教師なし頭蓋計測ランドマーク局在のための超解像ヘッドを備えた二重レベルアライメント

科学分野:

• 医用画像処理
• コンピュータビジョン
• 機械学習

背景:

• 頭蓋計測ランドマーク局在は、歯科顎顔面変形症の診断と治療に不可欠です。
• 臨床センター間のドメインシフトは、現在のランドマーク検出モデルの一般化能力を制限します。
• 既存の方法は、ドメイン間の意味特徴の不整合により、正確な局在に苦労しています。

研究 の 目的:

• 頭蓋計測ランドマーク検出におけるクロスドメイン一般化能力を向上させること。
• 教師なしドメイン適応を使用して意味特徴を整列させ、出力解像度を向上させること。
• 正確な解剖学的ランドマーク検出のための堅牢なフレームワークを開発すること。

主な方法:

• 超解像ヘッド（BiLASR）を備えた二重レベルアライメントフレームワークを提案しました。
• 空間構造を維持しながらターゲットスタイルの画像生成のために適応インスタンス正規化を採用しました。
• 高解像度ヒートマップ生成のために、疑似ラベルと軽量超解像ヘッドを備えたMean-Teacherフレームワークを利用しました。

主要な成果:

• 平均局在誤差1.64 mmを達成しました。
• 2 mmの臨床閾値内で72.68%の検出成功率を達成しました。
• 解剖学的タイプの平均分類精度81.81%を得ました。

結論:

• BiLASRは、最先端の教師なしドメイン適応法と比較して優れたパフォーマンスを示しました。
• このフレームワークは、頭蓋計測解析における臨床応用において大きな可能性を示しています。
• ランドマーク検出の精度と堅牢性を向上させることにより、矯正歯科手術計画における有用性を強調しています。