講演情報
[A-14-06]親知らず抜歯のリスク評価に向けた下顎管セグメンテーション
◎田部 悠樹1、山﨑 達也1 (1. 新潟大学)
キーワード：
下顎管、セグメンテーション、深層学習、nnU-Net
親知らずの抜歯には，下歯槽神経の損傷リスクが伴う．下歯槽神経は，親知らずの歯根に隣接する下顎管の中を走行し，親知らずと下顎管の位置関係によっては，親知らず抜歯時の下歯槽神経損傷による麻痺のリスクが増加する．歯科医師はCT（Computed Tomography）画像を用いて事前リスク評価を行うが，歯科医師個人の経験による診断結果の差異や，スライス画像確認の時間的負担といった課題がある．そのため，事前リスク評価を行うシステムの開発が求められている．
本研究では，同システムにおける処理の第一段階として，深層学習フレームワークであるnnU-Netを用いて，三次元下顎CBCT（Cone Beam Computed Tomography）画像に対して下顎管のセグメンテーションを行う．nnU-Netの学習設定としては，3D fullresを用いており，これは元画像の解像度を保ったまま，三次元の畳み込み演算による特徴抽出を行う設定である．学習モデルの精度評価として，出力画像による定性評価と，評価指標による定量評価を行った．定性評価では，出力画像をオープンソフトウェアである3D Slicerを用いて三次元で可視化し，正解画像と重ねて表示した．比較すると，概ね合致していることが確認できた．定量評価では，Precision，Recallに加え，正解と予測の一致領域を評価するDiceやIoU（Intersection over Union），境界ずれの少なさを評価するHD95（95th Hausdorff Distance）を算出し，それぞれで0.977，0.892，0.932，0.873，0.241（mm）の高精度を記録した．
本研究では，同システムにおける処理の第一段階として，深層学習フレームワークであるnnU-Netを用いて，三次元下顎CBCT（Cone Beam Computed Tomography）画像に対して下顎管のセグメンテーションを行う．nnU-Netの学習設定としては，3D fullresを用いており，これは元画像の解像度を保ったまま，三次元の畳み込み演算による特徴抽出を行う設定である．学習モデルの精度評価として，出力画像による定性評価と，評価指標による定量評価を行った．定性評価では，出力画像をオープンソフトウェアである3D Slicerを用いて三次元で可視化し，正解画像と重ねて表示した．比較すると，概ね合致していることが確認できた．定量評価では，Precision，Recallに加え，正解と予測の一致領域を評価するDiceやIoU（Intersection over Union），境界ずれの少なさを評価するHD95（95th Hausdorff Distance）を算出し，それぞれで0.977，0.892，0.932，0.873，0.241（mm）の高精度を記録した．