HyDAR-Pano3D: A Hybrid Disentangled Anatomical Recovery Framework for Panoramic-to-3D Reconstruction

기술 요약: HyDAR-Pano3D

문제 제기
파노라마 방사선 사진 (PR) 은 치과 진료에서 표준적이고 저비용이며 저선량의 영상 기법이지만, 본질적으로 복잡한 3 차원 (3D) 두개안면 해부학의 2 차원 (2D) 투영만 제공합니다. 이러한 투영 메커니즘은 비선형 기하학적 왜곡, 깊이 압축, 그리고 심각한 해부학적 중첩을 초래하여 되돌릴 수 없는 공간 정보 손실을 야기합니다. 반면, 원뿔형 빔 컴퓨터 단층촬영 (CBCT) 은 등방성 3D 볼륨 데이터를 제공하지만, 높은 방사선 선량과 비용으로 인해 2D 영상이 불충분한 경우에만 사용이 제한됩니다.

기존 학습 기반 방법들은 단일 PR 로부터 3D CBCT 볼륨을 계산적으로 복원하려 시도합니다. 그러나 이러한 접근 방식은 2D 투영에서 네이티브 3D 볼륨으로의 직접적인 매핑으로 과제를 정의합니다. 이러한 "얽힌 (entangled)" 정의는 네트워크가 공통 해부학 구조와 환자별 형태학적 변이 (예: 치열 곡선) 를 동시에 학습하도록 강요합니다. 저자들은 이것이 불충분한 역문제 (ill-posed inverse problem) 를 매우 모호하게 만들어, 흐릿한 해부학적 경계와 중요한 구조적 세부 사항의 손실을 동반한 과도하게 평활화된 재구성을 초래한다고 주장합니다.

방법론: HyDAR-Pano3D
이러한 한계를 해결하기 위해 저자들은 PR-to-CBCT 재구성을 분리된 (disentangled) 해부학 복원 문제로 재정의하는 2 단계 프레임워크인 HyDAR-Pano3D를 제안합니다. 핵심 통찰력은 개별화된 치열 기하학으로 인한 대규모 공간 변형을 고충실도 볼륨 밀도 복원과 분리하는 것입니다.

• 1 단계: 표준 볼륨 합성 (기반 모델 안내)
  첫 번째 단계는 환자별 치열 곡선을 효과적으로 제거하여 국소 해부학적 강도 패턴 (치아, 치근, 뼈) 에 집중하는 치열 정규화 표준 공간에서 고충실도 3D 볼륨을 합성합니다.

  • 이중 인코더 아키텍처: 단일 2D 투영에 내재된 깊이 모호성을 완화하기 위해 저자들은 이중 스트림 인코더를 사용합니다.
    • 방사선 스트림: 3DPX 인코더를 사용하여 국소 질감과 공간적 맥락 특징을 추출합니다.
    • 의미론적 스트림: Segment Anything Model 기반의 도메인 적응형 Vision Transformer 인 SemiT-SAM을 활용하여 견고한 기하학적 경계와 고수준 구조적 사전 지식을 추출합니다.
  • 적응형 교차 주의 융합 (ACF): 다중 스케일 단방향 교차 주의 메커니즘이 의미론적 사전 지식을 방사선 특징에 통합합니다. 방사선 특징은 구조적 안내를 의미론적 "키/값"에서 선택적으로 추출하기 위한 "쿼리" 역할을 합니다.
  • 점진적 디코딩: 융합된 특징은 점진적 3D 디코더를 통과하여 표준 볼륨 ($\hat{V}_c$) 을 생성합니다.

• 2 단계: 환자별 해부학 복원 (AR-Net)
  두 번째 단계는 1 단계에서 분리된 환자별 치열 기하학을 복원합니다.

  • 변형장 예측: 해부학 복원 네트워크 (AR-Net) 는 표준 볼륨을 네이티브 CBCT 공간으로 왜곡시키기 위한 구조화된 변형장을 예측합니다.
  • 제어 격자 파라미터화: 전체 해상도 그리드를 회귀하는 대신, 네트워크는 희소 제어점 격자에 대한 업데이트를 예측합니다. 이 격자는 기하학적 웜 스타트를 제공하기 위해 분석적 치열 모양 사전 지식 ($P_0$) 으로 초기화됩니다.
  • 계층적 정제: 이 과정은 경량 네트워크 (CPNet3D) 를 통한 거친 복원과, 표준 볼륨 및 거친 추정치의 결합 표현을 사용하는 정밀 정제 (RefineNet3D) 를 포함합니다.
  • 왜곡: 최종 밀집 격자는 표준 볼륨을 재샘플링하여 네이티브 공간 재구성 ($\hat{V}_n$) 을 산출합니다.

