[논문 리뷰] An Online Platform for Automatic Skull Defect Restoration and Cranial Implant Design

Jianning Li, Antonio Pepe외 2명|arXiv (Cornell University)|2020. 06. 01.

Anatomy and Medical Technology참고 문헌 13인용 수 5

한 줄 요약

이 논문은 스터디어펜스에 통합된 온라인 클라우드 기반 플랫폼을 제시하며, 뇌척추 결함 복원을 위한 딥러닝을 사용해 완전 자동으로 천골 임플란트 설계를 가능하게 한다. 시스템은 CT 스캔에서 결손된 뼈 구조를 복구하고, 체적 형태 복원을 통해 환자 맞춤형 임플란트를 생성하며, 높은 기하학적 정확도와 결함 경계에 대한 정확한 맞춤형도를 갖춘 STL 파일을 출력하여 3D 프린팅에 적합하다.

ABSTRACT

We introduce a fully automatic system for cranial implant design, a common task in cranioplasty operations. The system is currently integrated in Studierfenster (http://studierfenster.tugraz.at/), an online, cloud-based medical image processing platform for medical imaging applications. Enhanced by deep learning algorithms, the system automatically restores the missing part of a skull (i.e., skull shape completion) and generates the desired implant by subtracting the defective skull from the completed skull. The generated implant can be downloaded in the STereoLithography (.stl) format directly via the browser interface of the system. The implant model can then be sent to a 3D printer for in loco implant manufacturing. Furthermore, thanks to the standard format, the user can thereafter load the model into another application for post-processing whenever necessary. Such an automatic cranial implant design system can be integrated into the clinical practice to improve the current routine for surgeries related to skull defect repair (e.g., cranioplasty). Our system, although currently intended for educational and research use only, can be seen as an application of additive manufacturing for fast, patient-specific implant design.

연구 동기 및 목표

• 전문가가 수행하는 수작업 기반의 천골 임플란트 설계가 시간과 비용이 많이 소요되는 문제를 해결하기 위해.
• 제3자 설계 서비스에 의존하지 않고도 환자 맞춤형 천골 임플란트를 완전 자동으로 생성할 수 있는 시스템을 개발하기 위해.
• 더 넓은 임상 및 연구 접근성을 위해 클라우드 기반으로 구동되며 브라우저에서 접근 가능한 플랫폼에 임플란트 설계 파이프라인을 통합하기 위해.
• 적층 제조 기반의 빠르고 저비용이며 자동화된 임플란트 설계를 통해 천골 수술 워크플로우를 최적화하기 위해.
• 실제 임상 환경에서 딥러닝 기반의 체적 형태 복원 기술이 의료 임플란트 설계에 적용 가능한지 입증하기 위해.

제안 방법

• 시스템은 결손된 뇌척추 부위의 체적 형태 복원 문제로 간주하여, 결손된 뇌척추 부위의 볼륨에서 결손된 뼈 구조를 복원한다.
• 이전 해부학적 지식을 기반으로 딥러닝을 사용하여 결손된 뇌척추 $\mathbf{S}_d$ 로부터 완전한 뇌척추 형태 $\mathbf{S}_c$ 를 예측한다.
• 천골 임플란트 $\mathbf{I}$ 는 완성된 뇌척추와 결손된 뇌척추의 차이로 계산된다: $\mathbf{I} = \mathbf{S}_c - \mathbf{S}_d$.
• 플랫폼은 원격 서버에서 실행되어 로컬 컴퓨팅 자원이 필요 없는 웹 브라우저를 통한 접근을 가능하게 한다.
• 시스템은 .nrrd 형식의 CT 데이터를 직접 업로드할 수 있으며, 브라우저에서 3D 모델을 렌더링하여 사용자가 검토할 수 있도록 한다.
• 최종 임플란트는 표준 .stl 형식으로 내보내져 후속 3D 프린팅 또는 가공에 적합하다.

실험 결과

연구 질문

• RQ1 실제 임상 CT 스캔에서 딥러닝 기반의 완전 자동 시스템이 정확한 뇌척추 결함 복원을 달성할 수 있는가?
• RQ2 생성된 임플란트가 경계, 두께, 해부학적 일관성 측면에서 원래의 뇌척추 결함에 얼마나 잘 맞는가?
• RQ3 온라인 클라우드 기반 플랫폼이 천골 수술에서 전통적인 수작업 기반 임플란트 설계 워크플로우를 얼마나 대체할 수 있는가?
• RQ4 밀도 높은 3D 메쉬 렌더링을 위한 브라우저 기반 서버 측 이미지 처리 파이프라인의 성능 및 확장성에 한계는 무엇인가?
• RQ5 형태 복원과 임플란트 생성을 하나의 플랫폼에 통합함으로써 뇌척추 임플란트 설계의 시간과 비용을 크게 줄일 수 있는가?

주요 결과

• 시스템은 딥러닝을 활용해 결손된 CT 스캔에서 해부학적으로 타당하고 완전한 뇌척추 형태를 성공적으로 복원한다.
• 검토된 시각적 및 정량적 비교를 통해 생성된 임플란트가 결함 경계에 정밀하게 맞고 일관된 뼈 두께를 유지함을 입증하였다.
• 표준 웹 브라우저를 통해 접근 가능한 엔드 투 엔드 완전 자동 임플란트 설계가 가능하며, 로컬 소프트웨어나 고성능 하드웨어가 필요 없음을 입증하였다.
• 브라우저에서 직접 고품질의 .stl 파일을 출력하여 표준 3D 프린팅 워크플로우와 호환됨을 확인하였다.
• 스터디어펜스에 통합되어 신속한 배포 및 반복적 개선이 가능하여 임상 및 교육적 활용 가능성에 대한 타당성을 입증하였다.
• 성능은 현재 서버 측 메쉬 변환 속도와 클라이언트 측 데이터 전송 속도로 인해 제한되어 있으며, 특히 고해상도 모델에서 두드러진다.