CBCT投影データを用いたパノラマ歯科トモシンセシスイメージング

Scientific Reports volume 13、記事番号: 8817 (2023) この記事を引用

109 アクセス

1 オルトメトリック

メトリクスの詳細

歯科用 CBCT およびパノラマ画像は、歯科の診断と治療計画に使用される重要な画像モダリティです。 そこで本研究では、追加のパノラマスキャンを行わずにパノラマ画像を取得するために、歯科用CBCT投影データからパノラマ投影データを抽出してパノラマ画像を再構成する手法を提案した。 患者のＣＢＣＴ画像から患者の歯列弓を特定した後、歯列弓に適合する適切なパノラマスキャン軌道に沿ってＣＢＣＴ投影データからパノラマ投影データが抽出される。 合計 40 の臨床ヒト データセットと 1 つの頭部ファントム データセットを使用して、提案された方法をテストしました。 この研究で使用される臨床ヒトデータセットには、重度の金属アーチファクトを含むデータや歯のないデータなど、CBCT 画像からパノラマ画像を再構成することが困難なケースが含まれています。 本研究で提案したパノラマ画像再構成手法を適用した結果、様々な患者のCBCT投影データからパノラマ画像を取得することに成功した。 提案手法は、歯科用CBCTデータからパノラマ投影データを抽出し、パノラマ画像を再構成することで、CBCT画質や金属アーチファクトの影響を受けにくい汎用性の高いパノラマ画像を取得する。

歯科分野では、光学イメージング、2D/3D X 線イメージング、3D プリンティングなどのさまざまな高度なデジタル技術が積極的に研究され、導入されています 1、2、3、4、5、6。 特に、歯科用 CBCT とパノラマ イメージングは​​、歯科の診断と治療計画において日常的に使用されるイメージング モダリティです 1,7。 パノラマ X 線撮影は、さまざまな歯科疾患の診断とそれに関連する治療計画において重要な役割を果たします。その理由は、低撮影放射線量で広い視野を備えた単一ディスプレイで比較的豊富な歯科情報を提供できるためです8、9、10、11、12。 。 線量の程度は機種や撮影方法によって異なりますが、一般にパノラマX線写真の実効線量は8～14μSv、歯科用CBCTの実効線量は10～130μSvです13,14。 CBCT の線量は高くなりますが、解剖学的情報を 3D で表示できるその機能は、インプラント計画、異常な歯の可視化、顎の評価など、さまざまな分野の診断と治療計画に不可欠であると考えられています7、15、16、17。 歯科用 CBCT 画像の視覚化には、通常、ダイナミック ボリューム レンダリング ビュー機能と、多平面再構成 (MPR) スライスが提供されます。 しかし、パノラマ画像は単一平面内に広い視野で解剖学的構造を包括的に表示できるため、クリニックでは CBCT 画像取得後でもパノラマ画像に対する需要が高くなります 18,19,20,21,22,23,24,25,26。 この研究では、初期診断のための歯科パノラマ画像をCBCT画像に置き換えることを提案することを目的としていないことに注意してください。その代わりに、CBCT画像が行われ、その後追加のパノラマ画像が必要になったときにパノラマ画像を合成する方法を提案します。 2 つの別個のシステムを持つことはコストとスペースの要件の点で望ましくなく、単一の CBCT プラットフォームで両方のイメージング モダリティを提供するイメージング デバイスが存在します。

単一のデバイスから歯科用 CBCT およびパノラマ画像を取得するには、ハードウェア アプローチとソフトウェア アプローチという 2 つの主なアプローチがあります。 ハードウェアアプローチでは、CBCT装置の回転シャフトを移動させ、コリメータを使用して狭いビーム形状を実装することで、CBCT装置でパノラマスキャンが可能になります。 投影データは、パノラマ スキャン システムの事前定義されたパノラマ スキャン軌道に沿って取得されます。 しかしながら、スキャン軌道が固定されているため、患者の歯列が焦点面から実質的に外れている場合には、焦点が合っていないパノラマ画像が取得される可能性がある。 さらに重要なことは、パノラマ スキャンを追加すると、患者の画像放射線量が増加することになります。

ソフトウェアアプローチでは、歯科用 CBCT 画像からパノラマ画像が作成されます 18、19、20、21。 歯科用CBCT画像は3次元の解剖学的情報を持っているため、CBCT画像から必要なデータを抽出することでパノラマ画像を作成することが可能です。 一般に、歯科用 CBCT 画像からパノラマ画像を合成する方法は 2 つのステップで構成されます18。 最初のステップは、歯科用 CBCT 画像から歯と顎の骨を表す適切な歯列弓を抽出することです。 第 2 のステップでは、抽出された歯列弓付近の体積画像情報をパノラマ画像平面に重ね合わせます。 したがって、既存の歯科用 CBCT 装置にハードウェアを追加変更することなく、パノラマ画像を取得できます。 また、パノラマ画像は歯列弓に沿ったCBCT画像から抽出されるため、パノラマスキャンシステムとは異なり、ピンボケの問題がありません。 ただし、これらの方法は、CBCT 画像の品質と歯列弓の精度に大きく影響されます 18,19,20,21,23,24,25,26,27,28,29,30。 高度な歯列弓を自動的に抽出するアルゴリズムがいくつか報告されていますが、CBCT 画像に欠損歯や金属アーチファクトがある場合、歯列弓の精度が低下します 18,24。 特に金属アーチファクトがひどい場合には、理想的な歯列弓を設定してもパノラマ画像にCBCTの金属アーチファクトが残り、パノラマ画像の品質が低下してしまう。

