[論文レビュー] Automatic Three-Dimensional Cephalometric Annotation System Using Three-Dimensional Convolutional Neural Networks

Sung Ho Kang, Kiwan Jeon+3 more|arXiv (Cornell University)|Nov 19, 2018

Dental Radiography and Imaging参考文献 27被引用数 6

ひとこと要約

本論文では、空間的正確性を向上させるために画像リサンプリングを適用する3次元畳み込みニューラルネットワーク（3D-CNN）システムを提案し、CTスキャンにおける自動3次元セファロメトリックランドマークのアノテーションを実現する。システムはx軸、y軸、z軸にそれぞれ3.26 mm、3.18 mm、4.81 mmの平均予測誤差を達成し、3次元距離誤差は7.61 mmであった。これは解剖学的領域にわたる高い一貫性を示している。

ABSTRACT

Background: Three-dimensional (3D) cephalometric analysis using computerized tomography data has been rapidly adopted for dysmorphosis and anthropometry. Several different approaches to automatic 3D annotation have been proposed to overcome the limitations of traditional cephalometry. The purpose of this study was to evaluate the accuracy of our newly-developed system using a deep learning algorithm for automatic 3D cephalometric annotation. Methods: To overcome current technical limitations, some measures were developed to directly annotate 3D human skull data. Our deep learning-based model system mainly consisted of a 3D convolutional neural network and image data resampling. Results: The discrepancies between the referenced and predicted coordinate values in three axes and in 3D distance were calculated to evaluate system accuracy. Our new model system yielded prediction errors of 3.26, 3.18, and 4.81 mm (for three axes) and 7.61 mm (for 3D). Moreover, there was no difference among the landmarks of the three groups, including the midsagittal plane, horizontal plane, and mandible (p>0.05). Conclusion: A new 3D convolutional neural network-based automatic annotation system for 3D cephalometry was developed. The strategies used to implement the system were detailed and measurement results were evaluated for accuracy. Further development of this system is planned for full clinical application of automatic 3D cephalometric annotation.

研究の動機と目的

• 3次元頭顔面評価における手動および従来の2次元セファロメトリック分析の限界を克服すること。
• 高精度でCTデータから3次元頭骨ランドマークを自動的にアノテートできるディープラーニングベースのシステムを開発すること。
• 中線 sagittal 平面、水平平面、下顎を含むさまざまな解剖学的領域におけるシステムの性能を評価すること。
• 臨床統合に適した強固で自動化された3次元セファロメトリックアノテーションパイプラインを確立すること。

提案手法

• 3次元畳み込みニューラルネットワーク（3D-CNN）を訓練し、頭骨CTボリューム上の解剖学的ランドマークの3次元座標を直接予測する。
• 3次元特徴空間における局所化精度を向上させるために、画像データのリサンプリングを適用する。
• 予測値と正解ランドマーク座標の差を最小化するように、回帰損失関数を用いてネットワークを最適化する。
• システムは全身CTスキャンを処理し、各ターゲットランドマークの3次元座標を出力する。
• 平均絶対誤差（MAE）を用いて3軸および3次元オイラー距離の観点から性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 3D-CNNモデルは、CTスキャン上での3次元セファロメトリックランドマークの正確で一貫性のある自動アノテーションを達成できるか？
• RQ2 中線 sagittal 平面、水平平面、下顎などのさまざまな解剖学的領域において、システムの性能はどのように変動するか？
• RQ3 画像リサンプリングは、3次元ディープラーニングモデルにおけるランドマーク局所化精度をどの程度向上させるか？
• RQ4 予測誤差の分布は、すべてのランドマーク群において一様であるか？

主な発見

• x軸方向の平均予測誤差は3.26 mm、y軸方向は3.18 mm、z軸方向は4.81 mmであった。
• 予測ランドマークと基準ランドマーク間の平均3次元オイラー距離誤差は7.61 mmであった。
• 3つの解剖学的群間で誤差に有意差は認められなかった（p > 0.05）、これは一貫性のある性能を示している。
• 本手法は、ディープラーニングを用いた自動3次元セファロメトリックアノテーションの実現可能性を示している。