본 논문에서는 치아에 대한 컬러영상에서 개별적인 치아영역을 분할하기 위한 새로운 방법을 제안하였다. 제안하는 알고리듬은 치아의 구조적 특징을 이용한 구강구조모델과 워터쉐드 알고리듬의 새로운 경계선 설정방법 등이 사용되었다. 먼저, 컬러영상으로부터 치아영역이 강조된 회색레벨 영상을 획득하고 치아영역 분할시 문제가 될 수 있는 불필요한 부분을 영상에서 제거하였다. 다음으로 제안한 구강구조모델을 이용한 치아영상의 영상향상을 실행하였고, 향상된 영상을 워터쉐드 알고리즘을 이용하여 개별적 치아영역을 분할하였다. 워터쉐드 알고리즘에 필요한 경계선과 시드는 최소 문턱치를 이용한 이진영상의 경계선과 국부 최대값을 적용하였다. 제안한 방법의 성능을 평가하기 위하여 기존의 방법과 제안한 방법에 대하여 비교 실험을 수행하였다. 실험 결과, 제안한 방법이 기존의 방법에 비하여 대구치영역의 검출율이 향상됨을 확인하였으며 치아를 포함한 구강 내 영역의 중복검출 등의 문제를 방지하여 치아영역 검출 성능이 향상되었음을 확인하였다.
본 논문에서는 치아에 대한 컬러영상에서 개별적인 치아영역을 분할하기 위한 새로운 방법을 제안하였다. 제안하는 알고리듬은 치아의 구조적 특징을 이용한 구강구조모델과 워터쉐드 알고리듬의 새로운 경계선 설정방법 등이 사용되었다. 먼저, 컬러영상으로부터 치아영역이 강조된 회색레벨 영상을 획득하고 치아영역 분할시 문제가 될 수 있는 불필요한 부분을 영상에서 제거하였다. 다음으로 제안한 구강구조모델을 이용한 치아영상의 영상향상을 실행하였고, 향상된 영상을 워터쉐드 알고리즘을 이용하여 개별적 치아영역을 분할하였다. 워터쉐드 알고리즘에 필요한 경계선과 시드는 최소 문턱치를 이용한 이진영상의 경계선과 국부 최대값을 적용하였다. 제안한 방법의 성능을 평가하기 위하여 기존의 방법과 제안한 방법에 대하여 비교 실험을 수행하였다. 실험 결과, 제안한 방법이 기존의 방법에 비하여 대구치영역의 검출율이 향상됨을 확인하였으며 치아를 포함한 구강 내 영역의 중복검출 등의 문제를 방지하여 치아영역 검출 성능이 향상되었음을 확인하였다.
In this paper, we proposed a new algorithm for individual tooth region segmentation on tooth color images. The proposed algorithm used oral cavity model based on structural feature of tooth and new boundary of watershed algorithm. First, the gray scale image is obtained with emphasized tooth regions...
In this paper, we proposed a new algorithm for individual tooth region segmentation on tooth color images. The proposed algorithm used oral cavity model based on structural feature of tooth and new boundary of watershed algorithm. First, the gray scale image is obtained with emphasized tooth regions from the color images and unnecessary regions are removed on tooth images. Next, the image enhancement of tooth images is implemented using the proposed oral cavity model, and the individual tooth regions are segmented by watershed algorithm on the enhanced images. Boundary and seeds necessary to watershed algorithm are applied boundary of binary image using minimum thresholding and region maximum value. In order to evaluate performance of proposed algorithm, we conduct experiment to compare conventional algorithm with proposed algorithm. As a result of experiment, we confirmed that the proposed algorithm is more improved detection ratio than conventional algorithm at molar regions and the tooth region detection performance is improved by preventing overlap detection on oral cavity.