このようなソフトウェアアプローチの限界を克服するために、本論文では、CBCT投影データを利用する新しいパノラマ画像形成方法を提案する。 CBCT スキャンは全角度範囲の FOV の投影データを提供するため、理論的には CBCT 投影データからパノラマ投影データを選択的に抽出して再構成することが可能です。 実際には、歯科用 CBCT では、フラット パネル検出器の中心がシステムの主 X 線から水平に離れた位置に配置され、より大きな FOV をカバーするためにオフセット検出器の形状がよく使用されます。 コーンビーム投影からパノラマ投影データへの変換プロセスにおいて、オフセット検出器の形状の結果としてサンプリング不足の問題が存在しますが、「材料と投影」で詳しく説明するように、この問題を回避する方法を考案しました。メソッド」セクション。 CBCT 投影データからパノラマ投影データを抽出するには、まず CBCT 画像から適切な歯列弓の輪郭を描きます 18,23。 次いで、検出された歯列弓に適した仮想パノラマスキャン軌道が決定される。 仮想パノラマ スキャン軌跡に沿った各ソース位置で、データ リビニング プロセスを通じて CBCT 投影データからパノラマ投影データが抽出されます。 最後に、パノラマ トモシンセシス再構成法を適用して、抽出されたパノラマ投影データからパノラマ画像を取得します 4,12,22。 ハードウェアアプローチと比較して、提案したパノラマ画像再構成法は、CBCT画像から歯列弓を患者ごとに設定できるため、患者に最適化された焦点面でのパノラマ画像が得られるという利点があります。 投影データの代わりに歯科用CBCT画像を使用するソフトウェアアプローチと比較して、提案された方法は抽出された投影データから直接パノラマ画像を再構成するため、CBCT画像の品質に支配されないため有利です。

この文書の残りの部分は次のように構成されています。 「材料と方法」のセクションでは、提案されたアルゴリズムの全体的な構造が示され、各モジュールの詳細が説明されます。 「結果」セクションでは、頭部ファントム スキャン データと臨床データセットの実験結果が提供され、既存の方法に対する前述の利点が実証されています。 考察と結論は、それぞれ「考察」セクションと「結論」セクションで続きます。

提案手法の概要を図 1 に模式的に示す。まず CBCT 画像上で患者に適した歯列弓を設定する（図 1c）。 次のステップは、設定された歯列弓に基づいてパノラマスキャン軌道を確立し（図1d）、CBCT投影データから仮想パノラマ投影データを取得します（図1e）。 最後に、取得したパノラマ投影データに基づいてパノラマ画像が再構成されます（図1h）。

提案手法のワークフロー。 (MIP は最大強度投影の略です)。

このセクションでは、CBCT 画像から歯列弓を自動的に検出するアルゴリズムについて説明します。 我々は、歯の全体的な構造を表現できる CBCT 画像の軸方向最大強度投影 (MIP) を使用します 18、23、24、25、26、27、28、29、30。 歯列弓の検出には、指定範囲内のアキシャルスライスのMIP画像が望ましい。 アキシャル MIP 画像で顎骨と歯を区別するには、アキシャル MIP 画像を生成する範囲を適切に選択する必要があります18。 スライス範囲を広く設定しすぎると、アキシャル MIP 画像に余分な骨組織が重なり、歯列弓の検出が困難になります。 一方、スライス範囲を狭くしすぎると、関心領域が含まれない可能性があります。 この研究では、コロナル MIP 画像を使用してスライス範囲を自動的に決定しました。

まず、歯のバイナリマスク（図２ｂ）は、臨床データセットから経験的に決定された閾値を冠状ＭＩＰ画像（図２ａ）に適用することによって取得される。 マスク画像の各行の正のピクセル数をプロットしたヒストグラムが作成されます (図 2c)。 ヒストグラムから、カウントをしきい値処理することによって、行軸の歯の上限と下限を定義します。 次に、軸方向のスライス範囲は、この研究でも経験的に決定された 20 スライスの追加マージンを考慮して設定されます (図 2d)。 最後に、選択した軸方向範囲を使用して、元の CBCT 画像から軸方向 MIP 画像が取得されます（図 2e）。

歯を含む軸方向スライスの範囲。 (a) 冠状MIP画像、(b) 歯のマスク画像。 (c) 歯面画像の Y 軸ヒストグラム、(d) アキシャル スライスの選択範囲、(e) アキシャル MIP 画像。

