TCEIP: Text Condition Embedded Regression Network for Dental Implant Position Prediction

要約

歯科医が歯科インプラントの位置を設計するのを支援するためにディープ ニューラル ネットワークが提案されていますが、そのほとんどは欠損歯が 1 本だけという単純な症例を対象としています。
その結果、複数の歯が欠損している場合には文学作品はうまく機能せず、歯がまばらに分布している場合には誤った予測が生成されやすくなります。
この論文では、上記の問題に対処するために、弱い監視テキスト、ターゲット領域をインプラント位置回帰ネットワークに統合しようとしています。
回帰パフォーマンスを向上させるためにテキスト条件をエンコーダ/デコーダ フレームワークに埋め込むために、テキスト条件埋め込みインプラント位置回帰ネットワーク (TCEIP) を提案します。
画像とテキストの特徴間の相互作用を促進するために、クロスモーダル アテンション (CMA) と知識アライメント モジュール (KAM) で構成されるクロスモーダル インタラクションが提案されています。
CMA モジュールは画像特徴とテキスト条件の間のクロスアテンションを実行し、KAM は画像特徴と CLIP の画像エンコーダの間の知識ギャップを軽減します。
5 重相互検証による歯科インプラント データセットの広範な実験により、提案された TCEIP が既存の方法よりも優れたパフォーマンスを達成することが実証されました。

要約(オリジナル)

When deep neural network has been proposed to assist the dentist in designing the location of dental implant, most of them are targeting simple cases where only one missing tooth is available. As a result, literature works do not work well when there are multiple missing teeth and easily generate false predictions when the teeth are sparsely distributed. In this paper, we are trying to integrate a weak supervision text, the target region, to the implant position regression network, to address above issues. We propose a text condition embedded implant position regression network (TCEIP), to embed the text condition into the encoder-decoder framework for improvement of the regression performance. A cross-modal interaction that consists of cross-modal attention (CMA) and knowledge alignment module (KAM) is proposed to facilitate the interaction between features of images and texts. The CMA module performs a cross-attention between the image feature and the text condition, and the KAM mitigates the knowledge gap between the image feature and the image encoder of the CLIP. Extensive experiments on a dental implant dataset through five-fold cross-validation demonstrated that the proposed TCEIP achieves superior performance than existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google