利用口内扫描数据减少三维低剂量颌面CBCT建模中的金属伪影
图像与视频处理
2022-02-09 v1 计算机视觉与模式识别
摘要
低剂量牙科锥形束计算机断层扫描（CBCT）已日益用于颌面建模。然而，种植体、牙冠和补牙材料等金属嵌入物的存在会在CBCT图像中引起严重的条状和阴影伪影，并导致牙齿形态结构丢失，从而阻碍骨骼的准确分割。本文提出一种两阶段金属伪影减少方法，用于精确的三维低剂量颌面CBCT建模，其核心思想是利用来自口内扫描数据的显式牙齿形状先验信息，该数据的获取无需任何额外辐射暴露。第一阶段，采用图像到图像的深度学习网络来减轻金属相关伪影。为提升学习能力，所提网络设计为先验地利用口内扫描数据作为侧输入，并执行辅助牙齿分割的多任务学习。第二阶段，通过从第一阶段校正后的牙科CBCT图像中分割骨骼，构建三维颌面模型。为准确分割骨骼，采用加权阈值法，其中加权区域依据口内扫描数据的几何形状确定。由于在临床实践中获取无金属伪影与受金属伪影影响的牙科CBCT图像的配对训练数据集具有挑战性，本文引入了依据CBCT物理模型自动生成逼真数据集的方法。数值模拟与临床实验表明了该方法的可行性，其在三维低剂量颌面CBCT建模中利用了来自口内扫描数据的牙齿表面信息。
引用
@article{arxiv.2202.03571,
title = {Metal Artifact Reduction with Intra-Oral Scan Data for 3D Low Dose Maxillofacial CBCT Modeling},
author = {Chang Min Hyun and Taigyntuya Bayaraa and Hye Sun Yun and Tae Jun Jang and Hyoung Suk Park and Jin Keun Seo},
journal= {arXiv preprint arXiv:2202.03571},
year = {2022}
}