論文の概要: Topology of a Smile: Persistent Homology in Dental Imaging

• arxiv url: http://arxiv.org/abs/2608.21422v1
• Date: Fri, 14 Aug 2026 18:22:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 05:49:59.243831
• Title: Topology of a Smile: Persistent Homology in Dental Imaging
• Title（参考訳）: スマイルのトポロジー:歯科画像における持続的ホモロジー
• Abstract要約: CBCT(Cone Beam Computed Tomography)スキャンは詳細な3次元画像を提供する。 本稿では、トポロジ的データ分析の枠組みである永続的ホモロジーを活用する自動化手法を提案する。 本手法では, 平均精度97.67%, 診断作業96.77%に到達した。
• 参考スコア（独自算出の注目度）: 13.490598450923962
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: CBCT (Cone Beam Computed Tomography) scans provide detailed three-dimensional images, widely used in dentistry for diagnostic and treatment planning tasks. While invaluable, analyzing and documenting these scans is labor-intensive, prompting efforts to automate key steps like the classification and segmentation of anatomical structures to identify tooth types and associated pathologies. In this article, we propose an approach to automation that leverages persistent homology, a framework from topological data analysis that studies the shape of data by identifying features like connected components, holes, and voids across multiple scales. Persistent homology, together with a support vector machine, allows us to classify teeth in a CBCT scan and to perform diagnostics. Our method advances the state of the art, reaching average accuracy scores of 97.67% for tooth-labeling and 96.77% for diagnostic tasks, outperforming a CNN trained on the same data with accuracy of 70.27% and 86.67%, respectively.
• Abstract（参考訳）: CBCT(Cone Beam Computed Tomography)スキャンは詳細な3次元画像を提供する。 しかし、これらのスキャンを分析し、記録することは労働集約的であり、歯の種類や関連する病理を識別するために解剖学的構造の分類や分類などの重要なステップを自動化する。 本稿では, 連続したコンポーネント, ホール, ヴォイドなどの特徴を複数スケールで識別することで, データの形状を解析するトポロジデータ解析のフレームワークである, 永続的ホモロジーを利用する自動化手法を提案する。 持続的ホモロジーとサポートベクターマシンは、CBCTスキャンで歯を分類し、診断を行う。 本手法では, 平均精度スコアが97.67%, 診断タスクが96.77%, CNNが70.27%, 86.67%であった。

