선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 복셀화와 거리맵을 이용한 3차원얼굴 스캔 데이터와 CBCT데이터의 정합 기법을 제안하였다.제안 기법은 첫째로 3차원 얼굴 스캔 데이터의 복셀화와 무게 중심 정보를 활용하여 두 데이터의 초기 정합을 수행하였다.
- 본 논문에서는 복셀화와 거리맵을 이용한 3차원얼굴 스캔 데이터와 CBCT데이터의 정합 기법을 제안한다.첫번째로 3차원 얼굴 스캔 데이터의 복셀화와 무게 중심 정보를 활용하여 두 데이터의 초기 정합을 수행한다.
제안 방법
- 세번째로 이와 같이 추출한 각영상들의 피부 표면의 거리를 최소화하는 강체 정합을 수행하여 두 영상들 사이의 위치와 자세 차이를보정하였다.10명의 환자 데이터에 대하여 3차원 얼굴 스캔 데이터와 CBCT데이터의 정합에 제안 기법을 적용하여 시각적 검사, 정량적 정확성 평가를 통하여 제안 기법의 정확성을 검증하였다.제안 기법은구강 수술의 계획의 수립이나 구강 수술 후의 치료효과를 효과적으로 판단하는 진단 과정에 매우 유용한 임상적 정보를 제공하여 줄 수 있다.
- 제안 기법은 첫째로 3차원 얼굴 스캔 데이터의 복셀화와 무게 중심 정보를 활용하여 두 데이터의 초기 정합을 수행하였다.두번째로 3차원 CBCT 데이터에서 공기 영역과 피부 영역을 분할하여 피부표면을 추출하였다.세번째로 이와 같이 추출한 각영상들의 피부 표면의 거리를 최소화하는 강체 정합을 수행하여 두 영상들 사이의 위치와 자세 차이를보정하였다.
- 첫번째로 3차원 얼굴 스캔 데이터의 복셀화와 무게 중심 정보를 활용하여 두 데이터의 초기 정합을 수행한다.두번째로 3차원 CBCT데이터에서공기 영역과 피부 영역을 분할하여 피부 표면을 추출한다.세번째로 이와 같이 추출한 각 영상들의 피부표면의 거리를 최소화하는 강체 정합을 수행하여 두영상들 사이의 위치와 자세 차이를 보정한다.
- 첫번째로 3차원 얼굴 스캔 데이터의 복셀화와 무게 중심 정보를 활용하여 두 데이터의 초기 정합을 수행한다.두번째로 3차원 CBCT데이터에서공기 영역과 피부 영역을 분할하여 피부 표면을 추출한다.세번째로 이와 같이 추출한 각 영상들의 피부표면의 거리를 최소화하는 강체 정합을 수행하여 두영상들 사이의 위치와 자세 차이를 보정한다.
- 첫번째로 CBCT데이터에서는 피부와 뼈를 각각 추출하였고, 3차원 얼굴 스캔 데이터에서는 피부 전체를 이용하지 않고, 안구주위(periorbital) 영역과 비구순 (nasolabial)영역을 제외한 나머지 영역을 사용하였다.두번째로 3차원 얼굴 스캔 데이터와 CBCT데이터를 먼저 수작업으로 정렬을 수행하였다.세번째로두 영역에 존재하는 점들의 거리를 최소화하도록 ICP(IterativeClosestPoint)기법[7]을 변형한 기법으로 표면 강체 정합을 수행하였다.
- 본 논문에서 제안한 3차원 얼굴 스캔 데이터와 CBCT데이터의 정합 기법은 Fig.1에서와 같이 세 가지 단계로 구성된다.첫번째로 3차원 얼굴 스캔 데이터의 복셀화와 두 데이터의 초기 정합을 수행한다.
- 최소화한다. 본 논문에서는 대응되는 점들을 파악하고, 거리를 계산하는 과정을 챔퍼 거리맵[9]을 이용하여 근사하여 가속화한다.3차원 CBCT데이터의 피부 표면을 고정된 영상(fixedimage, F)으로 설정하고, 이 표면으로부터 임의의 점까지의 거리가 거리 맵을 통하여 근사되고, 3차원 얼굴 스캔 데이터를 움직이는 영상(movingimage, M)으로 설정하고, 이 표면의 현재 위치에 해당되는 거리맵 값을 참조하면, 이값이 움직이는 영상과 고정된 영상들 사이에 대응되는 점들 사이의 최소 거리로 간주될 수 있다.
