Segmentace zubních výplní z bitewing rentgenových snímků

Abstract

Zubní kaz je jedním z nejrozšířenějších onemocnění na světě. Postihuje více než 3.5 miliard lidí. Výrazně poškozuje chrup a může způsobit až jeho ztrátu. Po odstranění zubního kazu je nutné zbylé tvrdé zubní tkáně překrýt, zabránit dalšímu šíření zubního kazu a obnovit funkčnost zubu. Podle rozsahu poškození zubu a podle jeho polohy v dutině ústní se zvolí vhodná metoda pro opravu. Jak technologie pokročily, nemusí se již využívat pouze amalgámových zubních výplní. Využívá se celá škála materiálů pro zubní výplně nebo i jiné typy ošetření. Tyto ošetření jsou s postupujícími technologiemi méně viditelné přímým pohledem i na rentgenových snímcích. Novodobá zubní ošetření imitují barvou i materiálem tvrdé zubní tkáně a byť jsou většinou detekovatelné pomocí pečlivé inspekce za pomoci zubní sondy, určení jejich rozsahu zejména do hloubi zubních struktur vyžaduje použití pomocných vyšetřovacích metod. Široce se tedy využívá rentgenových snímků, které se používají i pro detekci zubních kazů a pohledu na celkovou strukturu chrupu. Tato práce se zaměřuje na segmentaci zubních výplní a ošetření pro usnadnění práce při jejich lokalizaci a odhadu tvaru a velikosti. Navazuje na práci pana Kunta a vylepšuje jeho stávající model. Přišli jsme s tím, nejdříve odfiltrovat snímky, které neobsahují zubní výplně, nějakým jiným nástrojem, který nemusí udělat rozhodnutí pro každý pixel. Po zapojení detekce naše výsledky dosahují průměrných hodnot až 0.88 v DSC. Za pomoci našeho modelu zubaři dále upravují anotace pro další vývoj tohoto nástroje. Díky vysoké citlivosti jej lze využít i jako screening techniku pro nalzení výplní, které se tak snáze označí.

Dental caries belongs among the most prevalent diseases on a global scale with more than 3.5 billion people affected. It significantly damages teeth and untreated could cause even loss of the tooth. After clearing the tooth from caries, the damages must be cleaned and closed and we need to restore the tooth’s integrity and functionality. A restoration is chosen with respect to the damage done and the tooth’s position. With progressing technologies, there is no need to use exclusively amalgam fillings. There is quite a number of other materials for fillings or possibilities of different methods. However, these methods are developed to hide damage and make the restoration as invisible as possible. This makes its detection quite challenging. Teeth restorations are made in such a way, that they resemble teeth texture. This makes it difficult to find them, but it is still possible when cautious. However, it is impossible to tell the restoration's overall shape and how deep it goes. Following this fact, X-ray images, which are widely used for caries detection and overall view of the structure of teeth, are being used even for restoration recognition. However, due to evolving materials, many of them are barely visible and resemble teeth which makes them easy to overlook. This work addresses this problem and tries to develop a tool for teeth restoration segmentation which could help with the detection and estimation of their size and shape. It follows and improves the work of Mr Kunt. We came up with an idea to filter out images without any restorations with another tool which does not have to make decisions for every pixel. With the employment of an object detection model, our results achieve an average 0.88 in DSC. With the help of our model, dentists could focus their work on troublesome images and double-check their work. Thanks to its high sensitivity it could be used as a screening tool for dentists to quickly check where are any restorations and then annotate them.