パノラマX線画像における上顎洞の半教師ありセグメンテーションのための加重知識蒸留

要旨: パノラマX線画像における上顎洞の正確なセグメンテーションは、歯科診断と外科的計画に不可欠です。しかし、この課題は歯科画像研究において比較的十分に調査されていません。2次元のパノラマ投影に固有の、構造の重なり、曖昧な解剖学的境界、そして信頼できるピクセルレベルの注釈を備えた大規模臨床データセットの限られた利用可能性により、セグメンテーションモデルの開発と評価は困難です。これらの課題に対処するために、ラベル付きおよびラベルなしのパノラマX線写真の両方を効果的に活用する半教師ありセグメンテーションの枠組みを提案します。そこでは、知識蒸留を用いて、教師モデルから蒸留された信頼できる構造情報により、生徒モデルを訓練します。具体的には、教師と生徒の予測間における構造の不一致によって生じる信頼性の低い蒸留信号を抑制するために、重み付きの知識蒸留損失を導入します。さらに、教師ネットワークによって生成される擬似ラベルの品質を高めるために、非対となる画像間変換に基づく改良ネットワークであるSinusCycle-GANを導入します。この改良プロセスにより、半教師あり学習でラベルなしデータから学習する際の境界の精度が向上し、ノイズの伝播が低減されます。提案手法を評価するために、2,511人の患者から臨床パノラマX線画像を収集しました。その実験結果は、提案手法が最先端のセグメンテーションモデルを上回り、境界誤差を低減しつつDiceスコアが96.35
%であることを示しています。これらの結果は、提案する半教師あり枠組みが、限られたラベル付きデータ条件下でも堅牢で解剖学的に一貫したセグメンテーション性能を提供することを示唆しており、より広範な歯科画像解析への応用可能性を示します。