論文の概要: Automatic Cephalometric Landmark Localization on CBCT-Derived Digitally Reconstructed Radiographs for Skeletal Malocclusion Classification

• arxiv url: http://arxiv.org/abs/2608.16535v1
• Date: Mon, 17 Aug 2026 13:11:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.706311
• Title: Automatic Cephalometric Landmark Localization on CBCT-Derived Digitally Reconstructed Radiographs for Skeletal Malocclusion Classification
• Title（参考訳）: CBCT-Derived Digitally Restructed Radiographs を用いた骨格マクルージョン分類のための自動ケパロメトリランドマーク位置推定
• Abstract要約: 頭蓋顔面評価には手動頭蓋計測所見が重要であるが, 労働集約的であり, 拡張が困難である。 本稿では,視覚変換器をベースとした2次元脳波自動位置決めモデルであるCephViTを紹介する。
• 参考スコア（独自算出の注目度）: 6.7723404598189925
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Manual cephalometric landmark annotation is important for craniofacial assessment but is labor-intensive and difficult to scale. We introduce CephViT, a Vision Transformer-based model for automated 2D lateral cephalometric landmark localization, and evaluate its use in downstream skeletal malocclusion classification. CephViT was trained and benchmarked on a public lateral cephalogram dataset, achieving a mean radial error of 1.28 +/- 1.42 mm and a successful detection rate of 92.0% at 3.0 mm. Because the private evaluation cohort consisted of 3D CBCT scans, lateral cephalogram-like digitally reconstructed radiographs (DRRs) were generated from each volume and used as 2D inputs to the landmark localization model. Landmark coordinates were normalized into a common coordinate frame, and skeletal malocclusion classification was performed using landmarks shared between the reference and DRR-based pipelines. Classification performance using DRR-localized landmarks was comparable to that obtained using manually annotated reference landmarks, with accuracies of 70.0% and 68.3%, respectively. These results support the feasibility of automated cephalometric analysis on CBCT-derived DRRs for skeletal malocclusion assessment.
• Abstract（参考訳）: 頭蓋顔面評価には手動頭蓋計測所見が重要であるが, 労働集約的であり, 拡張が困難である。 本稿では,視覚変換器をベースとした2次元頭部計測像の自動局所化モデルであるCephViTを紹介し,下流骨格の不正咬合分類におけるその使用性を評価する。 CephViTは、公共の頭脳波データセットでトレーニングされ、平均半径誤差 1.28 +/- 1.42 mm、検出率 92.0% を3.0 mm で達成した。 個人評価コホートは3次元CBCTスキャンで構成されているため,各体積から側頭蓋X線写真(DRR)が生成され,ランドマークの局所化モデルへの2次元入力として利用された。 ランドマーク座標は共通座標フレームに正規化され、基準とDRRに基づくパイプライン間で共有されるランドマークを用いて骨格的不正咬合分類が行われた。 DRRローカライズされたランドマークを用いた分類性能は、手動で注釈付けされた参照ランドマークを用いて得られたものと同等であり、それぞれ70.0%と68.3%の精度であった。 以上の結果から,CBCT由来のDRRを用いた自動脳波計測による骨格異常評価の可能性が示唆された。

関連論文リスト

• Tracing 3D Anatomy in 2D Strokes: A Multi-Stage Projection Driven Approach to Cervical Spine Fracture Identification [6.060672815761177]
  本研究は,3次元CTボリュームにおける椎体レベル骨折検出のための2次元投射型椎体分割法の有効性について検討した。 全視野からYOLOv8モデルを用いて関心領域を同定し, 3次元頚椎領域を近似した。 DenseNet121-Unetベースのマルチラベルセグメンテーションは、分散およびエネルギーベースのプロジェクションを利用して、Diceスコア87.86パーセントを達成する。
  論文  参考訳（メタデータ） (2026-01-21T18:15:47Z)
• Automated glenoid bone loss measurement and segmentation in CT scans for pre-operative planning in shoulder instability [4.618498494409548]
  肩関節不安定症の手術計画には, 骨量測定の信頼性が不可欠である。 三次元CTスキャンによるグリノイド骨量計測のための完全自動深層学習パイプラインの開発と評価を行った。
  論文  参考訳（メタデータ） (2025-11-18T03:12:22Z)
• 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)
• 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)
• Marker Track: Accurate Fiducial Marker Tracking for Evaluation of Residual Motions During Breath-Hold Radiotherapy [0.0]
  コーンビームCT(CBCT)による放射線治療中における日常的残留運動の評価について検討した。 フィデューシャルマーカーのマイグレーションは、マーカーを正確に位置決めする上での課題を提起し、新しいアルゴリズムの開発を促した。 フィデューシャルマーカーは2786の投射フレームのうち2777で検出された。
  論文  参考訳（メタデータ） (2025-01-26T19:46:49Z)
• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Accurate Fine-Grained Segmentation of Human Anatomy in Radiographs via Volumetric Pseudo-Labeling [66.75096111651062]
  我々は,10,021個の胸部CTと157個のラベルの大規模データセットを作成した。 解剖学的擬似ラベル抽出のために3次元解剖分類モデルのアンサンブルを適用した。 得られたセグメンテーションモデルはCXRで顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-06-06T18:01:08Z)
• Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and Landmark Localization on 3D Intraoral Scans [56.55092443401416]
  TS-MDLの最初の段階では、mphiMeshSegNetは0.953pm0.076$で平均Dice類似係数(DSC)に達した。 PointNet-Reg は平均絶対誤差 (MAE) が 0.623pm0.718, mm$ であり、ランドマーク検出の他のネットワークよりも優れている。
  論文  参考訳（メタデータ） (2021-09-24T13:00:26Z)
• Structure-Aware Long Short-Term Memory Network for 3D Cephalometric Landmark Detection [37.031819721889676]
  本研究では,3次元ランドマーク検出のための構造対応長短期記憶フレームワーク(SA-LSTM)を提案する。 SA-LSTMは、まず、ダウンサンプリングCBCTボリューム上の熱マップ回帰によって粗いランドマークを見つける。 その後、高解像度の収穫パッチを使用して、注意深いオフセット回帰によってランドマークを徐々に洗練する。 実験の結果,提案手法は効率と精度で最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-21T06:35:52Z)
• Automated 3D cephalometric landmark identification using computerized tomography [1.4349468613117398]
  頭蓋骨の形状を代用する3次元頭蓋骨計測のランドマークの同定は、頭蓋骨計測の基本的なステップである。 近年,ディープラーニング(dl)を用いた2次元頭部画像の自動ランドマーク作成が大きな成功を収めているが,80以上のランドマークに対する3次元ランドマークは,まだ満足のいくレベルには達していない。 本論文では,匿名化されたランドマークデータセットと対のCTデータを取り除いた,半教師付き3次元ランドマーク用DL法を提案する。
  論文  参考訳（メタデータ） (2020-12-16T07:29:32Z)
• Cephalometric Landmark Regression with Convolutional Neural Networks on 3D Computed Tomography Data [68.8204255655161]
  側方X線写真におけるケパロメトリ解析では, 横面への投射による3次元物体の構造を十分に利用していない。 本稿では,3次元畳み込みニューラルネットワーク(CNN)を用いたキーポイント回帰法について述べる。 本研究は,Frankfort Horizontal および cephalometric points の位置推定において,提案手法を広く評価し,その効果を実証した。
  論文  参考訳（メタデータ） (2020-07-20T12:45:38Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。