論文の概要: B-Spline Embedded Structure Learning for 3D Tooth Segmentation
- arxiv url: http://arxiv.org/abs/2608.17291v1
- Date: Tue, 18 Aug 2026 02:43:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.187916
- Title: B-Spline Embedded Structure Learning for 3D Tooth Segmentation
- Title（参考訳）: B-Spline Embedded Structure Learning for 3D Tooth Segmentation (特集:B-Spline Embedded Structure Learning)
- Authors: Xianghan Wei, Jianwen Lou, Zhiguo Lu, Hairong Jin, Haihua Zhu,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.713922533924589
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate 3D tooth segmentation forms the cornerstone of digital dentistry, yet it remains a formidable challenge due to the inherent intricacy of real-world dentitions, such as crowding, misaligned teeth and high morphological similarity between adjacent teeth. To resolve this, we present B-Spline Embedded Structure Learning, a novel framework that distills the inherent sequential arrangement of teeth into a continuous structural constraint to regularize representation space. Our approach parameterizes the global dental topology by fitting a parametric B-spline trajectory to tooth centers, assigning each point a continuous structural embedding that forces the shared backbone to capture global arch organization. To fully exploit these embedded priors, we introduce a Structure-Aware Dynamic Classifier (SADC) to substitute rigid static templates with adaptive, case-calibrated decision boundaries. SADC regularizes dynamic prototype pooling via a localized Gaussian proximity gate and contextually co-evolves them through an attention block modeling spatial relations and bilateral symmetries across teeth. Extensive evaluations on the 3DTeethSeg22 benchmark demonstrate that our method establishes a new state-of-the-art accuracy with exceptional structural robustness and efficiency in computational overhead, markedly enhancing the model's capacity to handle complex dental configurations.
- Abstract（参考訳）: 正確な3D歯のセグメンテーションはデジタル歯学の基盤を形成するが、群集、不整合歯、隣接歯間の高い形態的類似性など、現実世界の歯列が本質的に複雑であるため、依然として深刻な課題である。
そこで本研究では, 歯の連続的な配列を連続的な構造制約に蒸留し, 表現空間を正規化するための新しい枠組みであるB-Spline Embedded Structure Learningを提案する。
提案手法は, 歯中心にパラメトリックなB-スプライン軌道を固定し, それぞれの点に連続的な構造的埋め込みを割り当て, 共有バックボーンにグローバルアーチ組織を捕捉させることにより, グローバルな歯のトポロジをパラメータ化する。
組込み先を十分に活用するために,静的テンプレートを適応的,ケース校正的決定境界で置換する構造対応動的分類器(SADC)を導入する。
SADCは、局所的なガウス近接ゲートを介して動的プロトタイププールを規則化し、空間的関係と歯間の対称性をモデル化した注意ブロックを通してそれらを文脈的に共進化させる。
3DTeethSeg22ベンチマークによる広範囲な評価結果から,本手法は,歯の複雑な構成を扱うためのモデル容量を著しく向上し,異常な構造的堅牢性と計算オーバーヘッドの効率性を備えた,新しい最先端の精度を確立できることが示唆された。
関連論文リスト
- AuricularWorld: Hierarchical Action-Guided World Modeling for Fine-Grained Auricular Structure Segmentation from CT Scans [4.139833999494916]