In this paper, we proposed a new algorithm for individual tooth region segmentation on tooth color images. The proposed algorithm used oral cavity model based on structural feature of tooth and new boundary of watershed algorithm. First, the gray scale image is obtained with emphasized tooth regions from the color images and unnecessary regions are removed on tooth images. Next, the image enhancement of tooth images is implemented using the proposed oral cavity model, and the individual tooth regions are segmented by watershed algorithm on the enhanced images. Boundary and seeds necessary to watershed algorithm are applied boundary of binary image using minimum thresholding and region maximum value. In order to evaluate performance of proposed algorithm, we conduct experiment to compare conventional algorithm with proposed algorithm. As a result of experiment, we confirmed that the proposed algorithm is more improved detection ratio than conventional algorithm at molar regions and the tooth region detection performance is improved by preventing overlap detection on oral cavity.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 논문에서는 기존의 치아영역을 검출하는 연구에서 영상의 밝기와 치아의 구조적 특징들을 고려하지 않아서 발생하는 대구치 등의 안쪽 치아가 검출되지 않는 문제에 대하여 치아의 구조적 특징을 활용한 구강구조모델을 제안하였고 이를 이용하여 영상향상을 실행하였다.
제안 방법
그림 4는 가장자리의 불필요한 영상정보 제거에 대한 연산과정을 순서대로 보여주고 있다. 그림 4(a)는 획득된 영상에서 가장자리의 불필요한 영상정보를 보여 주고 있으며 이를 제거하기 위하여 영상의 가장자리에서부터 불필요한 영상정보의 화소 군집(pixel cluster)을 검출 한 후 제거하였다. 그림 4(b)는 가장자리에서부터 시작하여 4-체인방식의 영역확장방법을 이용하여 화소 군집을 검출한 영상이다[11].
변환된 영상에 대해 제안한 구강모델을 이용하여 영상향상을 수행하고 향상된 영상에 대하여 최소 문턱치를 적용한 이진영상의 경계선과 이진영상의 치아영역에서 향상된 영상의 국부 최대 밝기 값을 도출하였다. 그리고 도출한 경계선과 국부 최대 밝기 값을 워터쉐드 알고리즘의 경계선과 시드로 하여 치아영역 검출을 수행하였다.
치아영상에서 치아는 R, G, B값이 골고루 분포되어 있으나 잇몸영역에서는 R값의 분포가 강하게 나타나게 되며 G와 B값의 분포는 잇몸보다 치아에서 강하게 난다. 따라서 치아와 잇몸에서의 R, G, B값의 특성을 이용하여 컬러 영상으로부터 치아영역을 강조할 수 있는 회색레벨 영상을 획득하였다.
따라서, 본 논문에서는 기존의 치아영역을 검출하는 연구에서 영상의 밝기와 치아의 구조적 특징들을 고려하지 않아서 발생하는 대구치 등의 안쪽 치아가 검출되지 않는 문제에 대하여 치아의 구조적 특징을 활용한 구강구조모델을 제안하였고 이를 이용하여 영상향상을 실행하였다. 또한 워터쉐드에서 사용되는 영역검출 경계선은 최소 문턱치 연산을 통하여 도출되는 이진영상의 경계선을 적용함으로써 기존의 소벨 에지를 적용한 연구결과에서 나타나는 중복검출 등의 문제를 개선하였다.
치아의 컬러영상을 붉은색(red, R), 녹색(green, G)과 푸른색(blue, B)의 차이를 이용한 전처리과정을 통해 치아가 강조된 회색레벨 영상으로 변환하였다. 변환된 영상에 대해 제안한 구강모델을 이용하여 영상향상을 수행하고 향상된 영상에 대하여 최소 문턱치를 적용한 이진영상의 경계선과 이진영상의 치아영역에서 향상된 영상의 국부 최대 밝기 값을 도출하였다. 그리고 도출한 경계선과 국부 최대 밝기 값을 워터쉐드 알고리즘의 경계선과 시드로 하여 치아영역 검출을 수행하였다.
기존의 치아영역 검출방법인 MCWA는 영상의 향상에 대한 부분과 치아가 아닌 부분에 대한 불필요한 영역의 제거와 소벨 에지를 워터쉐드 알고리듬의 경계선 설정에 사용함으로써 개별적 치아영역을 검출함에 있어서 대구치영역(1∼3molar)의 누락, 치아영역이 아닌 다른 부분을 치아영역으로 검출, 일부 치아영역의 중복검출 등의 문제점이 발생하였다. 본 논문에서 제안한 구강구조모델은 치아의 구조적특징과 영상획득을 위한 획득부와의 거리에 따른 밝기에 대한 영향을 고려하여 치아영상에서 나타나는 밝기를 계산하였다. 이러한 구강구조모델을 이용하여 영상향상을 실행하게 되면 대구치들의 정보가 강조되면서 치아영역의 검출율을 향상시키게 되며 영상의 가장자리와 인접한 부분의 제거로 불필요한 부분을 치아영역으로 검출하는 오류를 감소시켰다.
