Comparison of Trabecular Bone Structural Parameters between CBCT and Contrast-Improved CBCT Based on Deep-Learning = 딥러닝 기반으로 대조도가 향상된 CBCT와 일반 CBCT의 해면골 구조 파라미터 비교
저자
발행사항
서울 : 서울대학교 대학원, 2023
학위논문사항
학위논문(석사)-- 서울대학교 대학원 : 치의과학과 2023. 8
발행연도
2023
작성언어
영어
주제어
DDC
617.6
발행국(도시)
서울
형태사항
vii, 40 ; 26 cm
일반주기명
지도교수: 이원진
UCI식별코드
I804:11032-000000177578
DOI식별코드
소장기관
Objective: In order to measure the structures of the trabecular bone in maxilla and mandible in CBCT images, a binarization process is required, but the reliability of the extracted information can be affected by various threshold settings. To minimize this variability, applying techniques such as noise reduction and contrast enhancement during image pre-processing can improve image quality. Therefore, our objective in this study is to validate the reliability and robustness of measurements for trabecular bone structural parameters using contrast-enhanced CBCT image based on deep learning, by applying the method to clinical data from actual patients.
Methods: Contrast-improved CBCT (CI CBCT) images were set using MDCT and CBCT datasets from 30 patients who visited Seoul National University Dental Hospital. By combining Cycle GAN and U-Net, we improved the overall contrast of the image and suppressed noise level compared to conventional CBCT. Four regions of interest were obtained in the maxillary and mandibular alveolar bone of each patient. Using Otsu's thresholding method as a reference, we analyzed the extent to which binarized images were affected by variation of thresholds, in each MDCT, CI CBCT, and CBCT images. Five bone structural parameters (BV/TV, Tb.Th (mm), Tb.Sp (mm), Tb.N (1/mm), and BS/BV (1/mm)) were applied and analyzed, using intraclass correlation coefficient (ICC), Bland-Altman plot, Linear regression, mean absolute error (MAE), root mean square error (RMSE), and mean absolute percentage error (MAPE).
Results: The ICCs were higher in CI CBCT images than CBCT images for all parameters and regions, indicating higher consistency of the binarized images. In the Bland-Altman plot, the agreements within the binarized images in all parameters were improved in CI CBCT compared to CBCT images. In the linear regression analysis of mean parameter values across groups, the absolute values of slopes in all parameters were lower in CI CBCT images than in CBCT images, indicating lower sensitivity to the variation of thresholds. RMSE, MAE, and MAPE were lower in CI CBCT images than CBCT images for all parameters and regions. MAPE was significantly lower in CI CBCT than CBCT (p<0.05), indicating that the errors within the binarized images were significantly lower in CI CBCT than in CBCT for all parameters and regions.
Conclusion: CI CBCT allows for clearer visualization of trabecular bone structures through higher contrast and less noise level, compared to CBCT. As a result, all bone structural parameters extracted from CI CBCT images exhibited higher reliability and robustness to the variation of thresholds compared to CBCT images for all regions. Therefore, deep learning-based CI CBCT images verified the improved reliability and robustness of measuring bone structural parameters in the maxillo-mandibular region.
1. 목적
CBCT를 이용해 상악과 하악 해면골의 구조를 분석하기 위해서는 이진화 과정이 필요한데, 이때 적용되는 임계값은 설정 기준에 따라 다양한 값을 가진다. 따라서 추출되는 정보의 변동성을 최소화하는 것이 중요한데, 영상의 전처리를 통해 이진화 이미지의 신뢰성을 향상시킬 수 있다. 따라서 이 연구의 목적은 딥러닝을 통해 대조도가 향상된 CBCT (CI CBCT) 영상을 이용해, 대조도 향상과 노이즈 억제를 통해 골 구조 측정의 신뢰성과 견고성을 확보하는 것이다.
2. 방법
서울대학교 치과병원에 내원한 30명의 환자에서 얻은 MDCT 및 CBCT 데이터셋을 사용하여, 딥러닝 기반의 대조도 향상 CBCT 데이터를 얻었다. Cycle GAN과 U-Net을 함께 활용하여, CBCT보다 영상의 전반적인 대조도를 향상시키고 노이즈를 억제했다. 각 환자의 상악과 하악의 해면골에서 4개의 관심 영역을 선택했다. 골의 구조 연구에 자주 쓰이는 방법인 Otsu 임계값을 기준으로(그룹A), 임계값을 미세하게 변화시켜가며(그룹 B,C,D,E) 이진화 이미지들이 그에 따라 영향을 받는 정도를 CI CBCT, CBCT 각각에서 분석했다. 골소주 파라미터인 BV/TV, Tb.Th(mm), Tb.Sp(mm), Tb.N(1/mm), BS/BV(1/mm)의 다섯 가지 지표를 적용했고, 급내 상관계수(ICC), Bland-Altman plot, 선형 회귀분석, 평균 절대 오차(MAE), 평균 제곱 오차(RMSE), 평균 절대 백분율 오차(MAPE)의 통계를 사용했다.
3. 결과
ICC 값은 모든 파라미터와 모든 부위에서 CI CBCT 이미지가 CBCT 이미지보다 높아, 이진화 이미지들의 높은 일관성을 나타내었다. Bland-Altman plot의 모든 파라미터에서 이진화 이미지들의 일치도는 CI CBCT 이미지에서 CBCT 이미지보다 더 우수했다. 그룹별 별 평균 파라미터 값의 선형 회귀분석에서 절대 기울기 값은 CI CBCT 이미지가 CBCT 이미지보다 더 작아, 임계값 변화에 대해 더 낮은 민감도를 나타내었다. RMSE, MAE 및 MAPE 값은 모든 파라미터와 모든 부위에서 CI CBCT 이미지가 CBCT 이미지보다 작았다. 특히 MAPE 값은 모든 파라미터와 모든 부위에서 CI CBCT 이미지가 CBCT 이미지보다 더 유의하게 작아 (p<0.05), 이진화 처리된 이미지들 간의 상대적 오차가 CI CBCT에서 CBCT보다 유의미하게 더 적음을 나타내었다.
4. 결론
CI CBCT는 CBCT와 비교하여 더 높은 대비와 적은 노이즈를 통해 골조직 구조를 더욱 선명하게 시각화 할 수 있다. 이로 인해, CI CBCT 이미지에서 추출된 모든 골 구조 파라미터는 CBCT 이미지에서 보다 임계값의 다양성에 대해 상대적으로 더 높은 신뢰성과 견고성을 나타내었다. 따라서 임상의가 환자의 상하악 해면골 구조를 측정할 때, CI CBCT는 CBCT보다 더 높은 신뢰성과 견고성을 나타낼 수 있다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)