本稿では,反復的解剖学的推論を可能にする世界モデルに基づくセグメンテーションフレームワークを提案する。
提案手法は連続的にセグメンテーション精度を向上し,HD95を小さく,不規則かつ重なり合う耳介構造に対して43%以上削減することを示した。
論文 参考訳（メタデータ） (2026-07-30T16:38:30Z) - Deep Spectral Models for Robust Dental Shape Generation [0.22399170518036912]
ToothForgeは、コンパクトで本質的な表現から歯冠の幾何学をモデル化するディープスペクトル生成フレームワークである。
スペクトル領域で操作することで、TothForgeはシンクロナイズドスペクトル埋め込みを通して3次元歯形の潜在多様体を学習する。
以上の結果から,TothForgeは空間的アプローチに匹敵する,あるいは超越した再現性と生成性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2026-06-30T08:10:05Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - Towards Foundation Models for 3D Scene Understanding: Instance-Aware Self-Supervised Learning for Point Clouds [53.82500407523346]
PointINSは、幾何学的学習を通じてポイントクラウド表現を豊かにする、インスタンス指向の自己組織化フレームワークである。
PointINSは、屋内のインスタンスセグメンテーションで平均+3.5%のmAP改善、屋外のパン光学セグメンテーションで+4.1%のPQゲインを達成している。
論文 参考訳（メタデータ） (2026-03-26T08:31:06Z) - TCATSeg: A Tooth Center-Wise Attention Network for 3D Dental Model Semantic Segmentation [32.91531490589717]
本稿では,局所的な幾何学的特徴とグローバルな意味的コンテキストを組み合わせた新しいフレームワークTATSegを提案する。
本手法の一般化を評価するため, 歯科補綴前標本を含む400種類の歯科モデルのデータセットを新たに提案した。
論文 参考訳（メタデータ） (2026-03-17T14:57:43Z) - SOFTooth: Semantics-Enhanced Order-Aware Fusion for Tooth Instance Segmentation [18.381890045783376]
混み合ったアーチ, あいまいな歯肉境界, 欠損歯, 稀ながら臨床的に重要な第3大臼歯などにより, 3次元歯の症例分割は困難である。
我々は,2次元マスクを明示的に監視することなく,凍結した2次元セマンティクスを活用するセマンティクス強化2D-3D融合フレームワークSOFToothを提案する。
3DTeethSeg'22では、SOFToothは、第3大臼歯を含む症例に対して、全体的な精度と平均IoUを達成する。
論文 参考訳（メタデータ） (2025-12-29T12:14:41Z) - GEPAR3D: Geometry Prior-Assisted Learning for 3D Tooth Segmentation [0.15487122608774898]
Cone-Beam Computed Tomography (CBCT) における歯のセグメンテーションは依然として困難である。
GEPAR3Dは、インスタンス検出とマルチクラスセグメンテーションを単一のステップに統合し、ルートセグメンテーションを改善する新しいアプローチである。
本研究では, 深層水洗法を活用し, それぞれの歯を境界までボクセル距離を符号化した連続した3次元エネルギー盆地としてモデル化する。
論文 参考訳（メタデータ） (2025-07-31T20:46:58Z) - GeoT: Geometry-guided Instance-dependent Transition Matrix for Semi-supervised Tooth Point Cloud Segmentation [48.64133802117796]
GeoTは、半教師付き歯科用セグメンテーションのための擬似ラベルのノイズを明示的にモデル化するために、インスタンス依存遷移行列(IDTM)を使用するフレームワークである。
具体的には, 数万点の歯科的点から生じるIDTMの広い解空間を扱うために, 歯の幾何学的先行性を導入する。
提案手法は,ラベル付きデータの20%しか持たない完全教師付き手法に匹敵する性能を達成し,セグメンテーションを容易にするためにラベル付きデータを完全に活用することができる。
論文 参考訳（メタデータ） (2025-03-21T09:43:57Z) - 3D Structure-guided Network for Tooth Alignment in 2D Photograph [47.51314162367702]
矯正治療に先立って歯列が整列した2次元写真は, 効果的な歯科医療コミュニケーションに不可欠である。
本稿では2次元画像空間内の歯を入力として2次元写真を取り,アライメントする3次元構造誘導歯列ネットワークを提案する。
本研究は, 各種顔写真におけるネットワークの評価を行い, 歯科矯正産業における特筆すべき性能と高い適用性を示した。
論文 参考訳（メタデータ） (2023-10-17T09:44:30Z) - 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)
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。