기존의 치아 검출 연구에서는 치아의 아치형태의 구조적 특징을 이용하지 않으므로 정면에서 획득한 영상에 대해 안쪽의 대구치 정보가 치아영역 분할 시에 완전하게 검출되지 못한다. 이를 해결하기 위하여 제안한 치아영역 검출방법에 대한 전체적인 흐름도를 그림 1에서 보였으며 본 논문에서 새로이 제안한 세부적인 부분은 영상향상 부분과 워터쉐드 경계선 지정방법이다. 제안한 방법의 수행 순서는 다음과 같다.
제안한 영상향상은 구강구조모델을 이용하여 다음과 같이 실행하였다. 제안한 구강구조모델인 그림7에서의 치아구조의 면적과 밝기와 그림 8의 광원에 대한 거리와 밝기의 관계를 통해 다음의 식 (6)으로 표현 할 수 있다.
치아의 아치형태의 구조적 특징을 이용하여 구강모델을 제안하였고, 제안한 모델을 이용하여 치아영상의 영상향상을 실행하였다. 치아의 아치 모양의 특성으로 인해 정면에서 보는 경우에는 앞니에 비해 안쪽의 대구치는 위치적으로 안쪽에 위치하게 되며 영상을 획득할 때에도 이러한 특징이 그대로 반영되어 정면의 앞니에서는 반사로 인하여 밝기 값의 분포가 강한 반면 안쪽의 대구치에서는 밝기가 미약하고 면적도 작게 나타난다.
제안한 방법의 수행 순서는 다음과 같다. 치아의 컬러영상을 붉은색(red, R), 녹색(green, G)과 푸른색(blue, B)의 차이를 이용한 전처리과정을 통해 치아가 강조된 회색레벨 영상으로 변환하였다. 변환된 영상에 대해 제안한 구강모델을 이용하여 영상향상을 수행하고 향상된 영상에 대하여 최소 문턱치를 적용한 이진영상의 경계선과 이진영상의 치아영역에서 향상된 영상의 국부 최대 밝기 값을 도출하였다.
대상 데이터
제안한 구강구조모델을 적용한 개별적 치아영역검출의 효율성을 확인하기 위하여 정면치아영상 8개에 대하여 실험하였다. 그림 12는 8개의 치아영상에 대한 제안한 모델 적용한 결과이다.
제안한 방법의 효율성을 검증하기 위하여 정면에서 촬영된 다수의 치아영상 데이터로써 실험하였다. 기존의 치아영역검출방법인 MCWA과 본 논문에서 제안한 방법에 대한 실험 결과를 그림 11에서 보였다.
이론/모형
본 논문에서는 최소 문턱치방법을 활용한 경계선추출방법을 사용하였다. 최소 문턱치 방법은 전처리과정과 영상향상을 통해 획득한 회색레벨 영상에 대하여 이진영상이 생성될 수 있는 문턱치의 최소값을 적용하여 이진화를 실행하는 것이다.
성능/효과
기존의 치아영역검출방법인 MCWA과 본 논문에서 제안한 방법에 대한 실험 결과를 그림 11에서 보였다. 그림 11(a)의 MCWA 방법은 치아 및 구강의 구조적인 특성을 반영한 영상향상에 관한 부분이 없으므로 이 부분에 대한 치아의 안쪽부분인 대구치영역의 검출율이 떨어진다. 또한 소벨 에지의 특성으로 인하여 정면의 앞니와 송곳니 영역의 중복검출이 나타남을 볼 수 있다.
