下顎骨関節の3Dオートセグメンテーション

3D Auto-Segmentation of Mandibular Condyles.

抄録

顎関節（TMJ）は、顎の骨と頭蓋骨をヒンジのように繋いでいる。顎関節症になると、顎関節や顎の動きをコントロールする筋肉に痛みが生じます。しかし、この病気は症状が出るまで診断することができません。顎関節の変形性関節症（OA）の初期診断では、顆部関節面での骨吸収がすでに明らかになっていることが示されている。したがって、骨の構造を分析することで、病気の診断が容易になります。この分析のための重要なステップは、顆部のセグメンテーションです。この記事では、コーンビームCT（CBCT）スキャンから顎関節顆部を自動的にセグメント化する方法を扱います。提案手法では，画像をノイズ除去し，3Dアクティブコンターとモフォロジカルオペレーションを適用して，顆部をセグメント化する．実験結果によると、95人の患者のCBCT画像に提案手法を適用したところ、Diceスコアは0.9461、標準偏差は0.0888となった。このセグメンテーションにより、大規模なデータセットをより効率的に分析し、データサイエンスや機械学習アプローチによる疾病分類が可能になります。

Temporomandibular joints (TMJ) like a hinge connect the jawbone to the skull. TMJ disorders could cause pain in the jaw joint and the muscles controlling jaw movement. However, the disease cannot be diagnosed until it becomes symptomatic. It has been shown that bone resorption at the condyle articular surface is already evident at initial diagnosis of TMJ Osteoarthritis (OA). Therefore, analyzing the bone structure will facilitate the disease diagnosis. The important step towards this analysis is the condyle segmentation. This article deals with a method to automatically segment the temporomandibular joint condyle out of cone beam CT (CBCT) scans. In the proposed method we denoise images and apply 3D active contour and morphological operations to segment the condyle. The experimental results show that the proposed method yields the Dice score of 0.9461 with the standards deviation of 0.0888 when it is applied on CBCT images of 95 patients. This segmentation will allow large datasets to be analyzed more efficiently towards data sciences and machine learning approaches for disease classification.