自動3Dセファロメトリー：CBCTランドマーク局在化のための軽量V-net

科学分野:

• 医用画像と人工知能
• 歯科矯正と歯科診断

背景:

• セファロメトリー解析は、歯科矯正の臨床的意思決定支援に不可欠であり、従来は3DコーンビームCT（CBCT）スキャン上の手動ランドマーク同定が必要でした。
• 手動解析は時間がかかり、操作者依存性があるため、臨床ワークフローにおける自動化ソリューションの必要性が強調されています。

研究 の 目的:

• CBCTスキャン上の16の主要な解剖学的ランドマークの自動局在化のための軽量深層学習（DL）モデルを開発および検証すること。
• 手動方法と比較して、DLモデルのランドマーク同定および後続のセファロメトリー測定の精度と信頼性を評価すること。

主な方法:

• 多様な画像システムと患者の人口統計からの350の、手動で注釈付けされたCBCTスキャンでトレーニングされたV-net深層学習アーキテクチャ。
• モデルのパフォーマンスは、平均ランドマーク局在化誤差に基づいて評価され、手動で導出された線形および角度のセファロメトリー測定と比較されました。
• Bland-Altman解析を使用して、自動測定と手動測定との間の合意を評価しました。

主要な成果:

• DLモデルは、臨床的に許容される2 mmの閾値内で、平均ランドマーク局在化誤差1.95 ± 1.06 mmを達成しました。
• 自動セファロメトリー測定は、手動値との強い一致で、最小限のエラー（角度で-0.15 ± 0.95°、線形で0.20 ± 0.28 mm）を示しました。
• 平均推論時間はスキャンあたり32秒未満であり、計算効率を示しています。

結論:

• 開発された軽量DLモデルは、セファロメトリーランドマークの同定と測定を確実に自動化し、手動手順に代わる実行可能な選択肢を提供します。
• 異種データセットにわたるモデルの精度、堅牢性、および高速な推論時間は、歯科矯正における臨床的意思決定支援ツールとしての可能性を裏付けています。
• 自動セファロメトリー解析は、特にANB角度のような重要なパラメータにおいて、歯科矯正治療計画の効率と一貫性を向上させることができます。