또한 소벨 에지의 특성으로 인하여 정면의 앞니와 송곳니 영역의 중복검출이 나타남을 볼 수 있다. 반면에 본 논문에서 제안한 영상향상은 치아 및 구강의 구조적특징을 활용하여 치아의 밝기 값을 향상시켰기 때문에 그림 11(b)와 같이 MCWA방법에 비하여 안쪽 치아의 검출율이 향상되었으며 최소 문턱치 경계선을 이용하여 정면치아에서의 중복검출도 기존의 MCWA방법에 비하여 개선되었음을 확인할 수 있다.
MCWA방법은 대구치 영역의 치아검출율이 낮아 전체 치아 대비 검출 개수가 낮은 결과를 보이고 있다. 그러나 제안한 방법의 검출율은 영상향상을 통해 대구치 영역의 치아 검출율이 향상되어 전체 치아 대비 검출개수가 MCWA방법에 비하여 높은 것을 표 1을 통해 알 수 있다.
표 1은 8개의 치아영상으로써 기존의 치아영역 검출방법인 MCWA와 제안한 방법에 대한 치아영역의 검출율을 보여준다. 기존의 치아영역 검출방법인 MCWA에 비하여 제안한 방법이 향상된 검출율을 보여주고 있다. MCWA방법은 대구치 영역의 치아검출율이 낮아 전체 치아 대비 검출 개수가 낮은 결과를 보이고 있다.
이러한 구강구조모델을 이용하여 영상향상을 실행하게 되면 대구치들의 정보가 강조되면서 치아영역의 검출율을 향상시키게 되며 영상의 가장자리와 인접한 부분의 제거로 불필요한 부분을 치아영역으로 검출하는 오류를 감소시켰다. 동일한 워터쉐드 알고리듬으로 치아영역 분할을 했을 때, 제안한 영상향상 방법은 기존의 방법에 비하여 치아영역의 검출성능이 향상되었다. 이러한 결과는 치과영역에 있어서 정량적이고 객관적인 분석 및 진단에 기여할 수 있을 것으로 판단되며 치아인식이 필요한 치아스캐너 시스템 등에 활용될 수 있을 것으로 예견된다.
그림 12는 8개의 치아영상에 대한 제안한 모델 적용한 결과이다. 전체적으로 제안한 방법을 통한 치아영역 검출 결과가 안쪽의 대구치까지 검출하는 것을 확인할 수 있다. 그림 12(a), (g)(b), (d)의 경우, 치아 윗부분의 잇몸영역의 검출과정 면 치아에서의 과분할을 확인할 수 있는데 이는 경면반사(specular reflection)때문에 잇몸에서의 밝기가 치아와 유사해지면서 나타나는 현상과 치아에서 밝기의 포화(saturation) 인하여 발생되는 오차이다.
그림 9(a)와 (d)는 전처리과정을 통해 획득한 영상과 흰색 실선의 위치에서의 밝기를 보여주고 있다. 제안한 구강구조모델에 의해 유추된 바와 같이 정면 앞니에서의 밝기보다 안쪽의 대구치에서의 밝기가 점차 줄어드는 것을 확인할 수 있다. 제안한 식 (7)을 이용하여 영상을 향상하게 되면 그림 9(b)와 (e)에서와 같이 정면앞니의 밝기에는 영향을 최소화 하면서 안쪽의 대구치의 밝기를 향상시키는 것을 확인할 수 있다.
제안한 구강구조모델은 정면의 앞니에서부터 안쪽의 대구치까지의 밝기가 cosΘ에 비례하여 줄어든다.
후속연구
또한 치아의 표면의 형태와 정보가 필요한 임플란트 시술 및 진단에서 개별적 치아영역분할은 CT나 X-ray같이 침습적인 영상획득방법이 아닌 비침습적인 방법으로 획득할 수 있는 치아에 대한컬러영상으로써 필요한 정보를 획득할 수 있으므로 유용하게 사용될 것으로 예상되며 나아가 치과 관련 질환의 진단시스템을 비롯한 다양한 연구에서도 활용될 수 있을 것으로 예상된다. 그러나 치아영역 검출에 관한 연구들을 통하여 인식되고 있는 조명에 의한 경면반사, 잇몸영역의 치아와 유사한 영역에 대한 과분할 등의 문제를 해결하기 위하여 경면반사제거나 경계선과 시드에 관한 향후 추가적인 연구가 진행되어야 할 것으로 판단된다.
