[論文レビュー] An Online Platform for Automatic Skull Defect Restoration and Cranial Implant Design

Jianning Li, Antonio Pepe+2 more|arXiv (Cornell University)|Jun 1, 2020

Anatomy and Medical Technology参考文献 13被引用数 5

ひとこと要約

本論文では、Studierfensterに統合されたオンラインでクラウドベースのプラットフォームを提示しており、頭蓋骨欠損部の回復に深層学習を用いた完全自動の頭蓋骨インプラント設計を可能にしている。このシステムはCTスキャンから欠損している頭蓋骨構造を補完し、ボリュームメトリックな形状補完を用いて患者固有のインプラントを生成し、3Dプリント用に高幾何的正確性と欠損境界への適合性を持つSTLファイルを出力する。

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.

研究の動機と目的

• 専門家による手作業による頭蓋骨インプラント設計が時間と費用を要するというバッテリーの解消。
• 第三者の設計サービスに依存しない完全自動の患者固有インプラント生成システムの開発。
• より広範な臨床的および研究的アクセスを可能にするクラウドベースでブラウザからアクセス可能なプラットフォームへのインプラント設計プロセスの統合。
• アディティブマニュファクチャリングを用いた迅速で低コストかつ自動化されたインプラント設計により、頭蓋骨形成術のワークフローを最適化。
• 実臨床環境下における深層学習ベースのボリュームメトリック形状補完が、医療インプラント設計に実用的であることを実証。

提案手法

• システムは頭蓋骨欠損部の回復をボリュームメトリックな形状補完問題として定式化し、欠損した頭蓋骨ボリュームから欠損している頭蓋骨構造を再構築する。
• 事前にある解剖学的知識に基づき、深層学習を用いて欠損頭蓋骨 $\mathbf{S}_d$ から完全な頭蓋骨形状 $\mathbf{S}_c$ を予測する。
• 頭蓋骨インプラント $\mathbf{I}$ は、完成した頭蓋骨と欠損頭蓋骨の差分として計算される：$\mathbf{I} = \mathbf{S}_c - \mathbf{S}_d$。
• リモートサーバー上で実行されるため、ローカルの計算リソースを要しないブラウザからのアクセスが可能。
• システムは直接 .nrrd 形式のCTデータのアップロードをサポートし、ブラウザ上で3Dモデルをレンダリングしてユーザーが確認できる。
• 最終的なインプラントは標準的な .stl 形式でエクスポートされ、後続の3Dプリントや後処理に使用可能。

実験結果

リサーチクエスチョン

• RQ1 完全自動で深層学習に基づくシステムが、臨床的CTスキャンから正確に頭蓋骨欠損部を回復できるか？
• RQ2 生成されたインプラントが、境界、厚さ、解剖学的整合性の観点から元の頭蓋骨欠損部にどの程度適合するか？
• RQ3 オンラインでクラウドベースのプラットフォームが、頭蓋骨形成術における従来の手作業によるインプラント設計ワークフローをどの程度代替できるか？
• RQ4 高密度な3Dメッシュレンダリングを実行するブラウザベースでサーバーサイドで処理する医療画像処理パイプラインの性能とスケーラビリティの限界は何か？
• RQ5 形状補完とインプラント生成を統合した1つのプラットフォームへの統合が、頭蓋骨インプラント設計における時間とコストを著しく削減できるか？

主な発見

• システムは深層学習を用いて頭蓋骨欠損部を回復し、不完全なCTスキャンから解剖学的に妥当で完全な頭蓋骨形状を生成した。
• 視覚的および定量的比較により、生成されたインプラントは欠損境界に正確に適合し、骨の厚さも一貫しており、検証された。
• 標準のWebブラウザからアクセス可能なエンドツーエンドの完全自動インプラント設計が可能となり、ローカルソフトウェアや高スペックハードウェアの必要がなくなった。
• ブラウザ上で直接高品質な .stl ファイルを出力でき、標準的な3Dプリントワークフローと互換性がある。
• Studierfensterへの統合により、迅速な展開と反復的改善が可能となり、臨床的および教育的用途への実用性が示された。
• 現在のところ、サーバーサイドのメッシュ変換速度とクライアントサイドのデータ転送が、特に高解像度モデルにおいて性能の制限要因となっている。