適切なアキシャル MIP 画像を取得した後、アキシャル MIP 画像の放物線フィットに基づいて歯列弓を検出します。 歯と顎の骨を含む歯列弓は、図3に示すように、歯を表す放物線と顎の骨を表す放物線を滑らかに結ぶことで得られます。まず、アキシャルMIP画像に閾値を適用して歯列マスクを取得します（図3b)。 次に、歯科用マスクを画像の中心に対して角度方向に均等に分割した後、各角度ビン内のマスクされた歯の中点がフィッティング ポイントとしてマークされます。 RANSAC (RANdom Sample Consensus) アルゴリズムをマークされた点に適用して、歯に適合する放物線を作成しました 31。 顎骨フィッティング放物線は、臼歯のマークされた点と対応する顎骨の先端を接続する放物線をフィッティングすることによって得られました (図 3c)。 最後に、顎骨に適合する放物線と歯に適合する放物線を交点付近でコサイン重み付け関数を使用してマージし、それらを滑らかに接続し、歯列弓の輪郭を作成しました（図 3d）​​。

(a) アキシャル MIP 画像、(b) 歯の軌道のフィッティング、(c) 顎の骨の軌道のフィッティング、(d) 歯列弓の検出。

適切な歯列弓を取得した後、取得した歯列弓を使用してパノラマスキャン軌道を確立する。 再び、仮想パノラマスキャン軌道は、患者の歯列弓に従って基準パノラマスキャン軌道をシフトすることによって確立できることに留意されたい。 この研究では、メーカーの従来のパノラマ スキャン軌跡が基準軌跡として使用されました。

この研究で提案されている仮想パノラマ イメージングには 2 つの大きな課題があります。それは、ハーフファン コーンビーム投影データからのパノラマ投影データの合成と、パノラマ FOV にわたる強度不均一性の補償です。 以下では、これらの課題と解決策を 1 つずつ取り上げます。

図4aおよびbに示すように、パノラマスキャンシステムとCBCTスキャンシステムの間にはいくつかの違いがあります。 パノラマ スキャン システムとは異なり、歯科用 CBCT スキャン システムはワイド検出器を使用しますが、オフセットのあるハーフファン検出器モードを使用します。 さらに、歯科用CBCTスキャンシステムの回転軸は固定されていますが、パノラマスキャンシステムの回転軸は線分に沿って移動し、スキャン中の歯の画像の重なりを最小限に抑えます。

(a) パノラマ スキャン システム。 (b) 歯科用 CBCT スキャン システム。 (c) 初期のパノラマ スキャン軌跡とサンプリングの問題。 (d) パノラマ スキャンの軌道を変更する。

パノラマスキャンシステムの回転軸の動きと歯科用CBCTシステムの検出器ファン角の非対称性により、図1に示すように、設定されたパノラマスキャン軌道の一部の投影データが歯科用CBCT投影データから取得できません。 .4c。 この研究では、黄色の線分で表されている歯列弓の右上尾部がそのようなデータ損失の影響を受ける可能性があります。 歯科用 CBCT 投影データから特定のパノラマ投影データを抽出できない理由は、ビーム経路が歯科用 CBCT システムの固定回転軸から遠すぎて、オフセット検出器の短いファン角でカバーできないためです。 この研究では、図4dに示すように、歯列弓のイエローテールをカバーするCBCT投影データをパノラマトモシンセシスに使用できるように、仮想パノラマスキャン範囲を拡張することで欠落しているパノラマ投影データを近似しました。 したがって、仮想パノラマスキャン軌道を拡張すると、対応するビューのビーム経路を歯科用 CBCT スキャンシステムの回転軸に近づけることができます。

上述のように仮想パノラマスキャン軌道を設定した後、仮想パノラマ投影データがCBCT投影データから抽出されました。 パノラマ スキャン軌跡に沿った線源の位置は、CBCT スキャン軌跡に沿った線源の位置と正確に重なっていないため、レイ マッチングとリビニングが必要です。 ターゲットのパノラマ ビームは、まずファンパラレル リビニングによって平行ビームに変換されました 32。 その後、CBCTシステムに従って平行ビームをファンビームに変換することにより、目的のパノラマビームに対応するCBCTビームを見つけた。 パノラマ ビームと CBCT ビームの両方のジオメトリを図 5 に示します。まず、図 5a に示すように、パノラマ ビームを平行ビームに変換します。 Sop はパノラマ スキャンのソース位置、Dp 検出器面を表し、Op は回転軸を表します。 \({\upbeta }_{\mathrm{p}}\) はパノラマ ビーム ソースの角度を表し、\({\upgamma }_{\mathrm{p}}\) はファン角度を表し、\(\uptheta\ ) は、対応する平行ビーム角度を表します。 \({\mathrm{u}}_{\mathrm{p}}\) はパノラマビーム検出器の座標を表し、\({\mathrm{s}}_{\mathrm{p}}\) は仮想ファンを表します。ビーム検出器の座標 \({\mathrm{t}}_{\mathrm{p}}\) は動径平行座標を表します。D は線源から回転軸までの距離、R は回転軸から線源までの距離です。検出器の表面。 \(\left(\uptheta ,{\mathrm{t}}_{\mathrm{p}}\right)\) と \(\left({\upbeta }_{\mathrm{p}}) の関係{\upgamma }_{\mathrm{p}},{\mathrm{s}}_{\mathrm{p}}\right)\) は式 (1) で与えられます。 (1)。

