論文の概要: GingivitisSeg: A Public Dataset and Comparative Benchmark for Gingivitis Segmentation in Intraoral Images
- arxiv url: http://arxiv.org/abs/2611.15184v1
- Date: Wed, 11 Nov 2026 08:31:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.083076
- Title: GingivitisSeg: A Public Dataset and Comparative Benchmark for Gingivitis Segmentation in Intraoral Images
- Title(参考訳): GingivitisSeg : 口腔内画像におけるGingivitis Segmentationの公開データセットと比較ベンチマーク
- Abstract要約: GingivitisSegは,961個の口腔内画像と,歯肉炎症および訓練の画素レベルのアノテーションを併用した公開ベンチマークである。
7つのセマンティックセグメンテーションモデル-バックボーン構成を、標準化されたパーティション、入力解像度、評価指標を用いて比較した。
UPerNet with ResNet50 は 76.49%、歯肉炎 IoU 54.91% の最高平均接点 (mIoU) を達成した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Gingivitis segmentation from intraoral photographs can support computer-assisted periodontal assessment, but pixel-level delineation remains challenging due to severe foreground-background class imbalance, low-contrast boundaries, and variations in illumination and anatomy. We introduce GingivitisSeg, a public benchmark comprising 961 intraoral images with pixel-level annotations of gingival inflammation and predefined training (672), validation (144), and test (145) partitions. Seven semantic segmentation model-backbone configurations were compared using standardized partitions, input resolution, and evaluation metrics. Controlled ablation experiments examined class-weighted cross-entropy loss, Dice loss, and auxiliary supervision. UPerNet with ResNet50 achieved the highest mean Intersection over Union (mIoU) of 76.49% and gingivitis IoU of 54.91%. However, differences from DeepLabV3+ with ResNet50 and SegFormer with MiT-B2 were not statistically significant after Holm correction. The evaluated optimization components improved performance when combined in the UPerNet-ResNet50 configuration. Further analyses showed that performance was associated with gingivitis region size and decreased under stronger image blur. The dataset, benchmark splits, and source code are available at https://github.com/zeynepozdemir/GingivitisSeg.
- Abstract(参考訳): 口腔内写真からの歯肉炎分画は, コンピュータによる歯周組織評価を支援できるが, 背景の重度不均衡, 低コントラスト境界, 照明や解剖の変動により, 画素レベルの脱線はいまだに困難である。
GingivitisSegは,歯肉炎症および術前トレーニング(672),バリデーション(144),テスト(145)分割の画素レベルのアノテーションを用いた,961個の口腔内画像からなる公開ベンチマークである。
7つのセマンティックセグメンテーションモデル-バックボーン構成を、標準化されたパーティション、入力解像度、評価指標を用いて比較した。
制御されたアブレーション実験では、クラス重み付きクロスエントロピー損失、ジス損失、補助監督について検討した。
UPerNet with ResNet50 は 76.49%、歯肉炎 IoU 54.91% の最高平均接点 (mIoU) を達成した。
しかし、DeepLabV3+とResNet50、SegFormerとMiT-B2の違いはホルム補正後の統計的に有意ではなかった。
評価された最適化コンポーネントは、UPerNet-ResNet50構成で組み合わせた場合のパフォーマンスを改善した。
以上の結果から, 歯肉炎部位の面積が増加し, 画像のぼかしが強くなる傾向が認められた。
データセット、ベンチマークスプリット、ソースコードはhttps://github.com/zeynepozdemir/GingivitisSegで公開されている。
関連論文リスト
- Comparative Evaluation of Deep Learning Models for Geographic Atrophy Segmentation in En Face OCT Images [0.12523494692655027]
老化関連黄斑変性症(AMD)の進行型である地理萎縮症(GA)
網膜色素上皮(RPE)と光受容体の進行変性による可逆的な視覚喪失を引き起こす。
画像中のGAの正確なセグメンテーションは、早期診断、疾患の進行のモニタリング、パーソナライズされた治療戦略の開発に不可欠である。
論文 参考訳(メタデータ) (2026-11-09T20:12:13Z) - CarDiff: Anatomically Aware Dental Caries Synthesis using Diffusion [51.44474773009293]
カルディフ(CarDiff)は、パノラマ線写真における歯列合成のための半教師付きフレームワークである。
この方法は,2つのマスクイメージ学習と,拡張マスクからの自己教師付き生成を組み合わせる。
セグメンテーション誘導による監督と解剖学的アライメントによってセマンティック一貫性が実現される。
論文 参考訳(メタデータ) (2026-10-13T11:38:01Z) - Deep Learning-based Semantic Segmentation of Dental Radiographs: Comparative Evaluation of PSPNet, DeepLabv3, UNet, and UNet++ [0.0]
主に、Praamid Scene Parsing Network (PSPNet)、DeepLabV3、UNet、UNet++の4つのセグメンテーションモデルを比較した。
UNet++は最高IoUスコアが0.6719、DICE値が0.7869を示し、セグメンテーションの点で優れた結果を示した。
論文 参考訳(メタデータ) (2026-10-10T16:53:13Z) - Vision Transformers for Kidney Stone Image Classification: A Comparative Study with CNNs [1.6273083168563973]
本研究では,視覚変換器(ViT)とCNNモデルの比較分析を行った。
ImageNet-21kで事前訓練されたViTベースモデルは、複数の撮像条件で一貫してResNet50ベースラインを上回った。
論文 参考訳(メタデータ) (2025-08-19T02:38:59Z) - 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) - Deep Semantic Statistics Matching (D2SM) Denoising Network [70.01091467628068]
本稿では,Deep Semantic Statistics Matching (D2SM) Denoising Networkを紹介する。
事前訓練された分類ネットワークの意味的特徴を利用して、意味的特徴空間における明瞭な画像の確率的分布と暗黙的に一致させる。
識別画像のセマンティックな分布を学習することで,ネットワークの認知能力を大幅に向上させることを実証的に見出した。
論文 参考訳(メタデータ) (2022-07-19T14:35:42Z) - Contrastive Learning with Stronger Augmentations [63.42057690741711]
本論文では,現在のコントラスト学習のアプローチを補完する,より強い拡張(A)によるコントラスト学習という汎用フレームワークを提案する。
ここでは、表現バンク上の弱強調画像と強拡張画像との間の分布のばらつきを利用して、強拡張クエリの検索を監督する。
実験では、強力な画像からの情報により、パフォーマンスが大幅に向上します。
論文 参考訳(メタデータ) (2021-04-15T18:40:04Z)
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。