3D口内スキャンデータのセグメント化のための機能誘導型多層暗号解読ネットワーク

科学分野:

• コンピュータ・ビジョン
• 医療用イメージング
• 矯正歯科

背景:

• 矯正歯科の診断と治療計画において 誤閉症の正確なセグメンテーションが不可欠です
• 既存のディープラーニングの方法には 堅実性が欠けていて マロクロージョンのセグメンテーションに 混乱が伴う.
• これは現在の臨床応用の信頼性を制限している.

研究 の 目的:

• 頑丈で正確な3D歯科モデルセグメンテーション方法を開発する.
• 臨床矯正の応用における ディープラーニングの信頼性を高めること
• 歯の不形成のセマンティック認識を向上させるため

主な方法:

• 階層的な特徴のガイド付きのU型3Dセグメンテーションネットワーク
• 新しい標準化方法とポイントクラウドの最適化のためのプッシュプル戦略を備えた機能主導のディープエンコーダーです.
• 逆のボトルネックグローバル機能抽出フローと高解像度メッシュ再構築のための層ごとにデコーディング.

主要な成果:

• オーダーメイドの不整形歯科データセットで,全体精度 (OA) が96.6%,平均交差度 (mIoU) が90.8%を達成しました.
• ポイントネットやメッシュセグネットのような既存の方法を大幅に上回った.
• 公的なデータセット (Teeth3DS,3D-IOSSeg) で高いパフォーマンスを示し,OAは96.4%,mIoUは94.5%までだった.

結論:

• 提案された方法は,既存のアプローチと比較して,マロクロージョンセグメンテーションにおいて優れた性能を提供します.
• インテリジェントな仮想矯正のための 堅牢で正確なソリューションを提供します
• この方法は,高解像度の歯のメッシュの意味認識と空間的特徴の再構築を強化します.