(a) パノラマビームの形状。 (\({\mathbf{S}\mathbf{o}}_{\mathbf{p}}\), ソース位置; \({\mathbf{D}}_{{\varvec{p}}}\) 、検出器の位置; \({\mathbf{O}}_{{\varvec{p}}}\)、回転中心)、(b) CBCT ビームの形状。 (\({\mathbf{S}\mathbf{o}}_{\mathbf{c}}\), ソース位置; \({\mathbf{D}}_{\mathbf{c}}\), 検出器位置; \({\mathbf{O}}_{\mathbf{c}}\)、回転の中心)。

図１、２に示すように。 図５ｂに示すように、平行ビームは再びＣＢＣＴファンビームに変換される。 \({\mathrm{So}}_{\mathrm{c}}\) は CBCT スキャン システムの線源の位置を表し、 \({\mathrm{D}}_{\mathrm{c}}\) は検出器を表しますplan 、 \({O}_{\mathrm{c}}\) は回転軸を表します。 \({O}_{p}\) とは異なり、\({O}_{\mathrm{c}}\) には固定位置があります。 \({\upbeta}_{\mathrm{c}}\) は CBCT ビーム光源の角度を表し、\({\upgamma}_{\mathrm{c}}\) はファン角度を表し、\({\mathrm {s}}_{\mathrm{c}}\) は仮想ファンビーム検出器座標を表し、\({\mathrm{t}}_{c}\) は動径平行座標を表します。 \(\left(\uptheta,{\mathrm{t}}_{\mathrm{p}},{t}_{c}\right)\) と \(\left({\upbeta}_ {\mathrm{c}},{\upgamma}_{\mathrm{c}},{\mathrm{s}}_{\mathrm{c}}\right)\) は式 (1) で与えられます。 (2)。

パノラマ ビーム \(\left({\upbeta}_{\mathrm{p}},{\upgamma}_{\mathrm{p}},{\mathrm{s}}_{\mathrm{p }} }}\right)\) CBCT ビーム \(\left({\upbeta}_{\mathrm{c}},{\upgamma}_{\mathrm{c}},{\mathrm{s} }_ {\mathrm{c}}\right)\) 2 つの方程式セットを使用します。 この方法では、仮想パノラマ投影スキャン軌跡に沿って CBCT 投影データからパノラマ投影データを抽出できます。

2つ目の課題は、パノラマ投影データ合成における減衰補正です。 特に頚椎を通過する投影光線では、頚椎を通過しない投影光線に比べて減衰係数の光線積分が非常に高くなる。 既存のパノラマ スキャン システムでは、頸椎によって引き起こされる低強度の投影は、通常、ビーム エネルギーを増やすか、関連するスキャン範囲での露光量を効果的に増やすことによって補正されます。 ただし、CBCT 投影データからパノラマ投影データを合成する場合、生の投影領域のビーム強度はソフトウェアによって適切に補正される必要があります。

図６からわかるように、合成されたパノラマ投影データはかなりの不均一性を示し、この不均一性は再構成されたパノラマ画像に直接反映される。 本研究では、パノラマ投影データ全体の平均ピクセル値 (\({\mathrm{m}}_{\mathrm{tot}}\)) と各投影データの平均ピクセル値 (\({ \mathrm{m}}_{\mathrm{proj}}\))、平均ピクセル値の比率に基づいて各投影データの適切な重みが計算されます (\({\mathrm{w}}_{\mathrm) {proj}}= {\mathrm{m}}_{\mathrm{tot}}/{\mathrm{m}}_{\mathrm{proj}}\))。 このようにして取得されたビューごとの重み係数が、対応する投影内のすべてのピクセルに乗算されます。

(左) 角度位置に応じたパノラマ投影データの平均ピクセル値、(右) 角度位置に応じたパノラマ画像の平均ピクセル値。

取得されたパノラマ投影データを使用してパノラマ画像が再構成されます。 本稿では、従来のパノラマスキャンシステムでよく使われているトモシンセシスに基づくパノラマ画像再構成法を使用した。 トモシンセシスに基づくパノラマ画像再構成法では、シフト量を変化させたシフトアンド加算法を使用して多焦点面画像を生成します10、12。 パノラマ画像が形成される焦点面の位置はシフト量に依存します10,12。 シフト量が増加すると、焦点面は光源からより遠くに生成されます。 シフト量が減少すると、焦点面が光源に近く生成されます。 したがって、歯列弓に沿って焦点深度の異なる複数のスライスのパノラマ画像を作成することが可能です。 最適な焦点を備えた単一のパノラマ画像を取得するために、スライスされた画像をパッチに分割し、最も鮮明度の高いパッチを見つけて結合するオートフォーカス方法が適用されます。 オートフォーカス方法の詳細については、以前の出版物を参照してください12。 最後に、取得したパノラマ画像の視認性を高めるために、次のエッジ強調アルゴリズムが適用されました18。

