[論文レビュー] OralBBNet: Spatially Guided Dental Segmentation of Panoramic X-Rays with Bounding Box Priors

Devichand Budagam, Azamat Zhanatuly Imanbayev+4 more|arXiv (Cornell University)|Jun 6, 2024

Dental Radiography and Imaging被引用数 4

ひとこと要約

本稿では、パノラマX線における歯のインスタンスセグメンテーションと分類を同時に高精度で行う、YOLOv8を用いた境界ボックス検出と、変更を加えたU-Net（BB-UNet）を組み合わせた、二段階の深層学習フレームワーク、OralBBNetを提案する。YOLOv8の予測から得られる空間的プライアを活用することで、標準的なU-Netに比べてDice係数が10–15%向上し、歯の分類におけるmAPも3%向上した。特に、大臼歯や小臼歯のような複雑な歯科構造において優れた性能を示した。

ABSTRACT

Teeth segmentation and recognition play a vital role in a variety of dental applications and diagnostic procedures. The integration of deep learning models has facilitated the development of precise and automated segmentation methods. Although prior research has explored teeth segmentation, not many methods have successfully performed tooth segmentation and detection simultaneously. This study presents UFBA-425, a dental dataset derived from the UFBA-UESC dataset, featuring bounding box and polygon annotations for 425 panoramic dental X-rays. In addition, this paper presents the OralBBNet architecture, which is based on the best segmentation and detection qualities of architectures such as U-Net and YOLOv8, respectively. OralBBNet is designed to improve the accuracy and robustness of tooth classification and segmentation on panoramic X-rays by leveraging the complementary strengths of U-Net and YOLOv8. Our approach achieved a 1-3% improvement in mean average precision (mAP) for tooth detection compared to existing techniques and a 15-20% improvement in the dice score for teeth segmentation over state-of-the-art (SOTA) solutions for various tooth categories and 2-4% improvement in the dice score compared to other SOTA segmentation architectures. The results of this study establish a foundation for the wider implementation of object detection models in dental diagnostics.

研究の動機と目的

• パノラマX線はしばしばコントラストが低くノイズが多いが、その中で正確かつ同時に歯のインスタンスセグメンテーションと分類を実現する課題に取り組む。
• 従来手法がすべての歯を1つのクラスとして扱うか、複雑な解剖的変異に一般化できないという限界を克服する。
• 境界ボックスという空間的プライアを活用して、U-Netのセグメンテーション精度を向上させ、特に密集しているか、劣化した歯の領域において効果を発揮する。
• YOLOv8の高速推論とBB-UNetの高精度セグメンテーションを組み合わせることで、臨床現場への導入に適した堅牢で効率的なパイプラインを開発する。
• 高度なインスタンスセグメンテーションと分類タスクを支援するため、ポリゴンと境界ボックスの両方のアノテーションを備えた新しいアノテート済み歯科データセットを構築する。

提案手法

• パノラマX線における個々の歯の境界ボックスを予測する1段階のオブジェクト検出器としてYOLOv8を活用し、空間的プライアを提供する。
• YOLOv8が予測した境界ボックスをU-Netアーキテクチャのスキップ接続に統合することで、特徴学習をガイドし、局所化精度を向上させる。
• ピクセル単位のセグメンテーション性能を最適化するため、エンドツーエンドでクロスエントロピー損失とDice損失を用いてBB-UNetモデルを訓練する。
• 一般化性能を向上させるために、データオーグメンテーションとクラスバランス技術を適用し、インプラントや重度に劣化した歯などレアクラスに対しても効果を発揮する。
• バックボーンネットワークの初期化にトランスファーラーニングとファインチューニングを活用することで、限られた歯科データでも収束性と性能を向上させる。
• 正確な評価を可能にするために、境界ボックスとポリゴンの両方のアノテーションが付与された425枚のパノラマX線から構成される新規データセット上でパイプラインを評価する。

Figure 1: FDI Teeth Numbering Notation

実験結果

リサーチクエスチョン

• RQ1 YOLOv8から得られる境界ボックスプライアを統合することで、パノラマ歯科X線におけるU-Netベースのインスタンスセグメンテーションの精度が顕著に向上するか？
• RQ2 BB-UNetの性能は、標準的なU-Netや、Mask R-CNN、PANetといった最先端モデルと比較して、さまざまな歯の種類においてどう異なるか？
• RQ3 YOLOv8が生成する境界ボックス予測の品質が、BB-UNetの最終的セグメンテーション性能にどの程度影響を及えるか？
• RQ4 本手法は、充填歯、インプラント、または重度に劣化した歯のような困難なケースに対しても高い性能を維持できるか？
• RQ5 YOLOv8のような軽量で1段階の検出モデルは、臨床的歯科画像において高速な推論を実現しながらも、高精度なセグメンテーションを維持できるか？

主な発見

• BB-UNetは、全歯種別で標準U-Netに比べて10–15%のDice係数の向上を達成し、特に大臼歯と小臼歯で最も顕著な向上が見られた。
• 従来手法に比べて、歯の分類におけるmAPが3%向上し、優れた分類性能を示した。
• YOLOv8は、mAP（72.9%）でMask R-CNN、HTC、ResNeStを上回り、特に複雑で多様なテストセットにおいてAP50（94.6%）でも同等または上回った。
• BB-UNetの性能は、正確なYOLOv8の予測に強く依存しており、境界ボックスが欠落している場合には性能がU-Net水準まで低下した。これは、空間的プライアに依存していることを確認した。
• Mask R-CNN や U-Net + Mask R-CNN と同等のセグメンテーション性能を達成したが、推論が高速であったため、リアルタイム臨床利用に適している。
• 境界ボックスとポリゴンの両方のアノテーションが付与された425枚のパノラマX線から構成される新規データセットのおかげで、歯科インスタンスセグメンテーション分野におけるより正確な評価と今後のベンチマークが可能になった。