[論文レビュー] ImplantFormer: Vision Transformer based Implant Position Regression Using Dental CBCT Data

Xinquan Yang, Xuguang Li+4 more|arXiv (Cornell University)|Oct 29, 2022

Dental Implant Techniques and Outcomes参考文献 48被引用数 4

ひとこと要約

本論文では、歯冠の2次元軸方向コーンビームCT（CBCT）画像を用いて歯科インプラントの位置を予測する、ビジョントランスフォーマーに基づく深層学習モデル、ImplantFormerを提案する。訓練時においては、根部から歯冠へインプラント中心線のアノテーションを投影し、推論時においては予測結果を逆投影することで、マルチヘッド自己注意機構を介してローカル特徴と長距離依存関係を活用し、13.7%のAP@75を達成し、インプラント位置回帰分野で最先端の性能を実現した。

ABSTRACT

Implant prosthesis is the most appropriate treatment for dentition defect or dentition loss, which usually involves a surgical guide design process to decide the implant position. However, such design heavily relies on the subjective experiences of dentists. In this paper, a transformer-based Implant Position Regression Network, ImplantFormer, is proposed to automatically predict the implant position based on the oral CBCT data. We creatively propose to predict the implant position using the 2D axial view of the tooth crown area and fit a centerline of the implant to obtain the actual implant position at the tooth root. Convolutional stem and decoder are designed to coarsely extract image features before the operation of patch embedding and integrate multi-level feature maps for robust prediction, respectively. As both long-range relationship and local features are involved, our approach can better represent global information and achieves better location performance. Extensive experiments on a dental implant dataset through five-fold cross-validation demonstrated that the proposed ImplantFormer achieves superior performance than existing methods.

研究の動機と目的

• 歯科CBCT画像におけるインプラント位置予測プロセスを自動化し、主観的な臨床的判断への依存を低減すること。
• CBCTにおけるぼやけた根部領域の課題に対処するため、画像品質が良好な歯冠の2次元軸方向ビューで学習すること。
• ビジョントランスフォーマーのアーキテクチャを用いて、ローカル画像特徴と長距離空間的関係を統合することで、予測のロバスト性を向上させること。
• 3次元ボリューム処理を必要とせずに、複数の2次元スライスにおける予測を統合し、中心線フィッティングによって正確な3次元インプラント位置推定を可能とすること。

提案手法

• モデルは、ビジョントランスフォーマーエンコーダーにおけるパッチ埋め込みの前に、畳み込みスタムを用いて粗い特徴を抽出する。
• バックボーンから得られる多段階の特徴マップを畳み込みデコーダーを用いて統合し、表現のロバスト性を向上させる。
• インプラント位置は、歯冠の2次元軸方向CBCTスライス上で予測され、アノテーションは空間変換アルゴリズムを用いて根部から歯冠へ投影される。
• 予測されたインプラント中心位置は、歯冠から根部領域へ逆投影され、実際の3次元インプラント位置が推定される。
• 複数の2次元スライスにわたる予測位置を通じて中心線をフィッティングすることで、3次元文脈を回復し、空間的一致性を向上させる。
• ビジョントランスフォーマーは、マルチヘッド自己注意機構を用いて、遠く離れた画像パッチ間の長距離依存関係、特にインプラント挿入部位と隣接歯との間の関係をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 ビジョントランスフォーマーに基づくモデルは、歯科CBCTデータにおいて、アンカーベースおよびアンカーフリー物体検出器と比較して、優れたインプラント位置予測精度を達成できるか？
• RQ2 画像品質が良好な歯冠の2次元軸方向ビューで学習することで、直接根部レベルでの学習に比べて、より正確なインプラント位置予測が得られるか？
• RQ3 インプラント挿入部位と隣接歯との間の長距離空間的関係を、どのように活用することで局在化精度が向上するか？
• RQ4 3次元ボリューム処理を必要とせずに、複数の2次元スライスにわたる中心線フィッティングが、3次元文脈をどの程度保持できるか？
• RQ5 ビジョントランスフォーマーの注意メカニズムは、歯科医師が臨床意思決定に用いるプロセスとどの程度整合するか？

主な発見

• ImplantFormerは、歯科インプラントデータセットにおいてAP@75が13.7%を達成し、Deformable DETR（12.8%）やアンカーフリー手法のVFNet（11.8%）を含むすべてのベースライン検出器を上回った。
• Deformable DETRよりも5ピクセル以内の予測を8%多く生成したが、APは1.2%高いにもかかわらず、局在化精度に優れた性能を示した。
• 注意マップの可視化により、モデルが隣接歯の縁に注目していることが確認され、歯科医師が用いる臨床的戦略と一致した。
• スライスビュー比較により、予測されたインプラントの位置と方向が、軸方向、矢状方向、冠状方向のすべてのビューで、正解とよく一致した。
• 歯が疎らな難易度の高いケースにおいても、ImplantFormerは正確な予測を維持したが、VFNetやDeformable DETRは誤検出を生じた。
• 畳み込みデコーダーによる多段階特徴の統合は、特徴表現と予測のロバスト性を顕著に向上させた。