ここで、 \({\alpha }_{\mathrm{n}}\) は詳細レベルを制御するために使用される重み付け係数を表し、 \({G}_{n}\) は元の 2D ガウス フィルター処理された画像を表します。パノラマ画像 \({I}_{0}\)。 この研究で使用される \({\alpha }_{\mathrm{n}}\) の値は、次のように経験的に設定されました: \({\alpha }_{0}=1.0,{\alpha }_{1}= 1.0、{\alpha }_{2}=1.5、{\alpha }_{3}=1.5\)。 ガウス フィルタリング関数のウェストは次のとおりです: \({\upsigma }_{\mathrm{G}1}=2.4,{\upsigma }_{\mathrm{G}2}=4.8,{\upsigma }_{\ mathrm{G}3}=19.2\)。 \(I\) は最終的なパノラマ画像を表します。

40 人の患者の臨床歯科 CBCT 投影データは、韓国ソウル市テヘラン路にある Well Dental Clinic によるすべての方法の承認とインフォームドコンセントの放棄に基づく治験審査委員会 (IRB) による匿名化の後、遡及的に収集されました。 この研究のすべての方法は、Well Dental Clinic IRB のガイドラインと規制に従って実行されました。 また、比較研究のために頭部ファントムもスキャンされました。 データセットは、94 kVp、8 mA (パルスモード) パラメーターを備えたレインボー CT (Dentium、韓国) スキャナーを使用して取得されました。 この研究で使用された CBCT スキャナは、パノラマ スキャン機能を備えた 2-in-1 デバイスです。 CBCT スキャン システムとパノラマ スキャン システムで使用されるスキャン パラメーターを表 1 にまとめます。

提案された方法は、次の仕様 (Intel(R) Core(TM) i7-10700 K CPU 3.80 GHz、64 GB RAM、NVIDIA GeForce RTX 2080 Ti、Windows 10) のコンピューターでテストされました。 このメソッドは、高速化のために CUDA ライブラリを使用して実装されました。 パノラマ投影データの取得に必要な平均実行時間は約 5.5 秒で、画像の再構成には約 6.2 秒かかりました。

パノラマスキャン軌道補正とビーム強度補正の効果を確認するために、各補正なしのパノラマ画像を取得し、図7で比較しました。図7aでは、ビーム強度補正なしのパノラマ画像は、投影データを使用して切歯領域が頸椎を通過する衝撃は他の部位に比べて著しく強度が高くなります。 ビーム強度を補正しないと、全体の視認性が低下します。 さらに、パノラマ走査軌道補正なしのパノラマ画像（図７ｂ）に見られるように、パノラマ走査軌道が補正されていない場合、投影データの一部がサンプリングされない。 したがって、全体的な視認性も損なわれます。

(a) ビーム強度補正なしのパノラマ画像、(b) パノラマ スキャン軌道補正なしのパノラマ画像。 (c) ビーム強度とスキャン軌道補正の両方を備えたパノラマ画像。

画質の比較として、パノラマスキャンシステムで取得したパノラマ画像（図8a）と、導入部分で簡単に説明した従来の方法を使用してCT画像ボリュームから合成したパノラマ画像（図8b）を使用します。提案手法を使用して取得したパノラマ画像と比較しました（図8c）。 図 8a はゴールドスタンダードとみなされます。

(a) パノラマスキャンシステムにより得られたパノラマ画像、(b) 歯科用 CBCT 画像から合成されたパノラマ画像、(c) 提案手法により得られたパノラマ画像。

CBCT画像から得られたパノラマ画像（図8b）は、患者の全体的な歯の構造を示していますが、パノラマ画像の解像度はかなり劣っています。 さらに、CBCT 画像の金属アーチファクトが金属物体の近くの縞模様の影としてパノラマ画像に残っていることが観察されます。 図8cでは、提案手法により再構成された画像の解像度が、CBCT画像から直接得られたパノラマ画像の解像度よりも高いことが確認される。 CBCT 画像はサイズ 0.31 mm のピクセルで構成されますが、パノラマ画像はサイズ 0.11 mm のピクセルで表示されます。 提案手法では検出器のピクセルサイズが0.24mmのCBCTオリジナル投影データを利用するため、得られるパノラマ画像はより高い空間解像度を有する。 また、CBCTよりも検出器のピクセルサイズが小さく、投影ビューの数がそれぞれ多いため、実際のパノラマ画像の空間解像度が最も高いことにも注意してください。

さまざまな臨床症例に対して提案手法により抽出した歯列弓と仮想パノラマスキャン軸を図 9 に示す。図に示すように、歯列弓と仮想パノラマスキャン軸は、治療開始時だけでなく、一貫して形成されていることが確認できる。すべての歯が存在する場合（図 9a ～ c​​）、重度の金属アーチファクトがある場合（図 9d ～ f）、または歯が欠損している場合（図 9g ～ i）も同様です。

臨床症例から抽出された歯列弓とパノラマスキャン軌跡。 (a～c) すべての歯が存在する場合、(d～f) 金属補綴物が多数ある場合、(g～i) 歯が欠損している場合。

