S-R2F2U-Net:歯セグメンテーションのための一段階モデル【JST・京大機械翻訳】

Dhar Mrinal Kanti; Deb Mou

プレプリント

J-GLOBAL ID：202202207633912139 整理番号：22P0327361

S-R2F2U-Net:歯セグメンテーションのための一段階モデル【JST・京大機械翻訳】

S-R2F2U-Net: A single-stage model for teeth segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2023年02月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

歯科矯正治療,臨床診断,および外科治療のための位置情報を提供するので,正確な歯のセグメンテーションは口腔部門で重要である。本論文では,パノラマ歯科画像から歯を分割するための残差,再発および注意ネットワークを検討した。著者らの知見に基づいて,単一再電流R2U-Net(S-R2U-Net),単一リカレントフィルタ二重R2U-Net(S-R2F2U-Net),および単一再電流注意Enabledフィルタ二重(S-R2F2-Attn-U-Net)の3つの単一段階モデルを示唆した。。”S-R2U-Net”,S-R2F2U-Net(S-R2F2U-Net),および単一再電流注意可能フィルタ二重(S-R2F2-Attn-U-Net)。特に,S-R2F2U-Netは,精度とジセスコアに関して最先端のモデルより優れている。クロスエントロピー損失とジセ損失を組み合わせたハイブリッド損失関数を用いて,モデルを訓練した。さらに,それは,R2U-Netモデルと比較して,モデルパラメータの約45%を減少した。モデルを訓練し,1500の歯科パノラマX線画像を含むベンチマークデータセットで評価した。S-R2F2U-Netは,精度の97.31%とジセスコアの93.26%を達成して,最先端の方法を上回る優位性を示した。コードはhttps://github.com/mrinal054/teethSeg_sr2f2u net.gitで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

計算機網

, , ,

前のページに戻る