関連論文リスト

• OralAgent: Integrating Reasoning, Tools, and Knowledge for Interactive Dental Image Analysis [53.581112172626234]
  OralAgentは,マルチモーダル推論,ツールベースの意思決定,知識に基づく検索を統一する最初の歯科用AIエージェントである。 22の視覚分析ツールと368の古典的歯科用教科書を統合し、自律的推論、計画、ツールの使用、知識検索、多段階ワークフロー実行を可能にしている。
  論文  参考訳（メタデータ） (2026-04-09T06:37:11Z)
• DentalX: Context-Aware Dental Disease Detection with Radiographs [44.3806898357896]
  放射線写真から歯科疾患を診断することは、診断証拠の微妙な性質のため、時間がかかり、困難である。 既存の方法は物体検出モデルに依存しており、視覚的支援がはるかに少ない歯の疾患を検出するのに苦労している。 本稿では,新しいコンテキスト認識型歯科疾患検出手法であるbf DentalXを提案する。
  論文  参考訳（メタデータ） (2026-01-13T18:32:28Z)
• Multi-Phase Automated Segmentation of Dental Structures in CBCT Using a Lightweight Auto3DSeg and SegResNet Implementation [0.0]
  コーンビームCT(CBCT)は歯科医療において重要な画像モダリティとなり,診断・治療計画のための歯および周辺構造物の3次元可視化が可能となった。 DLaBella29のMICCAI 2025 ToothFairy3 Challengeに対するアプローチについて述べる。 主要な前処理工程は画像再サンプリングから0.6mm等方分解能と強度の切り抜きであった。 提案手法は,TothFairy3のアウト・オブ・サンプル・バリデーションセットで平均0.87のDiceを達成した。
  論文  参考訳（メタデータ） (2025-08-18T14:35:26Z)
• Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
  経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。 まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
  論文  参考訳（メタデータ） (2025-07-22T13:24:45Z)
• Enhanced Pediatric Dental Segmentation Using a Custom SegUNet with VGG19 Backbone on Panoramic Radiographs [0.0]
  本研究は,VGG19バックボーンを用いたカスタムSegUNetモデルを提案する。 このモデルは精度97.53%、サイコロ係数92.49%、結合(IOU)91.46%に達し、このデータセットの新しいベンチマークが設定された。
  論文  参考訳（メタデータ） (2025-03-08T19:32:25Z)
• TSegFormer: 3D Tooth Segmentation in Intraoral Scans with Geometry Guided Transformer [47.18526074157094]
  歯科用歯冠および歯肉の詳細な3D情報を提供するために, 歯科用光学式歯内スキャナー (IOS) が広く用いられている。 既往の方法は複雑な境界においてエラーを起こしやすく、患者間で不満足な結果を示す。 マルチタスク3Dトランスフォーマアーキテクチャを用いて, 歯の局所的および大域的依存関係とIOS点群における歯肉の象牙質の両方をキャプチャするTSegFormerを提案する。
  論文  参考訳（メタデータ） (2023-11-22T08:45:01Z)
• A Deep Learning Approach to Teeth Segmentation and Orientation from Panoramic X-rays [0.0]
  本研究では, 深層学習技術を活用したパノラマX線画像からの歯のセグメンテーションと配向に対する包括的アプローチを提案する。 グリッド対応アテンションゲートで強化されたエンコーダ・デコーダアーキテクチャを用いたエンドツーエンドのインスタンスセグメンテーションネットワークを構築した。 主成分分析 (PCA) を用いて, 歯の配向を正確に推定するための指向性バウンディングボックス (OBB) の生成を提案する。
  論文  参考訳（メタデータ） (2023-10-26T06:01:25Z)
• Towards Unifying Anatomy Segmentation: Automated Generation of a Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
  我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。 提案手法はラベル集約段階において手作業によるアノテーションに依存しない。 我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
  論文  参考訳（メタデータ） (2023-07-25T09:48:13Z)
• DENTEX: An Abnormal Tooth Detection with Dental Enumeration and Diagnosis Benchmark for Panoramic X-rays [0.3355353735901314]
  パノラマX線チャレンジ(DENTEX)の歯科治療と診断は、2023年の医用画像コンピューティングとコンピュータ支援介入国際会議(MICCAI)と連携して進められている。 完全注釈付きデータに基づいて参加者アルゴリズムの評価結果を示す。 この注釈付きデータセットの提供は、この課題の結果と共に、歯科医療の分野でAIを活用したツールを作成するための基礎となるかもしれない。
  論文  参考訳（メタデータ） (2023-05-30T15:15:50Z)
• A Critical Analysis of the Limitation of Deep Learning based 3D Dental Mesh Segmentation Methods in Segmenting Partial Scans [44.44628400981646]
  口腔内スキャンによる歯のセグメンテーションは, 歯科医療において重要な要素である。 この課題に対して,多くのDeep Learningベースの歯のセグメンテーションアルゴリズムが開発されている。 ほとんどの場合、高い精度が達成されているが、利用可能な歯のセグメンテーション技術のほとんどは、完全な顎モデルの暗黙の制限的な仮定をしている。
  論文  参考訳（メタデータ） (2023-04-29T11:58:23Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• AI-enabled Automatic Multimodal Fusion of Cone-Beam CT and Intraoral Scans for Intelligent 3D Tooth-Bone Reconstruction and Clinical Applications [29.065668174732014]
  仮想歯科治療計画における重要なステップは、CBCTから全ての歯骨構造を正確に切り離すことである。 従来の研究では、深層学習を用いたCBCTセグメンテーションのいくつかの方法が確立されている。 本稿では,CBCTセグメンテーションモデル,口腔内スキャン(IOS)セグメンテーションモデル,および3次元融合クラウン・ルート構造を生成する融合モデルからなる深部歯科用マルチモーダル分析フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-11T07:50:15Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。