提案手法により臨床症例に対して再構成されたパノラマ画像を図 10 に示す。さまざまな症例の臨床データから高品質のパノラマ画像が得られた。 重度の金属アーチファクトがある場合でも、確立されたパノラマ スキャン軌跡に基づいてパノラマ画像を正常に取得できました。 また、歯が多数欠損している場合でも、パノラマ画像では歯のない部分と歯のある部分が自然に調和します。

提案手法により得られたパノラマ画像。 (a～c) すべての歯が存在する場合、(d～f) 金属補綴物が多数ある場合、(g～i) 歯が欠損している場合。

重度の金属アーチファクトを有する臨床例において、提案された方法をCBCT画像ベースの方法または従来の方法と比較するために、図11に再構成画像を示します。図11aの赤いボックスに示すように、プロテーゼ間の歯は、CT における金属画像アーティファクトの主な原因となるビーム硬化により暗く見える場合があります。 しかし，提案手法の場合は狭いパノラマ投影データを抽出して利用するため，補綴物の影響は非常に少ない． 図 11 の黄色のボックスの拡大画像からも、CBCT 画像に基づくパノラマ画像再構成では、深刻な画像アーティファクトを伴う CBCT の画質の悪さにより、実質的な解剖学的構造が失われる可能性があることがわかります。

(a) 従来手法を用いて歯科用 CBCT 画像から合成したパノラマ画像、(b) 提案手法により得られたパノラマ画像。

歯科用 CBCT 画像からパノラマ画像を合成する方法は、CBCT の画質だけでなく歯列弓の精度にも大きく影響されます。 我々は、CBCT画像ベースの方法と提案されたデータ合成方法の両方に有用な、信頼性の高い歯列弓描写方法を開発しましたが、CBCT画像ベースの方法は依然として金属などの画像アーティファクトによる画質劣化に悩まされています。人工物。 提案したパノラマ画像再構成法がさまざまな臨床症例において画像をロバストに再構成できること、および提案した方法が既存のCBCT画像に基づくパノラマ画像合成よりも優れていることを実証することに成功した。 特に、CBCT画像に重大な金属アーチファクトがある場合に、既存の方法よりも提案された方法の利点が強調されています。

提案された方法の強みの 1 つは、CBCT 投影データが利用可能になった後、歯列弓とそれに関連する仮想パノラマ スキャン軌道を柔軟に選択できることにあります。 図 12 は、そのような柔軟性を示す例を示しています。 図１２ａに示すように患者の頭部が角度ずれして位置決めされると、歯列弓が傾いたり歪んだりする可能性があり、したがって図１２ｂに示すようにパノラマ画像がずれることになる。 図１２ｃに示すように、元のＣＢＣＴ画像を回転し、歯列弓と仮想パノラマスキャン軌跡を再計算することができる。 この修正された仮想軌道から取得されたパノラマ画像は、図１２ｄに示すように歪みのない画像を提供する。 最近では、自動化された人工知能によるアプローチが積極的に研究され、さまざまな臨床画像処理手順に導入されています。 このような技術革新は歯列弓の検出や仮想パノラマ軌道の構築などにも応用できると考えていますが、この記事ではそのような技術との比較は範囲を超えていると考えています。

(a) 患者の頭の位置がずれている場合に検出された歯列弓とパノラマスキャン軌跡、(b) 提案された方法によって取得されたパノラマ画像。 (c) 頭部の再調整後に抽出された歯列弓とパノラマスキャン軌跡、(d) 提案された方法によって取得されたパノラマ画像。

提案された方法は、CBCTスキャンを行わずに診療所で非常に頻繁に行われている初期診断で使用されるパノラマ画像化システムを置き換えることを目的としていないことに再度注意したいと思います。 さまざまな臨床応用において、CBCT イメージングが行われた後、我々のアプローチは、CBCT 画像ベースのパノラマ画像合成よりも効率的な仮想パノラマ画像の合成方法を提供します。 また、仮想パノラマ システムと実際のパノラマ スキャン システムで光源から検出器までの距離に差が存在する場合、実際のパノラマ画像と比較して、提案された方法によって生成された画像には拡大効果が存在する可能性があることにも注意します。

本研究では、CBCT画像を直接利用するのではなく、CBCT投影データから仮想パノラマ画像を取得する画像再構成手法を提案した。 これは、歯列弓の描写、仮想パノラマ スキャン軌道の設定、CBCT 投影からの仮想パノラマ データの収集、パノラマ画像スライスの再構築、自動焦点技術の適用による最終パノラマ画像の合成で構成されます。 提案された方法は、CBCT 画像に重度の金属アーチファクトや歯の欠損が存在する場合でも、パノラマ画像を正常に再構成しました。 提案された方法は、CBCT 画像の上にパノラマ画像を必要とするさまざまな歯科処置において重要な役割を果たすと考えられています。

この研究で生成および/または分析されたデータセットは、現在の研究のライセンスに基づく制限のため一般には公開されていませんが、合理的な要求に応じて責任著者から入手できます。

Pauwels, R.、Araki, K.、Siewerdsen, JH & Thongvigitmanee, SS 歯科用 CBCT の技術的側面: 最先端。 デントマキシロファク。 ラジオル。 44(1)、20140224 (2015)。

