文献

J-GLOBAL ID：202202251430737022   整理番号：22A1085802

口内スキャナ画像セグメンテーションのための2ストリームグラフ畳込みネットワーク【JST・京大機械翻訳】

Two-Stream Graph Convolutional Network for Intra-Oral Scanner Image Segmentation

著者 (9件)： Zhao Yue (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Zhang Lingming (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Liu Yang (Department of Orthodontics, Stomatological Hospital of Chongqing Medical University, Chongqing, China) ,  Meng Deyu (Faculty of Information Technology, Macau University of Science and Technology, Taipa, China) ,  Cui Zhiming (School of Computer Science, The University of Hong Kong, Hong Kong, China) ,  Gao Chenqiang (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Gao Xinbo (School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Lian Chunfeng (Faculty of Information Technology, Macau University of Science and Technology, Taipa, China) ,  Shen Dinggang (School of Biomedical Engineering, ShanghaiTech University, Shanghai, China)
資料名： IEEE Transactions on Medical Imaging  (IEEE Transactions on Medical Imaging)
巻： 41  号： 4  ページ： 826-835  発行年： 2022年 
JST資料番号： H0895A  ISSN： 0278-0062  CODEN： ITMID4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 口腔内スキャナ画像からの歯の正確なセグメンテーションは,コンピュータ支援歯科矯正手術計画における必須の作業である。最先端の深層学習ベースの方法は,自動口腔内スキャナ画像セグメンテーションのための単一ストリームネットワークを訓練するために,メッシュセルの生の幾何学属性(すなわち,座標と法線ベクトル)をしばしば簡単に連結する。しかしながら,異なる生属性は完全に異なる幾何学的情報を示すので,(低レベル)入力段階における異なる生属性のナイーブコンカテネーションは,メッシュセル間の記述と識別に不必要な混乱をもたらし,従って,セグメンテーションタスクのための高レベル幾何学的表現の学習を妨げる。この問題に取り組むために,著者らは,2ストリームグラフ畳込みネットワーク(即ち,TSGCN)を設計し,それらの相補的情報をより効果的に融合し,識別的マルチビュー幾何学的表現を学習するために,異なる生属性間のビュー間混乱を効果的に取り扱うことができる。特に,TSGCNは,座標と法線ベクトルから相補的な高レベル幾何学的表現を抽出するために,2つの入力固有グラフ学習ストリームを採用した。次に,これらの単一視点表現を自己注意モジュールによってさらに融合して,正確で完全に自動的な歯のセグメンテーションのために,より識別的なマルチビュー表現を学習する際に,異なるビューの寄与を適応的にバランスさせた。3D口腔内スキャナにより取得した歯科(メッシュ)モデルの実患者データセットでTSGCNを評価した。実験結果は,著者らのTSGCNが3D歯(表面)セグメンテーションにおいて最先端の方法より優れていることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  学習 ,  *セグメンテーション ,  *ネットワーク ,  細胞 ,  *画像処理 ,  *画像 ,  *走査装置 ,  歯科学 ,  三次元 ,  カオス ,  CAE【計算機】 ,  歯科矯正 ,  機械学習
準シソーラス用語： *画像セグメンテーション ,  マルチビュー ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： スキャナ ,  画像セグメンテーション ,  ストリーム ,  グラフ ,  畳込み