Dental radiography analysis plays an important role in clinical diagnosis, treatment and surgery such as implant, orthodontics. For dental radiography analysis, 2-Dimensional X-ray panorama image is mainly used and recently the use of dental Cone Beam Computed Tomography (CBCT) is increasing. If a tooth can be segmented from a Cone Beam Computed Tomography image with 3-dimensional information, it is a great help for dental care.
Although there are tooth segmentation methods based on conventional image processing algorithms, there is a problem that only the upper part of the tooth is segmented or the tooth segmentation is not completely automated.
Therefore, in order to try a new approach unlike the existing methods, we applied the convolutional neural network model, which has been attracting attention in computer vision. In this thesis, a deep convolutional neural network model for tooth segmentation in 3D computed tomography was proposed. The proposed model is an improved structure of neural network for image segmentation. A convolutional neural network model with high tooth segmentation performance was proposed by applying feature map concatenation and residual layer to existing image segmentation model. And, the tooth segmentation performance of the proposed model was compared with that of the conventional model by using the dice coefficient, which is widely used in the performance evaluation of bio-image segmentation.
최근 치아 방사선 이미지는 임플란트, 치열 교정과 같은 진단, 치료 및 수술에 중요한 역할을 한다. 기존에는 2차원 정보를 가진 파노라마 이미지가 많이 사용되지만, 최근에는 3차원 정보를 가진 컴퓨터 단층 촬영 이미지의 사용이 늘어나고 있다. 3차원 정보를 가진 컴퓨터 단층 촬영 이미지에서 치아 부분만을 분리할 수 있다면 치아 관련 진료에 큰 도움이 된다. 기존의 이미지 처리 알고리즘에 의한 치아 분류 기법이 있지만 치아 윗부분만을 분리하거나 완전 자동화가 되지 않는 등의 문제점이 있다. 따라서 기존의 제안된 방법들과는 달리 새로운 접근을 하기 위해 최근 컴퓨터 비전 분야에서 주목받고 있는 심층 신경망 모델을 치아 분류에 적용해 보았다. 이 학위 논문에서는 3차원 컴퓨터 단층 촬영 이미지에서 치아 분리를 위한 심층 신경망 모델을 제안하였다. 제안된 심층 신경망 모델은 기존의 이미지 분류를 위한 신경망 모델을 발전시킨 구조이다. 기존의 이미지 분류를 위한 모델에 특징맵 넘김 기법과 잔여 정보 보존 기법을 적용하여 높은 치아 성능을 가지는 신경망 모델이 제안되었다. 그리고,바이오 이미지 분류의 성능 평가에서 많이 사용되는 다이스 계수를 이용해 기존의 모델과 제안된 모델의 치아 분류 성능을 평가하였다. 그리고 제안된 모델에 의한 치아 분류 결과와 특징맵을 시각화하여 제안된 모델이 제대로 학습되었는지를 검증하였다.
