[論文レビュー] Automatic segmenting teeth in X-ray images: Trends, a novel data set, benchmarking and future perspectives

Gil Jader, Luciano Oliveira+1 more|arXiv (Cornell University)|Feb 9, 2018

Dental Radiography and Imaging参考文献 37被引用数 3

ひとこと要約

本稿は10種類の歯科X線画像セグメンテーション手法をレビューし、1,500枚のアノテート済み全景（外部被照法）X線画像からなる新規公開データセットを紹介し、手法間の性能をベンチマーク化している。閾値ベース手法が支配的（54％）であることが判明し、現在のデータセットの限界が浮き彫りにされ、オрトパノマグラムにおける自動歯のセグメンテーションを進めるためにディープラーニングの活用が提言されている。

ABSTRACT

This review presents an in-depth study of the literature on segmentation methods applied in dental imaging. Ten segmentation methods were studied and categorized according to the type of the segmentation method (region-based, threshold-based, cluster-based, boundary-based or watershed-based), type of X-ray images used (intra-oral or extra-oral) and characteristics of the dataset used to evaluate the methods in the state-of-the-art works. We found that the literature has primarily focused on threshold-based segmentation methods (54%). 80% of the reviewed papers have used intra-oral X-ray images in their experiments, demonstrating preference to perform segmentation on images of already isolated parts of the teeth, rather than using extra-oral X-rays, which show tooth structure of the mouth and bones of the face. To fill a scientific gap in the field, a novel data set based on extra-oral X-ray images are proposed here. A statistical comparison of the results found with the 10 image segmentation methods over our proposed data set comprised of 1,500 images is also carried out, providing a more comprehensive source of performance assessment. Discussion on limitations of the methods conceived over the past year as well as future perspectives on exploiting learning-based segmentation methods to improve performance are also provided.

研究の動機と目的

• 手法の種別、画像モodalitiy、データセット特性に基づいて、歯科X線画像分野における最新のセグメンテーション手法を分析・分類すること。
• 外部被照法（全景）X線画像用に多様で公開可能なデータセットが不足している問題を解決するため、1,500枚の全景レントゲン写真をアノテート済みで新たに提供すること。
• 提案されたデータセット上で10種類のセグメンテーション手法の統計的ベンチマーク評価を実施し、性能を評価するとともに、手法論的限界を特定すること。
• 画像アーチファクト、解剖学的重複、低コントラストの処理といった、自動歯科X線画像解析における現在の課題について議論すること。
• 特に、ディープラーニングなどの学習ベース手法の可能性を検討し、精度と頑健性の向上に寄与する今後の研究方向性を模索すること。

提案手法

• 著者は10種類のセグメンテーション手法について包括的な文献レビューを実施し、領域ベース、閾値ベース、クラスターベース、境界ベース、ウォーターシェドベースの分類に分類した。
• 1,500枚の外部被照法全景（オルトパノマグラフィック）X線画像から構成される新規収集データセットを用い、各画像に歯の境界が手動でアノテートされた。
• 標準的なセグメンテーション指標（例：Diceスコア、Jaccardインデックス）を用いて統計的比較を実施し、データセット全体における手法の精度と頑健性を評価した。
• データセットのばらつきと多様性を分析し、現在の公開データセットにおけるギャップを特定した。特に、歯科内被照法X線に偏りが強く、解剖学的変異の表現が限定的であることが判明した。
• エネルギー最小化やディープラーニングフレームワーク（例：完全畳み込みネットワーク（FCNs）、セマンティックセグメンテーションモデル）の可能性を検討した。
• 著者らは、学習ベースのモデルが、大規模なアノテート済みデータセットから複雑な形状や強度パターンを自動で学習することで、従来手法の限界を克服できると提言した。

実験結果

リサーチクエスチョン

• RQ1 現在の歯科X線画像セグメンテーション研究において、どのセグメンテーション手法カテゴリが最も多く使用されているか？
• RQ2 既存の公開データセットが、歯科セグメンテーション手法の評価に十分な多様性と代表性を備えているか？
• RQ3 外部被照法全景X線画像において、どのセグメンテーション手法が最高の性能を示し、統計的にどのように比較されるか？
• RQ4 特に画像アーチファクトや解剖学的重複に関して、現在のセグメンテーション技術にどのような主な限界があるか？
• RQ5 ディープラーニングベースのアプローチは、オルトパノマグラムにおける自動歯のセグメンテーション分野の最先端技術をどのように前進させ得るか？

主な発見

• 閾値ベースのセグメンテーション手法が最も広く使用されており、レビュー対象論文の54％を占めている。
• レビュー対象論文の80％が歯科内被照法X線画像を用いており、これは、孤立した歯領域を対象とすることに対して強い傾向があることを示している。
• 1,500枚のアノテート済み全景X線画像からなる本研究で提案されたデータセットは、外部被照法歯科画像分野における公開データ不足という重要なギャップを埋めている。
• 統計的ベンチマーク評価により、手法間での性能のばらつきが顕著に現れ、ディープラーニングベースのアプローチが頑健性と精度の向上に大きな可能性を示している。
• 従来手法は画像アーチファクト、低コントラスト、および重複する解剖学的構造（例：歯と顎骨）の処理に苦慮しており、臨床現場での信頼性が制限されている。
• 著者らは、学習ベースのセグメンテーション、特にディープラーニングが、全景レントゲン写真におけるより正確で汎用性の高い歯のセグメンテーションを実現するための有望な今後の方向性であると結論づけた。