이러한 결과는 치과영역에 있어서 정량적이고 객관적인 분석 및 진단에 기여할 수 있을 것으로 판단되며 치아인식이 필요한 치아스캐너 시스템 등에 활용될 수 있을 것으로 예견된다. 또한 치아의 표면의 형태와 정보가 필요한 임플란트 시술 및 진단에서 개별적 치아영역분할은 CT나 X-ray같이 침습적인 영상획득방법이 아닌 비침습적인 방법으로 획득할 수 있는 치아에 대한컬러영상으로써 필요한 정보를 획득할 수 있으므로 유용하게 사용될 것으로 예상되며 나아가 치과 관련 질환의 진단시스템을 비롯한 다양한 연구에서도 활용될 수 있을 것으로 예상된다. 그러나 치아영역 검출에 관한 연구들을 통하여 인식되고 있는 조명에 의한 경면반사, 잇몸영역의 치아와 유사한 영역에 대한 과분할 등의 문제를 해결하기 위하여 경면반사제거나 경계선과 시드에 관한 향후 추가적인 연구가 진행되어야 할 것으로 판단된다.
동일한 워터쉐드 알고리듬으로 치아영역 분할을 했을 때, 제안한 영상향상 방법은 기존의 방법에 비하여 치아영역의 검출성능이 향상되었다. 이러한 결과는 치과영역에 있어서 정량적이고 객관적인 분석 및 진단에 기여할 수 있을 것으로 판단되며 치아인식이 필요한 치아스캐너 시스템 등에 활용될 수 있을 것으로 예견된다. 또한 치아의 표면의 형태와 정보가 필요한 임플란트 시술 및 진단에서 개별적 치아영역분할은 CT나 X-ray같이 침습적인 영상획득방법이 아닌 비침습적인 방법으로 획득할 수 있는 치아에 대한컬러영상으로써 필요한 정보를 획득할 수 있으므로 유용하게 사용될 것으로 예상되며 나아가 치과 관련 질환의 진단시스템을 비롯한 다양한 연구에서도 활용될 수 있을 것으로 예상된다.
이때 가중치 β는 1로 하였다. 이러한 영상향상은 추후 개별적 치아 검출에 있어서 안쪽의 대구치의 검출에 도움이 된다. 그림 9(c)와 (f)는 식 (7)의 가중치 β를 1.
질의응답
핵심어
질문
논문에서 추출한 답변
CT나 X-ray영상의 단점은?
치과질환의 치료를 위한진료방법으로는 CT나 X-ray를 이용하여 영상을 얻어 질환을 진단하는 방법이 널리 사용되고 있으며, 이러한 CT, X-ray영상은 검시분야에서도 치아의 윤곽선 검출기법을 적용하여 영상에서 치아영역의 개별적 인식이 가능하고 검출된 치아영역의 특징을 파악하여 사망자의 신원 확인에도 이용되고 있다[3-6].그러나 CT나 X-ray영상은 치아의 뿌리나 신경과 같이 치아 내부의 질환에 대한 형태학적특징이나 병변을 찾기 위해 활용되기에는 용이하지만, 임플란트에 사용되는 치은구부터 크라운까지의 치아 표면의 정보를 파악하기에는 어려움이 있다. 그리고 영상을 획득하는 과정이 복잡하고 영상 촬영 시에 방사선노출에 의한 유해성도 존재한다[7].
치과질환의 치료방법도 다양해지며 변화하고 대체되고 있는 치료법은?
그중 영유아, 청소년은 물론노인세대까지 전 세대에 걸쳐 영향을 끼치고 있는 치과질환의 치료방법도 다양해지고 있다. 이러한 치과질환의 치료방법으로는 아말감(amalgam), 인레이(inlay), 크라운(crown)등과 같이 정상치아와 형태나 색이 다르며 심미적인부분은 고려하지 않은 치료방법에서 점차 브리지(bridge)와 같이 기존의 치아를 유지하거나, 레진(resin), 임플란트(implant)와 같이 정상치아의 형태, 색과 유사한 심미적인 치료방법으로 대체되어가고 있다[1,2]. 치과질환의 치료를 위한진료방법으로는 CT나 X-ray를 이용하여 영상을 얻어 질환을 진단하는 방법이 널리 사용되고 있으며, 이러한 CT, X-ray영상은 검시분야에서도 치아의 윤곽선 검출기법을 적용하여 영상에서 치아영역의 개별적 인식이 가능하고 검출된 치아영역의 특징을 파악하여 사망자의 신원 확인에도 이용되고 있다[3-6].
