[論文レビュー] 3DTeethSeg'22: 3D Teeth Scan Segmentation and Labeling Challenge

Achraf Ben-Hamadou, Oussama Smaoui+30 more|arXiv (Cornell University)|May 29, 2023

Dental Radiography and Imaging被引用数 10

ひとこと要約

本論文は intraoral 3D スキャンからの歯の局所化、セグメンテーション、ラベリングのための 3DTeethSeg'22 MICCAI チャレンジを提示し、データセット、注釈プロセス、評価指標、及び六つのトップ手法を詳述する。

ABSTRACT

Teeth localization, segmentation, and labeling from intra-oral 3D scans are essential tasks in modern dentistry to enhance dental diagnostics, treatment planning, and population-based studies on oral health. However, developing automated algorithms for teeth analysis presents significant challenges due to variations in dental anatomy, imaging protocols, and limited availability of publicly accessible data. To address these challenges, the 3DTeethSeg'22 challenge was organized in conjunction with the International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) in 2022, with a call for algorithms tackling teeth localization, segmentation, and labeling from intraoral 3D scans. A dataset comprising a total of 1800 scans from 900 patients was prepared, and each tooth was individually annotated by a human-machine hybrid algorithm. A total of 6 algorithms were evaluated on this dataset. In this study, we present the evaluation results of the 3DTeethSeg'22 challenge. The 3DTeethSeg'22 challenge code can be accessed at: https://github.com/abenhamadou/3DTeethSeg22_challenge

研究の動機と目的

• Intraoral 3D スキャンから自動的な歯の局所化、セグメンテーション、ラベリングを調査する。
• Expert によって注釈付けされたグラウンドトラウトを含む大規模で公開可能なデータセットを提供する。
• 局所化、セグメンテーション、ラベリングの標準化評価指標を確立する。
• 多様なスキャナーと解剖学にまたがる堅牢な自動歯科解析アルゴリズムの開発を促進する。

提案手法

• 900 名の患者から収集した 1800 件の口腔内スキャンのデータセットを、人間と機械のハイブリッドプロセスで歯ごとに注釈を作成する。
• 各歯について、局所化（3D セントロイド）、セグメンテーション（歯の境界頂点）、ラベリング（FDI ベース）を定義する。
• 訓練フェーズと二つのテストフェーズを含む MICCAI Satellite Challenge を組織し、隠れデータでの docker ベースの評価を含める。
• 訓練/テスト用のグラウンドトゥルース注釈と JSON ベースの各頂点ラベルおよびインスタンスを提供する。
• 参加者を Teeth Localization Accuracy (TLA)、Teeth Segmentation Accuracy (TSA)、Teeth Identification Rate (TIR) で評価する。
• 多様なアプローチ（マルチステージのパイプライン、2D/3D CNN、グラフベースおよびトランスフォーマー風の戦略）を用いた六つのトップ手法を要約する。

Figure 1 : Illustration of our annotation process. An input 3D IOS is annotated following eight steps, beginning with preprocessing and pose normalization and ending with clinical validation. The clinical validator can return the annotation to steps 2, 4, or 7, depending on the raised issue, which r

実験結果

リサーチクエスチョン

• RQ1 被験者およびスキャナーを跨いだ intraoral 3D スキャンにおいて、歯をどれだけ正確に局所化、セグメンテーション、ラベリングできるか。
• RQ2 点ベース、メッシュベース、2D 強化アプローチなど、異なるアルゴリズム戦略が局所化、セグメンテーション、ラベリングの性能に及ぼす影響はどの程度か。
• RQ3 専門家注釈付きの公開データセットは 3D 歯科解析の再現性のある進展を促すか。
• RQ4 標準化評価指標（TLA、TSA、TIR）は多様な手法を比較するのに効果的か。
• RQ5 本領域における注釈、データ前処理、および後処理の実務的考慮事項は何か。

主な発見

• 六つのトップ手法が共通の 3D 口腔内スキャンデータセットでベンチマークされた。
• チャレンジは局所化、セグメンテーション、ラベリングの性能を定量化するために、TLA、TSA、TIR の三つの評価指標を定義した。
• グラウンドトゥルースの各頂点ラベルを含む公開データセット（訓練・テスト分割）は再現可能な研究を可能にする。
• 注釈パイプラインは前処理、姿勢正規化、境界注釈のための UV マッピング、臨床的検証を組み合わせて歯ごとに正確さを保証する。
• 公開チャレンジリソースには、将来の研究開発を支援するコードおよびデータ処理スクリプトが含まれる。
• 本論文は参加手法と、異なる方法論的ファミリーにわたる主要構成要素の要約を提供する。

Figure 2 : FDI World Dental Federation notation 2 2 2 FDI World Dental Federation numbering system, Wikipedia, last modified May 20, 2022. https://en.wikipedia.org/wiki/FDI $\_$ World $\_$ Dental $\_$ Federation $\_$ notation .