[논문 리뷰] RegFreeNet: A Registration-Free Network for CBCT-based 3D Dental Implant Planning

Xinquan Yang, Xuguang Li외 7명|arXiv (Cornell University)|2026. 01. 21.

Dental Radiography and Imaging인용 수 1

한 줄 요약

RegFreeNet은 마스크된 이식 후 CBCT 데이터를 사용해 임플란트 위치와 경사를 예측하고, paired pre/postoperative 스캔 없이 훈련하며, 대규모 평가를 위한 ImplantFairy 데이터셋을 발표한다.

ABSTRACT

As the commercial surgical guide design software usually does not support the export of implant position for pre-implantation data, existing methods have to scan the post-implantation data and map the implant to pre-implantation space to get the label of implant position for training. Such a process is time-consuming and heavily relies on the accuracy of registration algorithm. Moreover, not all hospitals have paired CBCT data, limitting the construction of multi-center dataset. Inspired by the way dentists determine the implant position based on the neighboring tooth texture, we found that even if the implant area is masked, it will not affect the determination of the implant position. Therefore, we propose to mask the implants in the post-implantation data so that any CBCT containing the implants can be used as training data. This paradigm enables us to discard the registration process and makes it possible to construct a large-scale multi-center implant dataset. On this basis, we proposes ImplantFairy, a comprehensive, publicly accessible dental implant dataset with voxel-level 3D annotations of 1622 CBCT data. Furthermore, according to the area variation characteristics of the tooth's spatial structure and the slope information of the implant, we designed a slope-aware implant position prediction network. Specifically, a neighboring distance perception (NDP) module is designed to adaptively extract tooth area variation features, and an implant slope prediction branch assists the network in learning more robust features through additional implant supervision information. Extensive experiments conducted on ImplantFairy and two public dataset demonstrate that the proposed RegFreeNet achieves the state-of-the-art performance.

연구 동기 및 목표

• 임플란트 계획을 위한 사전/사후 이식 CBCT 스캔 간의 등록에 의존하지 않도록 한다.
• 마스킹된 이식 후 CBCT를 활용해 대규모 다기관 데이터셋 구성을 가능하게 한다.
• 임플란트 위치와 경사를 각각 학습하기 위한 경사 인식 이중 분기 네트워크를 개발한다.
• 명시적 사전/사후 감독 없이 해부학적 맥락을 회복하기 위한 Neighboring Distance Perception (NDP) 모듈을 도입한다.
• 벤치마킹을 위한 보셀 수준 주석이 포함된 공개적인 ImplantFairy 데이터셋을 제공한다.

제안 방법

• 이식 후 CBCT 데이터에서 임플란트 영역을 마스킹하여 등록 없는 학습을 가능하게 한다.
• 다중 스케일 확장 컨볼루션, KNet, 그래프 컨볼루션 네트워크를 갖춘 Neighboring Distance Perception (NDP) 모듈을 사용해 이를 부위별 해부학적 맥락(치아 규모)을 모델링하는 NDP 모듈을 사용한다.
• 위치 회귀 분기와 경사(기울기) 예측 분기를 갖춘 이중 분기 디코더를 사용해 명시적 기하학적 규제를 적용한다.
• 세분화(임플란트 위치)에 대해 Dice와 교차 엔트로피를 결합한 합성 손실과 경사 추정에 대한 L1 손실로 학습한다.
• 해부학적으로 타당한 임플란트 궤적을 강제하기 위해 경사 감독을 통한 위치 학습 정규화를 적용한다.
• 벤치마킹을 위한 1,622개의 CBCT 스캔을 포함한 대규모 임플란트 데이터셋 ImplantFairy를 공개한다.

실험 결과

연구 질문

• RQ1 마스킹된 이식 후 CBCT 데이터로부터 등록 없이도 치과 임플란트 위치와 기울기를 정확히 예측할 수 있는가?
• RQ2 사전/사후 데이터 쌍 없이 해부학적 맥락 학습에 NDP 모듈이 어떻게 기여하는가?
• RQ3 임플란트 경사를 명시적으로 예측하는 것을 규제화로 삼는 것이 위치 정확도에 어떤 영향을 미치는가?
• RQ4 RegFreeNet이 외부 공개 CBCT 데이터셋에 얼마나 일반화되는가?
• RQ5 등록 없는 치과 임플란트 계획 방법의 벤치마킹을 위한 ImplantFairy의 가치는 무엇인가?

주요 결과

• RegFreeNet은 SUGH 데이터셋에서 Dice 점수 47.51, IoU 0.3540를 달성해 비교 대상 모든 모델을 능가했다.
• 외부 데이터셋에서 Dice 점수 33.0, IoU 0.2413을 달성해 강한 일반화를 보였다.
• 삭제 실험은 NDP 및 경사 예측 분기 추가가 성능을 향상시키며, SPB에서 SUGH의 Dice가 최대 1.87%, 외부 데이터에서 8.52%의 Dice 증가를 보여준다.
• 두 모듈을 모두 갖춘 RegFreeNet이 테스트된 방법들 중 최상의 전반 성능을 달성한다.
• ImplantFairy는 학습과 평가를 위한 1,622개의 CBCT 스캔을 포함한 최초의 공개 대규모 치과 임플란트 데이터셋으로 도입된다.