दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

उन्नत दाँत विभाजन के लिए सीबीसीटी और आईओएस का बहुविध विपरीत पूर्व प्रशिक्षण

Created by
  • Haebom

लेखक

मू ह्यून सोन, जुयॉन्ग बे, ज़ेलिन किउ, जियाले पेंग, काई शिन ली, यिफ़ान लिन, हाओ चेन

रूपरेखा

यह शोधपत्र डिजिटल दंत चिकित्सा में सटीक दंत विभाजन के लिए एक बहुविध शब्दकोश अधिगम ढाँचा, टूथएमसीएल प्रस्तुत करता है। मौजूदा दंत विभाजन विधियों की सीमाओं को दूर करने के लिए, हम बहुविध कंट्रास्टिव अधिगम का उपयोग करते हैं जो कोन-बीम कंप्यूटेड टोमोग्राफी (सीबीसीटी) और इंट्राओरल स्कैन (आईओएस) डेटा को एकीकृत करता है। यह अधिगम, सूक्ष्म शारीरिक विशेषताओं के मॉडल रूप से अपरिवर्तनीय निरूपण और सटीक मॉडलिंग को सक्षम बनाता है, जिससे सटीक बहुवर्गीय विभाजन और एफडीआई दंत संख्या पहचान संभव होती है। इसके अलावा, हमने 3,867 रोगियों के डेटा युक्त एक बड़े पैमाने का डेटासेट, सीबीसीटी-आईओएस3.8के, तैयार किया है। हम विभिन्न स्वतंत्र डेटासेट पर टूथएमसीएल का मूल्यांकन करते हैं, जो मौजूदा विधियों की तुलना में इसके बेहतर प्रदर्शन को प्रदर्शित करता है। हमने सीबीसीटी विभाजन के लिए डाइस सिमिलैरिटी कोएफ़ेक्टिव (डीएससी) में 12% और आईओएस विभाजन के लिए 8% सुधार प्राप्त किया है।

Takeaways, Limitations

Takeaways:
मल्टीमॉडल कॉन्ट्रास्टिव लर्निंग का उपयोग करके दांत विभाजन के लिए एक नया ढांचा
बड़े पैमाने पर CBCT-IOS3.8K डेटासेट का निर्माण
मौजूदा तरीकों की तुलना में बेहतर प्रदर्शन (सीबीसीटी के लिए 12% डीएससी सुधार और आईओएस के लिए 8%) और मजबूत सामान्यीकरण प्रदर्शन हासिल किया गया।
विभिन्न इमेजिंग स्थितियों और नैदानिक ​​परिदृश्यों में उत्कृष्ट प्रदर्शन
Limitations:
इस शोधपत्र में Limitations का कोई विशेष उल्लेख नहीं है। Limitations को स्पष्ट करने के लिए और प्रयोगों और विश्लेषणों की आवश्यकता है।
👍