주요 기여

1. 분리된 패러다임: 이 논문은 볼륨 밀도 추정과 치열 의존적 기하학적 왜곡을 분리하는 새로운 정의를 도입합니다. 기하학적 변형을 적용하기 전에 표준화된 표준 공간에서 역매핑을 해결함으로써 프레임워크는 문제 복잡성을 크게 제한합니다.
2. 2D 사전 지식에서 3D 복원으로의 연결: 저자들은 기반 모델 (SemiT-SAM) 로부터의 고수준 의미론적 사전 지식을 3D 합성 과정에 주입하기 위해 적응형 교차 주의 융합 (ACF) 을 갖춘 이중 인코더 아키텍처를 제안합니다. 이는 투영 중첩으로 인해 손실된 정밀한 해부학적 세부 사항의 복원을 효과적으로 안내합니다.
3. 전례 없는 해부학적 충실도: 이 프레임워크는 세 개의 대규모 데이터셋에서 검증되어 최첨단 성능을 입증했으며, 전체 치아 및 하악 신경관 (IAC) 분할과 같은 하류 임상 작업을 성공적으로 지원합니다.

실험 결과
이 프레임워크는 Cui22 (NC), MMDental (ST), ToothFairy (TF) 세 가지 데이터셋에서 평가되었습니다.

• 정량적 성능: HyDAR-Pano3D 는 $p < 0.05$로 베이스라인 방법 (UNETR, Oral-3D, 3DPX) 보다 현저히 우수한 성능을 보였습니다. TF 데이터셋에서 PSNR 25.76 dB, SSIM 85.70%, 전체 해부학 Dice 점수 **83.83%**를 달성했습니다.
• 하류 활용도: 합성된 볼륨은 분할 모델을 미세 조정하지 않고 3D 분할에 사용되었습니다.
  • 전체 치아 분할: TF 에서 Dice 점수 82.4%, NC 에서 **76.4%**를 달성했습니다.
  • 하악 신경관 (IAC) 분할: TF 에서 Dice 점수 **72.2%**를 달성하여 최상의 베이스라인 (3DPX 의 62.3%) 보다 상당한 개선을 보였으며, 이는 얇은 관상 구조의 보존을 입증합니다.
• 절대 연구: 실험은 ACF 융합을 갖춘 이중 인코더 설계가 단일 인코더나 단순 연결 전략보다 우수하며, 도메인 적응 기반 모델 (SemiT-SAM) 이 일반 모델보다 우수한 의미론적 단서를 제공함을 확인했습니다.

의의 및 한계
저자들은 HyDAR-Pano3D 가 직접 회귀 방법에서 일반적으로 손실되는 임상적으로 관련 있는 구조를 보존함으로써 해부학 인식 임상 스크리닝을 위한 실행 가능한 저선량 대체 수단을 제공한다고 주장합니다. 밀도 추론과 기하학적 복원을 분리함으로써, 이 프레임워크는 CBCT 데이터가 unavailable 일 때 견고한 해부학 인식 평가를 가능하게 합니다.

그러나 논문은 특정 한계를 인정합니다:

• 합성 데이터 의존성: 훈련은 CBCT 에서 곡선 안내 곡면 평면 재구성 (CPR) 을 통해 생성된 합성 PR 에 의존합니다. 해부학적으로 일관되지만, 이러한 데이터는 실제 임상 PR 의 복잡한 스캐너별 아티팩트와 비균일 확대를 완전히 포착하지 못할 수 있습니다.
• 주석 요구 사항: 정답 데이터 생성은 오프라인 전처리 단계에서 치열 곡수의 수동 주석을 필요로 하지만, 추론 중에는 우회됩니다.
• 병리학적 변이성: 변형 기반 복원은 매끄럽고 해부학적으로 타당한 변이를 가정합니다. 표준 사전 지식과 크게 벗어난 극단적인 병리학적 변형이나 심각한 이상은 완전히 복원되지 않을 수 있습니다.

저자들은 향후 연구는 합성 및 실제 PR 간의 도메인 격차 해소, 수동 전처리를 제거하기 위한 치열 추정 자동화, 그리고 불확실성 인식 모델링 및 엔드 투 엔드 임상 의사결정 지원으로의 프레임워크 확장에 초점을 맞춰야 한다고 제안합니다.