論文 CAS PubMed Google Scholar

Jacobs, R.、Salmon, B.、Codari, M.、Hassan, B. & Bornstein, MM インプラント歯科におけるコーンビーム コンピューター断層撮影: 臨床使用への推奨事項。 BMC オーラルヘルス 18(1)、1–16 (2018)。

記事 Google Scholar

Kakuma, H.、Ohbashi, K. & Arakawa, Y. 波長 1560 ～ 1600 nm の離散掃引光周波数領域反射率測定光コヒーレンス断層撮影法を使用した、硬い歯組織と柔らかい歯組織の光学イメージング。 Ｊ．Ｂｉｏｍｅｄ． オプション。 13(1)、014012 (2008)。

論文 PubMed ADS Google Scholar

小川和也ほかトモシンセシス法に基づく新しい歯科用パノラマX線撮影システムの開発。 デントマキシロファク。 ラジオル。 39(1)、47–53 (2010)。

論文 CAS PubMed PubMed Central Google Scholar

Tunchel, S.、Blay, A.、Kolerman, R.、Mijiritsky, E. & Shibli, JA 3D プリンティング/積層造形による単一チタン歯科インプラント: 3 年間の追跡調査を伴う前向き多施設研究。 内部。 J.デント。 2016、1–9 (2016)。

記事 Google Scholar

Dawood, A.、Marti, BM、Sauret-Jackson, V.、Darwood, A. 歯科における 3D プリンティング。 Br. 凹み。 J. 219(11)、521–529 (2015)。

論文 CAS PubMed Google Scholar

Fokas, G.、Vaughn, VM、Scarfe, WC & Bornstein, MM 術前インプラント治療計画に関連する CBCT 画像の線形測定の精度: 系統的レビュー。 クリン。 口腔インプラント研究 29、393–415 (2018)。

記事 Google Scholar

Hallikainen、D. パノラマ X 線撮影の歴史。 アクタ・ラジオル。 37(3)、441–445 (1996)。

論文 CAS PubMed Google Scholar

Angelopoulos, C.、Bedard, A.、Katz, JO、Karamanis, S.、Parissis, N. デジタル パノラマ X 線写真: 概要。 矯正歯科セミナー、Vol. 10 (194–203) (WB サンダース、2004)。

勝俣明 ほかトモシンセシスに基づく新しい歯科用パノラマ システムからの線形および空間指向の平面画像の初期評価。 口腔外科。 経口医学。 口腔病理。 オーラルラジオール。 エンドドントール。 112(3)、375–382 (2011)。

記事 Google Scholar

Pawar, RR & Makdissi, J. パノラマ X 線撮影における焦点ブロック (トラフ/面) の役割: これらの画像では一部の構造がぼやけて見えるのはなぜですか? ラジオグラフィー 20(2)、167–170 (2014)。

記事 Google Scholar

Lee, T.、Lee, YJ、および Cho, S. 指数多項式ベースの鮮明度指標を使用した自動焦点パノラマ歯科用トモシンセシス イメージング。 Medical Imaging 2017: Image Processing (Vol. 10133) (556–561) (SPIE、2017)。

アル・オクシ、A.ら。 GafChromic フィルムを使用して、歯科用コーンビーム CT およびパノラマ X 線撮影から実効線量を推定します。 デントマキシロファク。 ラジオル。 42(7)、20120343 (2013)。

論文 CAS PubMed PubMed Central Google Scholar

ラドロー、JB 他歯科用 CBCT の実効線量 - 9 台の CBCT ユニットの公開データと追加データのメタ分析。 デントマキシロファク。 ラジオル。 44(1)、20140197 (2015)。

論文 CAS PubMed Google Scholar

マナベラ、V. et al. CBCT による重度に吸収された肺胞窩の 3D 体積分析のための新しい画像処理技術。 鉱夫。 ストマトル。 66(3)、81–90 (2017)。

Google スカラー

アイメッティ、M.ら。 歯周炎患者における損傷した抜歯窩の隆起部増強後の骨リモデリングの三次元解析: ランダム化比較研究。 クリン。 口腔インプラント研究 29(2)、202–214 (2018)。

記事 Google Scholar

Manavella, V.、Romano, F.、Corano, L.、Bignardi, C. & Aimetti, M. ウシ由来の異種移植片と吸収性バリアによる隆起増大後の重度に吸収された肺胞窩の三次元体積変化: に関する予備研究CBCTイメージング。 内部。 J. Oral Maxillofac. インプラント 33、2 (2018)。

記事 Google Scholar

ユン、Z.ら。 歯科用コーンビームCTデータから高コントラストパノラマ画像を自動再構成する手法。 計算します。 メソッド プログラム Biomed。 175、205–214 (2019)。

論文 PubMed ADS Google Scholar

Zhang、J.ら。 コーンビームコンピュータ断層撮影法に基づくパノラマ画像の高速自動再構成方法。 エレクトロニクス 11(15)、2404 (2022)。

記事 Google Scholar

鈴木真、市川和、玉城真。CTデータから再構成した光線和画像の画質と臨床有用性をデジタルX線撮影と比較。 日本放送技術者。 学会雑誌 73(5), 372–381 (2017)

