USING DEEP CONVOLUTIONAL NEURAL NETWORKS FOR THREE-DIMENSIONAL CEPHALOMETRIC ANALYSIS

The study included the development of a new convolutional neural network (CNN) model for recognizing and fitting cephalometric points on cone-beam computed tomography (CBCT) slices for further 3D cephalometric analysis and evaluation of its accuracy. We used DICOM files for 192 cone beam tomograms in the study. Each set of files was imported into ViSurgery software (Skolkovo, Russia). Next, three-dimensional models of the patient’s soft tissues, bones, and teeth were generated, and 26 points were placed on the facial surface (soft tissue points), 38 on the skull surface (bone points), and ten dental cephalometric points per model. At the same time, the position of the points was corrected on CT plane slices in 3 planes. This study demonstrated the high efficiency of the image segmentation approach for training CNN to identify cephalometric points on CBCT. The proposed method, integrated into specialized software, has a high potential for reducing the labor intensity of the workflow.

Разработана новая модель сверточной нейронной сети (СНС) для распознавания и установки цефалометрических точек на срезах конусно-лучевой компьютерной томограммы (КЛКТ) для дальнейшего проведения 3D-цефалометрического анализа и оценки его точности. В исследовании были использованы файлы DICOM для 192 конусно-лучевых томограмм. Каждый набор файлов был импортирован в программное обеспечение ViSurgery (Сколково, Россия). Далее были сформированы трехмерные модели мягких тканей, костей и зубов пациентов и установлены 26 точек на поверхности лица (мягкотканые точки), 38 на поверхности черепа (костные точки) и 10 зубных цефалометрических точек на каждую модель. При этом положение точек корректировалось на плоскостных срезах КТ в 3 плоскостях. Проведенное исследование продемонстрировало высокую эффективность подхода с сегментацией изображений для обучения СНС определению цефалометрических точек на КЛКТ. Предлагаемый метод, интегрированный в специализированное программное обеспечение, обладает высоким потенциалом в плане сокращения трудоемкости рабочего процесса.