기존의 치과치료는 수동 계측을 통해 치아를 본뜨며 이를 교정, 임플란트 등에 활용한다. 이 경우 의사의 경험,능력에 따라 치료의 질이 달라진다. 또한 수동 계측을 하는 경우에 발생하는 추가적인 비용이 무시할 수 없는 수준이기 때문에 치료 비용이 증가하게 되고 이에 따라 치과 치료를 꺼리게 되는 경우가 많다.
딥러닝을 활용해 3D CBCT 이미지에서 Z축의 수직으로 단면을 얻어내어 치아와 턱 뼈를 분리해 치아만을 추출하고, 이 결과를 활용해 3D STL로 모델링 하여 3D 프린터로 출력이 가능하도록 한다.
DSV는 Deep Supervision을 의미함
모델명 | Train | Valid | Test | 파라미터 수 (백만) |
---|---|---|---|---|
UNET3+ | 0.8399 | 0.7973 | 0.6877 | 7.6 |
UNET3+ DSV | 0.8399 | 0.8415 | 0.7406 | 7.6 |
Layer UNET | 0.8765 | 0.8240 | 0.7222 | 8.4 |
Layer UNET DSV | 0.9091 | 0.8479 | 0.7744 | 8.4 |
Layer UNET DSV(2conv) | 0.9177 | 0.8500 | 0.7888 | 10.0 |
-
3D CBCT 이미지에 대해서 Z축을 기준으로 Slice하여 데이터셋을 구성한다.
-
치아 이미지에 대해서 치아와 턱뼈를 분리해내고 치아만을 Segmentation하는 방법을 사용하였다.
-
추론 결과를 Z축으로 다시 쌓아 3D STL 파일로 변환한다.