前歯の顔面画像と口腔内画像の自動統合

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Comput. Biol. Med..2020 Jul;122:103794. S0010-4825(20)30163-3. doi: 10.1016/j.compbiomed.2020.103794.Epub 2020-05-23.

前歯の顔面画像と口腔内画像の自動統合

Automated integration of facial and intra-oral images of anterior teeth.

Mengxun Li
Xiangyang Xu
Kumaradevan Punithakumar
Lawrence H Le
Neelambar Kaipatur
Bin Shi

PMID: 32658722 DOI: 10.1016/j.compbiomed.2020.103794.

抄録

背景と目的:

デジタルスマイルデザインとは、実際の治療に先立ち、歯科医師がコンピュータ上のワークステーション上で治療結果を分析、設計、可視化するために使用する技術です。デジタルスマイルデザインの重要なステップであるにもかかわらず、顔と口腔内の画像に含まれる情報をラベル付けして統合するプロセスは手間がかかる。そこで本研究では、このプロセスを容易にする自動写真統合システムを開発することを目的としています。

BACKGROUND AND OBJECTIVE: Digital smile design is the technique that dentists use to analyze, design, and visualize therapeutic results on a computing workstation prior to actual treatment. Despite it being a crucial step in digital smile design, the process of labeling and integrating the information in facial and intra-oral images is laborious. Therefore, this study aims to develop an automated photo integrating system to facilitate this process.

方法:

口腔内画像の歯は、アクティブコンターモデルを用いて、その曲率によって区別され、細かく分割されています。また、高度な顔のランドマーク検出アルゴリズムにより顔のキーポイントを検出し、顔写真と口腔内写真の歯の輪郭を抽出することで、対応する口腔内画像にキーポイントを重ね合わせました。このシステムにより、口腔内画像に歯の幅と高さの比、スマイルライン、顔の正中線が自動的にマークされるようになりました。提案したセグメンテーションアルゴリズムの精度は，上顎前歯274本を含む50枚の画像に適用して評価した．

METHODS: The teeth in intra-oral images were distinguished by their curvature and finely segmented using an active contour model. The facial keypoints were detected by a sophisticated facial landmark detector algorithm; these keypoints were then overlaid on the corresponding intra-oral image by extracting the contour of the teeth in the facial and intra-oral photographs. With this system, the tooth width-to-height ratios, smile line, and facial midline were automatically marked in the intra-oral image. The accuracy of the proposed segmentation algorithm was evaluated by applying it to 50 images with 274 maxillary anterior teeth.

結果:

提案アルゴリズムは、我々が選択した画像セットの歯の96.0%(263/274)を認識した。認識した残りの263本の歯について、手動によるセグメンテーションを適用した場合の結果と比較した。95%信頼区間で、ジャカード指数は0.928±0.081、平均距離は0.128±0.109mm、結果と基準となる真実との間のハウズドルフ距離は0.461±0.495mmを達成した。

RESULTS: The proposed algorithm recognized 96.0% (263/274) of teeth in our selected image set. The results were then compared to those obtained by applying manual segmentation to the remaining 263 recognized teeth. With a 95% confidence interval, a Jaccard index of 0.928 ± 0.081, average distance of 0.128 ± 0.109 mm, and Hausdorff distance between the results and ground truth of 0.461 ± 0.495 mm were achieved.

結論:

本研究の結果、提案された自動化システムは、歯科医師が手間のかかる画像統合プロセスを採用する必要をなくすことができることを示している。また、歯科医療の分野で広く応用できる可能性を秘めている。

CONCLUSIONS: The results of this study show that the proposed automated system can eliminate the need for dentists to employ a laborious image integration process. It also has the potential for broad applicability in the field of dentistry.