- 두번째로 3차원 CBCT데이터에서 공기 영역과 피부 영역을 분할하여 피부 표면을 추출한다.세번째로 각 영상들의 피부 표면의 거리를 최소화하는 강체 정합을 수행하여 두 영상들 사이의 위치와 자세 차이를 보정한다.
- 두번째로 3차원 CBCT데이터에서공기 영역과 피부 영역을 분할하여 피부 표면을 추출한다.세번째로 이와 같이 추출한 각 영상들의 피부표면의 거리를 최소화하는 강체 정합을 수행하여 두영상들 사이의 위치와 자세 차이를 보정한다.제안기법은 수작업이 필수적인 Jayaratne등의 기법[6]과비교하여 자동으로 추출이 가능한 feature정보를 사용하기 때문에 수작업이 전혀 필요가 없는 장점이있고, 거리맵을 이용하여 보다 고속으로 강인한 정합이 가능하였다.
- 두번째로 3차원 CBCT 데이터에서 공기 영역과 피부 영역을 분할하여 피부표면을 추출하였다.세번째로 이와 같이 추출한 각영상들의 피부 표면의 거리를 최소화하는 강체 정합을 수행하여 두 영상들 사이의 위치와 자세 차이를보정하였다.10명의 환자 데이터에 대하여 3차원 얼굴 스캔 데이터와 CBCT데이터의 정합에 제안 기법을 적용하여 시각적 검사, 정량적 정확성 평가를 통하여 제안 기법의 정확성을 검증하였다.
- 두번째로 3차원 얼굴 스캔 데이터와 CBCT데이터를 먼저 수작업으로 정렬을 수행하였다.세번째로두 영역에 존재하는 점들의 거리를 최소화하도록 ICP(IterativeClosestPoint)기법[7]을 변형한 기법으로 표면 강체 정합을 수행하였다.이 방법은 관심영역의 선택과 초기 정합이 전부 수작업으로 수행되기 때문에 전체 과정에 많은 시간과 노력이 소요되고, 최종 결과의 정확성이 수작업에 크게 의존하게되는 문제점이 있다.
- 제안 기법은 10명의 환자에 대한 3차원 CBCT영상데이터와 대응되는 3차원 얼굴 스캔 데이터에 적용이 되었다.시각적 검사로 정합 후 결과 영상을 3차원 CBCT데이터는 볼륨 렌더링 기법으로 가시화 하고, 3차원 얼굴 스캔 데이터는 표면 렌더링 기법으로 중첩 가시화를 수행하여 비교하였다.제안 기법으로 정합을 수행한 후에는 Fig.
- 8GHz CPU와 8GB메모리를 갖는 시스템에서 수행되었다. 제안 기법은 10명의 환자에 대한 3차원 CBCT영상데이터와 대응되는 3차원 얼굴 스캔 데이터에 적용이 되었다.시각적 검사로 정합 후 결과 영상을 3차원 CBCT데이터는 볼륨 렌더링 기법으로 가시화 하고, 3차원 얼굴 스캔 데이터는 표면 렌더링 기법으로 중첩 가시화를 수행하여 비교하였다.
- 제안하였다.제안 기법은 첫째로 3차원 얼굴 스캔 데이터의 복셀화와 무게 중심 정보를 활용하여 두 데이터의 초기 정합을 수행하였다.두번째로 3차원 CBCT 데이터에서 공기 영역과 피부 영역을 분할하여 피부표면을 추출하였다.
- 제안한다.첫번째로 3차원 얼굴 스캔 데이터의 복셀화와 무게 중심 정보를 활용하여 두 데이터의 초기 정합을 수행한다.두번째로 3차원 CBCT데이터에서공기 영역과 피부 영역을 분할하여 피부 표면을 추출한다.
대상 데이터
- 제안하였다.첫번째로 CBCT데이터에서는 피부와 뼈를 각각 추출하였고, 3차원 얼굴 스캔 데이터에서는 피부 전체를 이용하지 않고, 안구주위(periorbital) 영역과 비구순 (nasolabial)영역을 제외한 나머지 영역을 사용하였다.두번째로 3차원 얼굴 스캔 데이터와 CBCT데이터를 먼저 수작업으로 정렬을 수행하였다.
