MATHENA: Mamba-based Architectural Tooth Hierarchical Estimator and Holistic Evaluation Network for Anatomy 1. IntroductionOrthopantomogram(OPG)에서 치아 검출, 우식 분할(CarSeg), 이상 탐지(AD), 치아 발육 단계 분류(DDS)를 통합적으로 수행하는 필요성 제시.기존 CNN은 global context 한계, Transformer는 quadratic complexity 문제 존재.이를 해결하기 위해 Mamba 기반 O(N) 구조를 적용한 MATHENA 제안. 2. PARTHENON Dataset총 10개 치과 데이터셋 통합 (8 panoramic + 2 periapical).반지도 ..

덴텍스치과 구역 정보(693장), 구역+번호(634장), 구역 + 번호 + 질환 진단(1005장)라벨 없는거 1571Annotation 방식: Bounding Box, segmentation라벨: 구역라벨. 치이 번호 라벨, 좌표 방식: [x_min, y_min, width, height]마스크 없음 PerioDet 치아 박스, 염증 박스https://github.com/XiaochengFang/MICCAI2025_PerioDet3,673개 (3000:train, 673: val)해상도 파노라마: 1333 × 800 pixelscoco포멧, 치근단염 바운딩박스 5,662개 평균 (82px X68.23px)메타데이터Annotation 방식: Bounding Box, segmentation좌표 방식: [x_..

DVCTNet: Dual-View Co-Training Network( 논문 링크 )https://papers.miccai.org/miccai-2025/paper/0146_paper.pdf( github 링크 )https://github.com/ShanghaiTech-IMPACT/DVCTNet GitHub - ShanghaiTech-IMPACT/DVCTNet: [MICCAI 2025] Adapting Foundation Model for Dental Caries Detection with Dual-View Co-Trai[MICCAI 2025] Adapting Foundation Model for Dental Caries Detection with Dual-View Co-Training - Shanghai..

Prompting Vision-Language Models for Dental Notation Aware Abnormality Detection( MICCAI 2024)논문주소 https://link.springer.com/chapter/10.1007/978-3-031-72390-2_64깃허브주소: https://github.com/chenlindu/DentalVLM?utm_source=chatgpt.com데이터: 덴텍스 2023https://huggingface.co/datasets/ibrahimhamamci/DENTEX/blob/main/DENTEX/validation_data.zip데이터 구성 (총 3,903장의 X-ray)치과 구역 정보(693장), 구역+번호(634장), 구역 + 번호 + 질환 ..

1. DENTEX: Dental Enumeration and Diagnosis on Panoramic X-rays (MICCAI 23 챌린지)논문 링크: https://arxiv.org/pdf/2305.19112깃허브: https://github.com/ibrahimethemhamamci/DENTEX데이터: https://huggingface.co/datasets/ibrahimhamamci/DENTEX데이터셋3가지 타입의 세부 데이터셋을 위계대로 사용(a) 693 X-rays with quadrant labels only. - 치아 위치 사분면 정보 (사진 참고)(b) 634 X-rays with quadrant and tooth enumeration labels. - 치아의 정확한 위치 정보(c) 10..

DentalX: Context-Aware Dental Disease Detection with Radiographs(Zhi Qin Tan, Xiatian Zhu, Owen Addison, Yunpeng Li)깃허브 주소: https://github.com/zhiqin1998/DentYOLOX퍼블릭 데이터셋 (논문 참조 [18]번) A. Fatima, “Dental-Caries-Segmentation,” 2022, -> https://github.com/anumfatima427/Dental-Caries-Segmentation 1. Abstract 기존 문제-치과 방사선 사진에서 질병 진단을 시각적으로 하는 건 어렵다 (병변 경계가 불분명하고 중증도간 차이가 미세하다, 전문가 사이에서도 판독 불일치가 크다..

의학 용어 정리occlusal caries : 치아 교합면의 충치lesion: 병변occlusal lesion depth: 충치의 치아 내부 침투 정도를 판단하는 병변 길이 0. Abstract본 논문에서는 occlusal lesion depth(충치 병변 길이)에 대한 세 가지 진단 방법의 정확도를 분석 및 비교하고, 그 중요성을 탐구한다.3가지 진단 방식FOTI (fibre-optic transillumination) : 광섬유 조명을 치아에 비추어 투과되는 빛의 양상 기반 진단Visual Inspection / Examination : 치과 의사의 시각적 진단Radiograph (Bitewing) / X-ray : 위아래 치아 엑스라인 사진 기반 진단↔ 진단 정확도 비교를 위한 기준 - Histol..

PancariesNet논문제목 : Automated Dental Caries Segmentation in Panoramic Radiographs Using Dual-Stage Deep Learning 1. Introduction1.1 연구 배경 : 치아 우식증(충치)은 가장 흔한 만성 구강 질환 중 하나이다. 기존에는 전체적인 치아 상태를 보기 위해 파노라마 엑스레이를 많이 찍지만, 이는 해상도가 낮고 치아 구조물이 겹쳐 보여 초기 충치나 인접면 충치를 눈으로 찾아내기 매우 어렵다. 딥러닝을 이용한 충치 진단에서는 정확한 충치의 영역표시(Segmentation)를 위해서 픽셀 단위의 정교한 Mask Label이 필요하다. 하지만 현실적으로 확보 가능한 데이터는 polygon들이고, 정교한 마스크 데이터..

논문제목 : CCTV 영상을 활용한 강우량 산정기법 개발https://drive.google.com/file/d/1ZsWgHptCJJT2cORR0AwHd-2-H7UFytJm/view?usp=sharing 논문리뷰 링크 :https://www.notion.so/CCTV-2f94b3220c7380dcbdfcefac86ecdf60?source=copy_link

μ² Tokenizer: Differentiable Multi-Scale Multi-Modal Tokenizer for Radiology Report GenerationMICCAI 2025 AbstractBackground: Automated Radiology Report Generation (RRG)은 진단 효율성을 높이는 핵심 기술이나, 고용량 3D CT data 처리 시 발생하는 Information Loss와 Report Evaluation의 객관성 부재라는 난제 존재.Proposal: Multi-scale Multimodal LLM인 μ²LLM을 제안함. 핵심 모듈인 μ² Tokenizer를 통해 Differentiable한 방식으로 Visual features를 효율적으로 압축하고 Text ..