抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】