이론/모형
- 두 영상들의 정합의 정확성을 식 (3)의 ASD유사성 척도를 사용하여 정량적으로 평가하였다.10명의환자에 대한 평균 ASD유사성 척도는 최종 정합 후에 0.
- 중심의 좌표이다.변환 인자의 탐색을 위하여 파웰의 방향 기법[11, 12]을 적용하여 빠른 시간 내에 최적의 위치로 수렴하도록 한다.탐색 순서는 , , , , , 이고 일정 횟수를 반복시켜서 식 (4) 의평균 표면 거리를 최소화하도록 탐색하고, 표면 거리의 값에 더 이상 변화가 없으면 종료시킨다.
- 제안 기법의 수행 시간은 분할 과정, 초기 정합 과정, 강체 정합 과정을 전부 포함하여평균 약 6초 정도의 시간이 소요되었다. 제안 기법과 기존 기법[14]을 비교하기 위하여 동일한 데이터 셋에 대하여 강체 정합을 기존 기법[14] 으로 수행하였다.Fig.
성능/효과
- 평가하였다.10명의환자에 대한 평균 ASD유사성 척도는 최종 정합 후에 0.59±0.12mm으로 기존에 발표된 논문의 결과인 1.5mm[13]보다 매우 감소하여 정확한 정합 결과를보여준 것을 확인할 수 있었다.정합의 정확성을 시각적으로 검토하기 위하여 정합 후 CBCT영상의 피부를 볼륨 렌더링한 결과와 얼굴 스캔 데이터를 중첩한 결과 Fig.
- Fig.8에서와 같이 특정 환자에 대한 정합 수렴과정을 반복 횟수에 대한 ASD의 변화로 그래프로 표시하면, ASD가 반복에 따라서 안정적으로 최적의 위치로 수렴함을 확인할 수 있었다.제안 기법의 수행 시간은 분할 과정, 초기 정합 과정, 강체 정합 과정을 전부 포함하여평균 약 6초 정도의 시간이 소요되었다.
- 5mm[13]보다 매우 감소하여 정확한 정합 결과를보여준 것을 확인할 수 있었다.정합의 정확성을 시각적으로 검토하기 위하여 정합 후 CBCT영상의 피부를 볼륨 렌더링한 결과와 얼굴 스캔 데이터를 중첩한 결과 Fig.7에서와 같이 CBCT영상의 피부와 얼굴 스캔 데이터의 피부가 정확하게 위치와 자세가정렬됨을 3차원 렌더링 결과를 통하여 시각적으로확인할 수 있었다.
- 10명의 환자 데이터에 대하여 3차원 얼굴 스캔 데이터와 CBCT데이터의 정합에 제안 기법을 적용하여 시각적 검사, 정량적 정확성 평가를 통하여 제안 기법의 정확성을 검증하였다.제안 기법은구강 수술의 계획의 수립이나 구강 수술 후의 치료효과를 효과적으로 판단하는 진단 과정에 매우 유용한 임상적 정보를 제공하여 줄 수 있다.
- 8에서와 같이 특정 환자에 대한 정합 수렴과정을 반복 횟수에 대한 ASD의 변화로 그래프로 표시하면, ASD가 반복에 따라서 안정적으로 최적의 위치로 수렴함을 확인할 수 있었다.제안 기법의 수행 시간은 분할 과정, 초기 정합 과정, 강체 정합 과정을 전부 포함하여평균 약 6초 정도의 시간이 소요되었다. 제안 기법과 기존 기법[14]을 비교하기 위하여 동일한 데이터 셋에 대하여 강체 정합을 기존 기법[14] 으로 수행하였다.
- 세번째로 이와 같이 추출한 각 영상들의 피부표면의 거리를 최소화하는 강체 정합을 수행하여 두영상들 사이의 위치와 자세 차이를 보정한다.제안기법은 수작업이 필수적인 Jayaratne등의 기법[6]과비교하여 자동으로 추출이 가능한 feature정보를 사용하기 때문에 수작업이 전혀 필요가 없는 장점이있고, 거리맵을 이용하여 보다 고속으로 강인한 정합이 가능하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.