Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Multimodal Contrastive Pretraining of CBCT and IOS for Enhanced Tooth Segmentation

Created by
  • Haebom

作者

Moo Hyun Son, Juyoung Bae, Zelin Qiu, Jiale Peng, Kai Xin Li, Yifan Lin, Hao Chen

概要

本論文は、デジタル歯医学の分野における正確な歯の分割のためのマルチモーダル事前学習フレームワークであるToothMCLを提示します。従来の歯の分割方法論の限界を克服するために、Cone-Beam Computed Tomography(CBCT)とIntraoral Scans(IOS)データを統合するマルチモーダル対照学習を利用する.これにより、モーダル不変表現を学習し、細かい解剖学的特徴を正確にモデル化し、正確なマルチクラス分割とFDI歯数の確認を可能にします。さらに、3,867人の患者データを含むCBCT-IOS3.8Kという大規模なデータセットを構築し、さまざまな独立データセットでToothMCLを評価して、従来の方法より優れた性能を示すことを確認しました。 CBCT分割で12%、IOS分割で8%のDice Similarity Coefficient(DSC)向上を達成しました。

Takeaways、Limitations

Takeaways:
マルチモーダル対照学習を用いた歯の分割の新しいフレームワークの提示
大規模CBCT-IOS3.8Kデータセットの構築
従来の方法と比較して改善された性能(CBCT 12%、IOS 8%DSC向上)と堅牢な一般化性能を達成
さまざまなイメージング条件と臨床シナリオでの優れたパフォーマンス
Limitations:
具体的なLimitationsへの言及は論文にありません。追加の実験と分析によってLimitationsを明らかにする必要があります。
👍