Automatic 3D Registration of Dental CBCT and Face Scan Data using 2D Projection images

要約

この論文では、歯科用コーンビームコンピュータ断層撮影法 (CBCT) と顔面スキャンデータの完全自動登録方法を紹介します。
3D デジタル治療計画や顎矯正手術など、さまざまな用途で 3D 顎・歯・顔モデルのデジタル プラットフォームとして使用できます。
顔スキャンと CBCT 画像を正確に結合することが難しいのは、画像取得方法が異なることと、2 つの顔表面間の対応領域が限られているためです。
さらに、機械学習技術は、放射線被ばくを伴う顔関連の 3D 医療データを使用するため、トレーニング用に取得するのが困難です。
提案された方法は、オープンソース ライブラリ内の既存の機械学習ベースの 2D ランドマーク検出アルゴリズムを再利用し、対応する 2D ランドマークの知識からペアの 3D ランドマークを識別する新しい数学的アルゴリズムを開発することで、これらの問題に対処します。
この研究の主な貢献は、提案された方法が、堅牢でさまざまな 2D 顔画像モデルに一般化されていることが知られている事前トレーニング済みの顔ランドマーク検出アルゴリズムを使用するため、顔ランドマークの注釈付きトレーニング データを必要としないことです。
これにより、3D ランドマーク検出の問題が、2 つの異なる投影角度から生成された 2 つの 2D 投影画像上で対応するランドマークを識別するという 2D 問題に帰着することに注意してください。
ここでは、登録用の 3D ランドマークは、CBCT および顔スキャン環境下で幾何学的変化が最も少ないサブサーフェスから選択されました。
位置合わせの最終的な微調整には、3D ランドマークの周囲の幾何学的情報を利用する反復最近接点法が適用されました。
実験結果は、提案された方法が 3 組の CBCT および顔スキャン データセットに対して平均表面距離誤差 0.74 mm を達成したことを示しています。

要約(オリジナル)

This paper presents a fully automatic registration method of dental cone-beam computed tomography (CBCT) and face scan data. It can be used for a digital platform of 3D jaw-teeth-face models in a variety of applications, including 3D digital treatment planning and orthognathic surgery. Difficulties in accurately merging facial scans and CBCT images are due to the different image acquisition methods and limited area of correspondence between the two facial surfaces. In addition, it is difficult to use machine learning techniques because they use face-related 3D medical data with radiation exposure, which are difficult to obtain for training. The proposed method addresses these problems by reusing an existing machine-learning-based 2D landmark detection algorithm in an open-source library and developing a novel mathematical algorithm that identifies paired 3D landmarks from knowledge of the corresponding 2D landmarks. A main contribution of this study is that the proposed method does not require annotated training data of facial landmarks because it uses a pre-trained facial landmark detection algorithm that is known to be robust and generalized to various 2D face image models. Note that this reduces a 3D landmark detection problem to a 2D problem of identifying the corresponding landmarks on two 2D projection images generated from two different projection angles. Here, the 3D landmarks for registration were selected from the sub-surfaces with the least geometric change under the CBCT and face scan environments. For the final fine-tuning of the registration, the Iterative Closest Point method was applied, which utilizes geometrical information around the 3D landmarks. The experimental results show that the proposed method achieved an averaged surface distance error of 0.74 mm for three pairs of CBCT and face scan datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google