[논문 리뷰] Fully automatic integration of dental CBCT images and full-arch intraoral impressions with stitching error correction via individual tooth segmentation and identification

Tae Jun Jang, Hye Sun Yun외 4명|PubMed|2021. 12. 03.

Dental Radiography and Imaging인용 수 8

한 줄 요약

이 논문은 CBCT와 인트라오랄 스캔(IOS) 영상을 통합하기 위한 완전 자동화된 방법을 제시한다. 이 방법은 두 모odalities에서 개별 치아를 세분화하고 식별하며, 전역적이고 局소적인 정렬을 수행하고, CBCT를 기준으로 하여 전체 잇몸의 IOS에서 누적된 스티칭 오차를 보정한다. 이 방법은 심한 금속 아티팩트가 존재하는 상황에서도 112.4 μm 이내의 부분 밀리미터 수준의 정확도를 달성하여 임상적으로 사용 가능한 높은 정밀도의 턱-치아-잇몸 모델을 가능하게 한다.

ABSTRACT

We present a fully automated method of integrating intraoral scan (IOS) and dental cone-beam computerized tomography (CBCT) images into one image by complementing each image's weaknesses. Dental CBCT alone may not be able to delineate precise details of the tooth surface due to limited image resolution and various CBCT artifacts, including metal-induced artifacts. IOS is very accurate for the scanning of narrow areas, but it produces cumulative stitching errors during full-arch scanning. The proposed method is intended not only to compensate the low-quality of CBCT-derived tooth surfaces with IOS, but also to correct the cumulative stitching errors of IOS across the entire dental arch. Moreover, the integration provides both gingival structure of IOS and tooth roots of CBCT in one image. The proposed fully automated method consists of four parts; (i) individual tooth segmentation and identification module for IOS data (TSIM-IOS); (ii) individual tooth segmentation and identification module for CBCT data (TSIM-CBCT); (iii) global-to-local tooth registration between IOS and CBCT; and (iv) stitching error correction for full-arch IOS. The experimental results show that the proposed method achieved landmark and surface distance errors of 112.4μm and 301.7μm, respectively.

연구 동기 및 목표

• CBCT의 낮은 해상도와 금속에 의한 아티팩트 등의 한계를 극복하고, 전체 잇몸 인트라오랄 스캔(IOS)에서 발생하는 스티칭 오차를 CBCT와의 융합을 통해 보완하고자 한다.
• 사용자 간섭이나 피드기준 마커 없이도 CBCT와 IOS 간에 완전 자동으로 강건한 정렬을 가능하게 하고자 한다.
• 고해상도의 치아 상아질 표면과 잇몸 표면을 IOS에서 확보하고, CBCT에서의 뿌리 및 뼈 구조를 융합하여 고정밀도의 통합 3D 모델을 생성하고자 한다.
• CBCT에 의해 정렬된 치아 세분화 결과를 활용하여 전체 잇몸 IOS의 누적 스티칭 오차를 보정하고자 한다.

제안 방법

• IOS 데이터에 대해 치아 세분화 및 식별 모듈(TSIM-IOS)을 적용하여 개별 치아 표면을 추출하고 고유 식별자를 할당한다.
• CBCT 데이터에 대해 별도의 TSIM-CBCT 모듈을 적용하여 동일한 작업을 수행함으로써, 영상 아티팩트가 존재하더라도 정확한 치아 수준의 대응 관계를 확립한다.
• 전역-국소 치아 정렬을 통해 기하학적 및 위상적 특징을 이용해 대응 치아를 매칭시켜 오차를 최소화함으로써 두 데이터셋을 정렬한다.
• 스티칭 오차 보정 모듈은 CBCT에서 유도된 치아 위치를 기준으로 하여 IOS 모델을 정밀하게 보정함으로써 치아 궤도 전체에 걸친 왜곡을 감소시킨다.
• 반복 최소 거리(ICP) 및 기타 정렬 기법을 사용하며, 딥러닝 기반의 초기 정렬과 겹치지 않는 영역 억제 기법을 통합하여 성능을 향상시킨다.
• 보정된 IOS와 CBCT 데이터를 통합하여 턱, 치아, 잇몸 등으로 구성된 유일한 구성형 3D 모델을 생성한다.

실험 결과

연구 질문

• RQ1 사용자 간섭이나 피드기준 마커 없이도 완전 자동화된 방법이 CBCT와 IOS 간 정확한 다중 모odal 정렬을 달성할 수 있는가?
• RQ2 금속 아티팩트가 존재하는 CBCT에서 개별 치아 세분화 및 식별이 정렬 정확도 향상에 얼마나 효과적인가?
• RQ3 CBCT가 전체 잇몸 인트라오랄 스캔의 스티칭 오차 보정에 얼마나 효과적으로 활용될 수 있는가?
• RQ4 제안된 방법을 통해 스티칭 오차 보정 후 랜드마크 및 표면 정확도에서 얻는 정량적 향상 수준은 어떠한가?
• RQ5 통합 모델이 치아 상아질과 뿌리, 잇몸 세부 구조를 포함한 임상적으로 사용 가능한 고해상도 표현을 제공할 수 있는가?

주요 결과

• 제안된 방법은 랜드마크 오차가 112.4 μm ± 73.1 μm로, 기준 방법인 TSIM + FPFH(144.3 μm) 및 TSIM + MR(532.3 μm)보다 유의미하게 뛰어난 성능을 보였다.
• 표면 거리 오차는 301.7 μm ± 112.2 μm로 감소하여, 다른 방법들(예: TSIM + FPFH, 402.4 μm)에 비해 상당한 향상을 보였다.
• 통계적 분석 결과, 모든 주요 지표에서 p값 < 0.001로 유의미한 향상이 확인되어 결과에 대한 강력한 신뢰도를 확보하였다.
• 정성 평가에서 보여지듯이, 전체 잇몸 IOS의 스티칭 오차가 효과적으로 보정되었으며, 보정된 IOS 윤곽선이 CBCT 치아 가장자리와 거의 겹쳐보였다.
• 통합 과정을 통해 턱 뼈, 개별 치아, 그리고 양측 잇몸/ palate 연조직을 포함한 임상적으로 사용 가능한 구성형 3D 모델이 생성되었다.
• 심한 금속 아티팩트가 존재하는 CBCT에서도 높은 정확도를 유지하였으며, 복잡한 금속 아티팩트 감소(MAR) 전처리 과정이 필요 없었다.