記事 Google Scholar

Westenberg, MA & Roerdink, JB 階層ウェーブレット スプラッティングによる X 線ボリューム レンダリング。 第 15 回パターン認識国際会議の議事録。 ICPR-2000、vol. 3 (159–162) (IEEE、2000)。

Kim, S. & Ra, JB 歯科用パノラマ X 線撮影のための動的焦点面推定。 医学。 物理学。 46(11)、4907–4917 (2019)。

論文 PubMed Google Scholar

Bae, M.、Park, JW & Kim, N. B スプライン近似による歯科用コーンビーム CT における歯列弓の形状の半自動かつ堅牢な決定。 計算します。 メソッド プログラム Biomed。 172、95–101 (2019)。

論文 PubMed Google Scholar

Luo, T.、Shi, C.、Zhao, X.、Zhao, Y. & Xu, J. 歯科用コーンビーム コンピューター断層撮影データからのパノラマ X 線写真の自動合成。 PLoS ONE 11(6)、e0156976 (2016)。

記事 PubMed PubMed Central Google Scholar

シフチ、ME et al. CBCT と下顎後顎骨の形態および角形成のパノラマ画像との関係。 外科。 ラジオル。 解剖学 38、313–320 (2016)。

記事 Google Scholar

リー、D.ら。 歯科用 CBCT 画像からのゴーストのないパノラマ X 線写真の合成。 医用画像処理 2020: 医用画像処理の物理学、Vol. 11312 (SPIE、2020)。

Chanwimaluang, T.、Sotthivirat, S.、Sinthupinyo, W. コンピューター断層撮影画像を使用した自動歯列弓検出。 2008 年、第 9 回信号処理国際会議 737 ～ 740 (IEEE、2008)。

Muthuraman、M. et al. 等尺性収縮中に同時に測定されたEEGデータとMEGデータに対するコヒーレントなソースと接続性の分析。 2014 年、第 36 回 IEEE Engineering in Medicine and Biology Society 国際会議 6365–6368 (IEEE、2014)。

Amorim, PH、de Moraes, TF、da Silva, JV、Pedrini, H.、Ruben, RB 最適化を使用した歯科用 CT 画像の自動再構成。 生体歯工学 III: 生体歯工学に関する第 3 回国際会議議事録 (BIODENTAL 2014) 57–62 (Taylor & Francis Books Ltd、2014)。

Papakosta、TK、Savva、AD、Economopoulos、TL、Matsopoulos、GK、Gröhndal、HG 歯科用コンピュータ断層撮影画像からの自動パノラマ画像再構成スキーム。 デントマキシロファク。 ラジオル。 46(4)、20160225 (2017)。

記事 PubMed PubMed Central Google Scholar

Fischler, MA & Bolles, RC ランダムサンプルのコンセンサス: 画像解析と自動地図作成へのアプリケーションを備えたモデルフィッティングのパラダイム。 共通。 ACM 24(6)、381–395 (1981)。

記事 MathSciNet Google Scholar

キム、C.ら。 X 線コーンビーム CT 向けのデータ一貫性を重視した散乱カーネルの最適化。 物理学。 医学。 バイオル。 60(15)、5971 (2015)。

論文 PubMed Google Scholar

リファレンスをダウンロードする

この研究は、韓国国立研究財団 [NRF-2018M3A9E9024949、NRF-2021M3I1A1097909] および科学情報通信部 (MSIT、韓国) および産業通商資源部 (MOTIE、韓国) によって一部支援されました [プロジェクト番号] :20014921]。

原子力量子工学部 (NQE)、韓国科学技術院、大田、34141、韓国

クォン・テジン、チェ・ダイン、ファン・ジェホン、イ・テウォン、チョ・スンリョン

Dentium Co., Ltd.、ICT 部門、水原、韓国

イ・インジェ

KAIST Institutes for ITC and HST, Korea Advanced Institute of Science and Technology, Daejeon, 34141, Korea

チョ・スンリョン

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

TK主著者が論文方法論の提示と応用に貢献 パノラマ画像の取得と解析に貢献 主著者として論文の執筆と改訂に貢献 DCがCT画像を用いたパノラマ画像の取得に貢献JH は CT 投影データの幾何学キャリブレーションに貢献しました。TL はパノラマ投影データを使用したパノラマ画像の取得に貢献しました。IL は論文のデータの収集、分析、解釈に貢献しました。SC 対応著者は、論文の中核的な方法論の提示に貢献しました。責任著者として論文全体の執筆と改訂に貢献しました。

チョ・スンリョンさんへの手紙。

著者らは競合する利害関係を宣言していません。

シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Kwon, T.、Choi, Di.、Hwang, J. 他 CBCT投影データを使用したパノラマ歯科トモシンセシスイメージング。 Sci Rep 13、8817 (2023)。 https://doi.org/10.1038/s41598-023-35805-1

引用をダウンロード

受信日: 2022 年 11 月 18 日

受理日: 2023 年 5 月 24 日

発行日: 2023 年 5 月 31 日

DOI: https://doi.org/10.1038/s41598-023-35805-1

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。