関連論文リスト
- Point Cloud Registration for Fusion between SPECT MPI and CTA Images [31.52555943262385]
手動のランドマークへの依存とモダリティの相違は、正確な虚血の局在と病変レベルの機能評価を妨げる可能性がある。
本稿では, SPECT MPI と CTA の登録・融合フレームワークを提案し, 機能的・構造的情報を統合して心的総合評価を行う。
論文 参考訳（メタデータ） (2026-04-27T14:24:49Z) - CT-FineBench: A Diagnostic Fidelity Benchmark for Fine-Grained Evaluation of CT Report Generation [51.11942945171396]
従来の評価指標は、語彙重なり合いやエンティティマッチングの粗い尺度のみを提供する。
我々はCT-RATEとMerlinのベンチマークであるCT-FineBenchを提案し、CTレポートの微細な事実整合性を評価する。
我々のベンチマークは、綿密な質問回答(QA)ベースのプロセスによって構築されます。
論文 参考訳（メタデータ） (2026-04-27T03:32:46Z) - Learning from Noisy Prompts: Saliency-Guided Prompt Distillation for Robust Segmentation with SAM [46.344226429758606]
Segment Anything Model (SAM)は強力なゼロショット機能を提供するが、弱い、汎用的でノイズの多いプロンプトの下で崩壊し、実際の臨床を支配している。
SPDは、信頼できないキューを堅牢なガイダンスに変換する、塩分誘導型プロンプト蒸留フレームワークである。
SPDは、既存のSAM適応を一貫して上回り、リージョンベースとバウンダリベースの両方で大きな利益をもたらす。
論文 参考訳（メタデータ） (2026-04-25T14:09:11Z) - SHAPE: Structure-aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation for Medical Image Segmentation [7.174788000625294]
非教師付きドメイン適応(Unsupervised Domain Adaptation, UDA)は、様々な臨床環境に医療セグメンテーションモデルを配置するために不可欠である。
SHAPE(Structure-Aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation)は、グローバルな解剖学的妥当性に対する適応を再構築するフレームワークである。
論文 参考訳（メタデータ） (2026-03-23T12:25:56Z) - Why Registration Quality Matters: Enhancing sCT Synthesis with IMPACT-Based Registration [1.2560645967579729]
我々のモデルは、ResNet-34エンコーダを備えた2.5D U-Net++であり、解剖学的領域間で共同で訓練され、各領域ごとに微調整されている。
ローカルテストセットでは、IMPACTベースの登録は相互情報ベースの登録よりも正確で解剖学的に整合性がある。
論文 参考訳（メタデータ） (2025-10-24T11:40:21Z) - 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) - Fast CT anatomic localization algorithm [0.0]
我々はCTスキャンで各スライスの位置を自動的に決定する方法を示す。
これらのスライスに基づいて,スライス指数を推定された軸方向の解剖学的位置にマッピングする線形モデルを用いる。
このアプローチは計算効率が良く、典型的な処理時間はスキャン1秒未満である。
論文 参考訳（メタデータ） (2023-12-05T18:09:47Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - Weakly-supervised Biomechanically-constrained CT/MRI Registration of the
Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。
また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。
以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文 参考訳（メタデータ） (2022-05-16T10:59:55Z) - Collaborative Boundary-aware Context Encoding Networks for Error Map
Prediction [65.44752447868626]
本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。
具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。
AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
論文 参考訳（メタデータ） (2020-06-25T12:42:01Z)
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。