基于半监督学习的 3D CBCT 图像自动分割与标记点检测助力正颌手术规划

为解决正颌手术术前规划问题，研究人员开展半监督学习研究，提升分割与检测精度，助力手术规划。

　　在口腔医学领域，正颌手术对于那些上颌和下颌相对位置异常（面部骨骼的主要部分异常）的患者而言至关重要，它不仅能改善患者的咬合关系，还能优化面部外观。然而，这类患者除了存在上下颌的前突或后缩问题外，还可能伴有面部不对称的情况。在传统的正颌手术术前规划中，医生需要耗费大量时间和精力去评估患者上颌和下颌的后缩、前突程度以及不对称情况，接着确定手术区域、制定截骨轨迹、设计截骨后的骨缺损修复方案以及骨骼固定方式，最终才能生成术前规划。随着科技的发展，计算机辅助手术（CAS）逐渐成为正颌手术术前规划的重要工具，它能自动重建手术结构并快速准确地定位标记点，为临床诊断提供了便利。但在医学成像领域，利用卷积神经网络（CNNs）对锥束计算机断层扫描（CBCT）图像中的骨结构进行精确分割和标记点定位仍是一项极具挑战性的任务。手动分割 CBCT 图像和标点标记不仅耗时费力，完成一位患者的 CBCT 数据标注往往需要十多个小时，而且医学图像标注难度大，需要标注大量图像数据才能取得令人满意的结果。

为了解决这些问题，贵州大学医学院、贵阳市口腔医院等机构的研究人员开展了一项研究。他们运用半监督学习方法，通过对 3D CBCT 图像进行自动分割和标记点检测，来展示患者正颌手术前上颌和下颌的后缩、前突以及不对称情况，进而为正颌手术的术前规划提供帮助。该研究成果发表在《Scientific Reports》上。

研究人员在开展此项研究时，用到了几个主要关键的技术方法。首先是数据处理技术，他们从贵阳市口腔医院放射科获取了 192 名患者的 3D CBCT 数据，并依据特定的纳入和排除标准进行筛选。之后，使用开源软件工具 3D - Slicer 对数据进行标注，将标注后的文件转换为相应格式作为数据集的标签。在数据预处理阶段，运用 min - max scaling 方法对图像像素值进行归一化处理，使用 Simpleitk 对图像进行重采样，还借助 Monai 框架对训练集进行 3D 数据增强操作。其次是模型构建与训练技术，采用 Mean teacher 作为半监督学习框架，该框架由教师模型（TM）和学生模型（SM）构成，二者使用相同的网络结构（Vnet） 。在训练过程中，向 TM 和 SM 添加不同的噪声干扰，通过最小化二者输出差异进行训练。对于上颌和下颌分割任务，采用聚类假设和 Mean teacher 方法，并引入不确定性感知的 Mean teacher（UA - MT）来优化；对于标记点检测任务，采用热图回归方法，并对教师模型预测的不确定性分析方法进行了重新设计。

下面来看看具体的研究结果：

1. 分割结果：研究人员对比了半监督学习方法和监督学习方法的分割效果，使用五个不同的指标（DSC、PPV、SEN、ASD、HD）对上颌和下颌的分割效果进行评估。结果显示，半监督学习方法在上颌和下颌的整体分割效果上优于监督学习方法。半监督学习方法在上颌分割的 DSC 为 93.41，比监督学习方法高 1.62%；下颌分割的 DSC 为 96.89，比监督学习方法高 1.56%。从 2D CBCT 切片和 3D 重建可视化结果来看，骨边缘的分割效果较差，其他骨部分的分割效果较好，下颌的整体分割效果优于上颌。通过绘制表面距离彩色图发现，不准确区域主要集中在上颌鼻孔左上角和下颌角最下后部，这些区域将作为未来研究的改进重点。
2. 标记点检测结果：研究人员比较了半监督学习（mean teacher）和监督学习（VNet）的标记点检测效果，以及半监督学习添加和未添加不确定性估计的效果。结果表明，虽然所提方法收敛速度最慢，但效果最佳，所有标记点的平均测试误差为 2.11mm，比 mean teacher 降低了 0.6mm，比 VNet 低 0.9mm。在成功检测率（SDR）方面，18 个标记点中有 10 个在 1.5mm 范围内的 SDR 超过 50%，所有标记点的平均 SDR 为 47.94%。大部分标记点的点均方误差（PMSE）在 2mm 以下，标准差（SD）小于 1.5mm，所有标记点的平均 PMSE ± SD 为 1.908 ± 1.166mm，其中（L）Mn 的 PMSE 最小，为 1.397mm。

在研究结论与讨论部分，该研究提出的基于半监督学习的 3D CBCT 图像自动上颌和下颌分割及标记点检测方法，不仅能够提供准确可靠的骨结构 3D 重建和标记点测量，减少临床医生的工作量，为正颌手术的术前治疗规划提供形态计量学指导，还改善了深度学习方法早期需要大量手动数据标注的缺点。与监督深度学习算法相比，该半监督算法显著提高了分割和标记点检测的结果。不过，该研究也存在一些局限性，比如数据集样本量较小，仅来自一家医疗机构；部分自动定位的标记点误差不符合临床要求。未来，研究人员将持续改进不确定性计算方法，降低不确定性估计的计算复杂度，缩短计算时间，同时收集更多临床数据来验证模型性能。

总的来说，这项研究成果在正颌手术术前规划方面具有重要的意义，为口腔医学领域的临床实践提供了新的方法和思路，有望推动正颌手术技术的进一步发展。