@techreport{oai:ipsj.ixsq.nii.ac.jp:00226266,
 author = {村野, 泰斗 and 棟安, 実治 and 吉田, 壮 and 浅野, 晃 and 内田, 啓一 and Taito, Murano and Mitsuji, Muneyasu and Soh, Yoshida and Akira, Asano and Keiichi, Uchida},
 issue = {2},
 month = {Jun},
 note = {歯科で撮影される歯科パノラマ X 線写真の頸動脈位置に，動脈硬化の兆候とされる石灰化領域が観測される場合がある．そのために，歯科パノラマ X 線写真から石灰化領域を自動的に検出するために，セマンティックセグメンテーションによる手法が提案されている．セマンティックセグメンテーションの出力はラベル確率付きの画像であるため，その画像から石灰化の有無を判定する必要がある．ここでは，新たな検出器としてセグメンテーションモデル (TransCaraNet) と畳み込みニューラルネットワーク (Res2Net) を組み合わせたモデルを提案する．また，このモデルに対する学習に Multi-Task Learning (MTL) の適用を提案する．これにより，セグメンテーションタスクと識別タスクという性質の異なるタスクを効率よく学習することができ，高精度な検出が達成可能である．実験として，提案手法を実際の歯科パノラマ X 線写真に適用し，その結果から提案手法の有効性を示す．, Calcification regions, considered a sign of atherosclerosis, are sometimes observed in the carotid arteries in dental panoramic radiographs. For this purpose, a semantic segmentation-based method has been proposed to detect calcification regions in dental panoramic radiographs automatically. Since the output of semantic segmentation is an image with a label probability, it should determine the presence of calcification regions from the image. This paper proposes a new detector that combines a segmentation model (TransCaraNet) and a convolutional neural network (Res2Net). We also propose the application of Multi-Task Learning (MTL) to this model. The MTL helps the model efficiently learn two tasks with different characteristics, i.e., the segmentation and discriminant tasks. The proposed method can achieve highly accurate detection. As an experiment, we apply the proposed method to an actual dental panoramic radiograph and show the effectiveness of the proposed method from the results.},
 title = {歯科パノラマX線写真における石灰化領域検出のための新たな検出器の提案とその学習におけるMTLの適用},
 year = {2023}
}