Dual-Stage Deeply Supervised Attention-based Convolutional Neural Networks for Mandibular Canal Segmentation in CBCT Scans

要約

下顎の下顎管の正確なセグメンテーションは歯科インプラント学において重要であり、インプラントの位置と寸法は現在、管内の下顎神経の損傷を避けるために医療専門家が 3D CT 画像から手動で決定しています。
この論文では、下顎管の自動検出のための新しいデュアルステージディープラーニングベースのスキームを提案します。
特に、まず、下顎管の可視性を向上させる新しいヒストグラムベースの動的ウィンドウ方式を採用して、CBCT スキャンを強化します。
拡張後、下顎管 (つまり、左右の管) を含む関心ボリューム (VOI) をローカライズするために、3D の深く監視された注意 U-Net アーキテクチャを設計します。
最後に、マルチスケール入力残差 U-Net アーキテクチャ (MS-R-UNet) を採用して、下顎管を正確にセグメント化しました。
提案された方法は500回のスキャンで厳密に評価されており、結果は、セグメンテーションパフォーマンスと堅牢性の観点から、当社の手法が既存の最先端の方法よりも優れていることを示しています。

要約(オリジナル)

Accurate segmentation of mandibular canals in lower jaws is important in dental implantology, in which the implant position and dimensions are currently determined manually from 3D CT images by medical experts to avoid damaging the mandibular nerve inside the canal. In this paper, we propose a novel dual-stage deep learning based scheme for automatic detection of mandibular canal. Particularly, we first we enhance the CBCT scans by employing the novel histogram-based dynamic windowing scheme which improves the visibility of mandibular canals. After enhancement, we design 3D deeply supervised attention U-Net architecture for localize the volume of interest (VOI) which contains the mandibular canals (i.e., left and right canals). Finally, we employed the multi-scale input residual U-Net architecture (MS-R-UNet) to accurately segment the mandibular canals. The proposed method has been rigorously evaluated on 500 scans and results demonstrate that our technique out performs the existing state-of-the-art methods in term of segmentation performance as well as robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google