Усовершенствованная сегментация зубов и пульпы на изображениях КЛКТ с использованием U-Net

Цель: Извлечь любой отдельный зуб из исследования, выполненного методом конусно-лучевой компьютерной томографии (КЛКТ), и сегментировать зуб и пульповую полость для визуализации и оценки взаиморасположения анатомических структур перед эндодонтическим лечением.

Методы: Предложено двухэтапное решение на основе глубокого обучения для точной сегментации зуба и пульповой полости. На первом этапе автоматически выделяется ограничивающая рамка отдельного зуба — как однокорневого (ST), так и многокорневого (MT). Для этого на панорамном изображении используется метод, объединяющий сеть предложений областей (RPN) и сеть пирамиды признаков (FPN). На втором этапе модель U-Net итеративно выполняет уточнённую сегментацию зуба и пульпы для обоих типов зубов — ST и MT. С учётом зашумлённости данных и проблем аннотирования пульповой полости в функцию потерь была добавлена составляющая, штрафующая за нарушение гладкости. Кроме того, для решения проблемы небольшого объёма данных и затруднений, связанных с морфологическими особенностями, применялось многопроекционное расширение данных.

Результаты: Средний коэффициент Dice составил 95,7% для однокорневых зубов, 96,2% для многокорневых зубов, 88,6% для пульпы однокорневых зубов и 87,6% для пульпы многокорневых зубов.

Выводы: Предложено двухэтапное решение на основе глубокого обучения, позволяющее быстро и точно извлекать любой отдельный зуб из исследования КЛКТ и выполнять сегментацию зуба и пульповой полости. Результаты трёхмерной реконструкции полноценно отображают морфологию зубов и пульпы и предоставляют ценные данные для дальнейших исследований и клинической практики.