頭蓋顔面CBCT：生成的人工知能を用いたボリューム分解能のジレンマへの対処

科学分野:

• 医用画像処理;人工知能;放射線学

背景:

• 頭蓋顔面円錐ビームCT（CBCT）のような広視野の断層画像では、骨の質感、多孔性、根管などの微細構造の解像度が低いことがよくあります。;これらの微細な詳細の正確な視覚化は、歯科および頭蓋顔面手術における診断と治療計画にとって重要です。

研究 の 目的:

• 頭蓋顔面CBCT画像の解像度を向上させるための、敵対的生成ネットワーク（GAN）ベースの超解像手法（UNetSPSR）を開発および評価すること。;アーチファクトや幻覚を導入することなく、シャープなエッジと微細な詳細を回復する手法の能力を評価すること。;海綿骨と根管のセグメンテーション精度に対する超解像の影響を評価すること。

主な方法:

• UNetSPSRと名付けられた新しいGANは、低解像度の頭蓋顔面CBCT画像の超解像を実行するために設計されました。;この手法は、異なるボクセル解像度での人間の頭蓋骨、死体頭部、および羊の頭部からのCBCTスキャンでトレーニングおよびテストされました。;パフォーマンスは、ピーク信号対雑音比（PSNR）および学習知覚画像パッチ類似性（LPIPS）メトリックを使用して最先端の手法と比較ベンチマークされました。;一般化は、独立した臨床CBCTスキャンおよび外部公開データセットでテストされました。

主要な成果:

• UNetSPSRは、見たデータと見ていないデータの両方で、より高いPSNRおよびより低いLPIPSスコアによって実証された、他の手法と比較して優れたパフォーマンスを達成しました。;この手法は、厚さ推定のバイアスを61％から11％に減少させ、海綿骨のセグメンテーションを大幅に改善しました。;根管のセグメンテーション精度が向上し、結果は高解像度の参照に近くなりました。;ネットワークは、取得パラメータのばらつきにもかかわらず、アーチファクトなしで独立したデータセット上の微細構造を効果的に強化しました。

結論:

• UNetSPSRは、頭蓋顔面CBCTの構造を維持する超解像を可能にし、微細な解剖学的特徴の描写を大幅に改善します。;この手法は、ターゲットデータ分布内で強力な一般化能力を示し、臨床応用への可能性を示しています。;取得プロトコルおよび患者集団全体でのパフォーマンスを確認するために、さらなる外部検証が必要です。