論文の概要: Morphological Decoupling-Based Skeletal Classification for Clinical Assessment of Malocclusion

• arxiv url: http://arxiv.org/abs/2609.09801v1
• Date: Wed, 09 Sep 2026 06:52:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.925237
• Title: Morphological Decoupling-Based Skeletal Classification for Clinical Assessment of Malocclusion
• Title（参考訳）: マクルージョンの臨床評価のための形態的デカップリングに基づく骨格分類
• Abstract要約: マロクルージョン骨格グレーディングは矯正治療の基本課題であり、診断と治療計画に欠かせない。 CBCT画像特徴と形態情報を組み合わせたグラフベースの新しいフレームワークであるTeethGNNを開発した。 精度は77.08%、AUCは89.61%であり、比較した最先端手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 24.17938606379752
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Malocclusion skeletal grading is a fundamental task in orthodontics, critical for diagnosis and treatment planning. Traditionally, cone-beam computed tomography (CBCT) is used for visual measurement, and the reconstructed lateral cephalograms are handed over to expert dentists for diagnosis. However, manual review is time-consuming, labor-intensive, and subject to inter-operator variability. Therefore, an automatic CBCT-based system is needed for reliable malocclusion skeletal grading. In this case, we develop TeethGNN, a novel graph-based framework designed to combine CBCT image features with morphological information for accurate and efficient malocclusion grading. TeethGNN utilizes a decoupled learnable decoder to directly predict key morphological indicators from CBCT images, eliminating the need for manual measurements. These morphological features are then fused with image features using a graph neural network (GNN), which effectively models the relationships between the modalities. To further enhance robustness and calibration, we introduce a collaborative calibration strategy. This strategy combines multi-scale graph adversarial perturbation for explicit calibration and nonlinear topological graph calibration for implicit confidence adjustment. Extensive experiments and ablation studies on our collected clinical dataset demonstrate that our malocclusion measurement system achieves 77.08\% in accuracy and 89.61\% in AUC, outperforming the compared state-of-the-art methods. These results validate the effectiveness of graph-based multimodal fusion and collaborative calibration in improving malocclusion grading performance. Our system shows strong potential for advancing computer-aided orthodontic diagnosis, providing an accurate and reliable solution for vision-based clinical measurement and diagnosis.
• Abstract（参考訳）: マロクルージョン骨格グレーディングは矯正治療の基本課題であり、診断と治療計画に欠かせない。 伝統的に、視力測定にはコーンビームCT(CBCT)が用いられ、再建した側頭頭蓋骨を専門医に渡して診断を行う。 しかし、手作業によるレビューは時間がかかり、労働集約的であり、操作者間の変動が伴う。 したがって、信頼性の高い閉塞性骨格グレーディングにはCBCTベースの自動システムが必要である。 本稿では,CBCT画像特徴と形態情報を組み合わせたグラフベースフレームワークTeethGNNを開発した。 TeethGNNは、分離した学習可能なデコーダを使用してCBCT画像から重要な形態指標を直接予測し、手動測定の必要性を排除している。 これらの形態的特徴はグラフニューラルネットワーク(GNN)を用いて画像特徴と融合し、モダリティ間の関係を効果的にモデル化する。 さらにロバスト性と校正性を高めるため,共同校正戦略を導入する。 この戦略は、明示的なキャリブレーションのためのマルチスケールグラフ対向摂動と、暗黙的な信頼度調整のための非線形トポロジカルグラフキャリブレーションを組み合わせたものである。 収集した臨床データセットの集約的実験とアブレーション研究により,我々の不正咬合測定システムは精度77.08\%,AUC89.61\%を達成し,比較した最先端の手法よりも優れていることが示された。 これらの結果は, グラフベースのマルチモーダル融合と協調キャリブレーションの有効性を検証した。 当システムでは, コンピュータ支援による歯科矯正診断を進展させる可能性が高く, 視力に基づく臨床診断のための正確かつ信頼性の高いソリューションを提供する。

関連論文リスト

• ORB-SVM : An Innovative Hybrid Framework for Efficient Brain Tumor Detection from MRI Scans [0.0]
  本研究では,オブジェクト指向FASTと回転BRIEF(ORB)アルゴリズムを正確な特徴抽出に用い,SVM(Support Vector Machine)を分類に用いたハイブリッドフレームワークを提案する。 提案手法は,非情報背景データの影響を効果的に最小化する,99.5%のサブスタンタルデータ削減を実現する。 Br35Hデータセット上での実験的な評価により、このフレームワークは97.5%の精度で分類できることが示された。
  論文  参考訳（メタデータ） (2026-09-02T09:09:14Z)
• Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction [72.80209358480424]
  ヨウ素化コントラスト培地(ICM)の過剰摂取は、腎臓の損傷と致命的なアレルギー反応を引き起こす。 深層学習法は、低線量ICMから正常線量ICMのCT画像を生成することができ、必要な線量を減らすことができる。 本研究では,構造シナジーと空間知性を統合した構造制約型言語情報拡散モデル(SLDM)を提案する。
  論文  参考訳（メタデータ） (2026-01-28T06:54:06Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• Morphology-Aware KOA Classification: Integrating Graph Priors with Vision Models [13.437469558862084]
  解剖学的構造と放射線学的特徴を組み合わせた新しい枠組みを提案する。 提案手法は,幾何学的インフォームドグラフ埋め込みとラジオグラフィー特徴のアライメントを強制する。 変形性関節症のデータセットの実験では、我々のアプローチが単一モダリティのベースラインを最大10%の精度で越えていることが示されている。
  論文  参考訳（メタデータ） (2025-10-20T17:20:19Z)
• Enhanced SegNet with Integrated Grad-CAM for Interpretable Retinal Layer Segmentation in OCT Images [0.0]
  そこで本研究では,SegNetによる網膜層分割の自動化と解釈のためのディープラーニングフレームワークを提案する。 改良されたプール戦略を含むアーキテクチャ上の革新は、ノイズの多いOCT画像からの特徴抽出を強化する。 Grad-CAMの可視化では、解剖学的に関連のある領域が強調され、セグメンテーションと臨床バイオマーカーが一致した。
  論文  参考訳（メタデータ） (2025-09-09T14:31:51Z)
• Towards Accurate and Interpretable Neuroblastoma Diagnosis via Contrastive Multi-scale Pathological Image Analysis [16.268045905735818]
  病理画像分類に適したコントラスト学習に基づくマルチスケール機能融合モデルであるCMSwinKANを提案する。 マルチスケールの特徴を融合させ、対照的な学習戦略を活用することで、CMSwinKANは臨床医の包括的なアプローチを模倣する。 その結果、CMSwinKANは、既存の最先端の病理モデルよりも、大規模なデータセットで事前訓練されたモデルよりもパフォーマンスがよいことが示された。
  論文  参考訳（メタデータ） (2025-04-18T15:39:46Z)
• Comparative Analysis of Image Enhancement Techniques for Brain Tumor Segmentation: Contrast, Histogram, and Hybrid Approaches [0.0]
  この研究は、画像強調技術が畳み込みニューラルネットワーク(CNN)ベースの脳腫瘍に与える影響を系統的に研究した。 CNNベースのU-Netアーキテクチャ、トレーニング、検証プロセスの詳細な分析を行う。 比較分析は、精度、損失、MSE、IoU、DSCといったメトリクスを利用しており、ハイブリッドアプローチのCLAHE-HEは、他よりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-04-08T09:27:42Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。