[論文レビュー] Teeth3DS+: An Extended Benchmark for Intraoral 3D Scans Analysis

Achraf Ben-Hamadou, Neifar, Nour+6 more|arXiv (Cornell University)|Oct 12, 2022

Dental Radiography and Imaging被引用数 20

ひとこと要約

Teeth3DS+ は歯のセグメンテーションとラベリングのための1800個の口腔内3Dスキャン（23999個の注釈歯）を公開ベンチマークとして提供し、詳細な注釈パイプラインとMICCAI 2022チャレンジのユースケースに同行します。

ABSTRACT

Intraoral 3D scanning is now widely adopted in modern dentistry and plays a central role in supporting key tasks such as tooth segmentation, detection, labeling, and dental landmark identification. Accurate analysis of these scans is essential for orthodontic and restorative treatment planning, as it enables automated workflows and minimizes the need for manual intervention. However, the development of robust learning-based solutions remains challenging due to the limited availability of high-quality public datasets and standardized benchmarks. This article presents Teeth3DS+, an extended public benchmark dedicated to intraoral 3D scan analysis. Developed in the context of the MICCAI 3DTeethSeg and 3DTeethLand challenges, Teeth3DS+ supports multiple fundamental tasks, including tooth detection, segmentation, labeling, 3D modeling, and dental landmark identification. The dataset consists of rigorously curated intraoral scans acquired using state-of-the-art scanners and validated by experienced orthodontists and dental surgeons. In addition to the data, Teeth3DS+ provides standardized data splits and evaluation protocols to enable fair and reproducible comparison of methods, with the goal of fostering progress in learning-based analysis of 3D dental scans. Detailed instructions for accessing the dataset are available at https://crns-smartvision.github.io/teeth3ds

研究の動機と目的

• 矯正計画の自動CADツールの開発を促進するために、大規模で公開されている口腔内3D歯データセットを提供する。
• 現実的 IOS データ上で歯の検出、セグメンテーション、ラベリング手法の公正な評価を可能にする。
• 口腔内スキャンから歯列の3Dモデリングと再構成といったより広いタスクを支援する。

提案手法

• Primescan、Trios3、iTero Element 2 Plus の3つの IOS デバイスを用いて900人の患者の口腔内スキャン（上顎と下顎）を収集する。
• 前処理、ポーズ正規化、歯のクロップ、調和的パラメータ化によるUVマッピング、境界の逆伝播、臨床検証を含む8段階のプロセスで歯を注釈する。
• 訓練/テスト分割を JSON 形式で提供（1200スキャン訓練、600テスト）し、グラウンドトゥルースのラベルとインスタンスをJSON形式で提供。
• 咬合平面にスキャンを合わせ、歯の視認性とポーズ正規化を改善するためデータを中心化する。
• 歯のラベリングにはFDI世界歯科連盟の番号を使用し、矯正医/歯科医による臨床検証を保証する。
• データ操作と評価指標のコードを共有し、Figshareでデータをホストする。

実験結果

リサーチクエスチョン

• RQ1 自動化手法は3D口腔内スキャンにおいて個々の歯の位置特定、セグメンテーション、ラベリングを正確に行えるのか？

主な発見

• 方法間の局所化精度は45.3%から96.58%の範囲である。
• 歯のセグメンテーション精度は81.26%から98.59%の範囲である。
• 歯の識別（ラベリング）率は68.36%から91%の範囲である。
• データセットは900人の患者からの1800スキャンで、総計23999本の歯（うちトレーニング16004、テスト7995）を含む。
• 上顎と下顎の歯数分布は比較可能で、評価を均衡に可能にする。