치아가 가지는 구조적 특징은?
치아는 정면을 기준으로 상/하악골의 형태와 동일하게 아치형태의 구조적 특징을 가지고 있으며, 잇몸과 치아의 색의 구성에서도 차이가 나타난다. 이러한 치아의 구조적 특징은 영상 획득 시, 정면에서 획득하는 영상에서 위치적으로 치아의 색이 제대로 반영되지 못한다.
참고문헌 (15)
E.J. Go and G.W. Jang, "A Study on Subjective Awareness and Expectations of Implant Patients," Korean Society of Dental Hygiene, Vol. 10, No. 1, pp. 107-125, 2010.
E.J. Kim and J.Y. Kim, "A Study on Improvement in Quality of Life for Patients with Dental Implant Treatment," Journal of Korean Academy of Oral Health, Vol. 34, No. 3, pp. 430-436, 2010.
S. Shah, A. Abaza, A. Ross, and H. Ammar, "Automatic Tooth Segmentation Using Active Contour without Edges," Biometric Consortium Conference, pp. 1-6, 2006.
E.K. Kim, "Digital X-ray Imaging in Dentistry," Korean Association of Oral and Maxillofacial Surgeons, Vol. 29, No. 2, pp. 387-396, 1999.
H.W. Kye and J.J. Lee, "Non-rigid Registration Method of Lung Parenchyma in Temporal Chest CT Scans using Region Binarization Modeling and Locally Deformable Model," Journal of Korea Multimedia Society, Vol. 16, No. 6, pp. 700-707, 2013.
D.W. Yang, S.J. Kang, and J.H. Yoon, "A Study on Image Segmentation Method Based on a Histogram for Small Target Detection," Journal of Korea Multimedia Society, Vol. 15, No. 11, pp. 1305-1318, 2012.
B.H. Hong, W.J. Han, and E.K. Kim, "Absorbed and Effective Dose from Spiral and Computed Tomography for the Dental Implant Planning," Imaging Science in Dentistry, Vol. 31, No. 3, pp. 165-173, 2001.
S.T. Lee, K.S. Kim, and T.H. Yoon, "Individual Tooth Image Segmentation by Watershed Algorithm," Journal of the Institute of Electronics Engineers of Korea, Vol. 59, No. 1, pp. 210-216, 2010.
S.T. Lee, K.S. Kim, T.H. Yoon, J.W. Lee, K.D. Kim, and W.S. Park, "Individual Tooth Image Segmentation with Correcting of Specular Reflections," The Transactions of the Korean Institute of Electrical Engineers, Vol. 59, No. 6, pp. 1136-1142, 2010.
S.T. Lee, K.S. Kim, T.H. Yoon, J.W. Lee, K.D. Kim, and W.S. Park, "Image Segmentation of Teeth Region by Color Image Analysis," The Transactions of the Korean Institute of Electrical Engineers, Vol. 58, No. 6, pp. 1207- 1214, 2009.
R.C.Gonzalez and R.G. Wood, Digital image Processing Using MATLAB, Prentice-Hall, New Jersey, 2004.
Rickne C. Sceid and Gabriela Weiss, Woelfel's Dental Anatomy, Wolters Kluwer, Philadelphia, 2012.
M.H. Kim, J.P. Park, B.K. Yoon, S.H. Lee, J.Y. Lee, W.Y. Chun, S.M. Jung, S.H. Jung, H.S. Jung, E. Choi, and W.J. Choi, Oral Anatomy, Jungmunkag, Seoul, 2012.
B.K.B. Berkovitx, G.R. Holland, and B.J. Moxham, Oral Anatomy, Histology and Embryology, Mosby elsevier. Edinburgh, 1992.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.