3D 치아 스캔 데이터를 위한 포인트 클라우드와 메쉬 기반의 분할 모델 성능 비교 (Performance Comparison of 3D Segmentation Models Based on Point Cloud and Mesh for Dental Scan Data)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회 컴퓨팅의 실제 논문지 / 29권 / 4호 / 158 ~ 165페이지
· 저자명 : 안정수, 조영래

초록

최근 3D 구강 스캔 데이터를 이용하여 치아를 자동으로 분할 및 분류하거나 치아 형상을 예측하는 등의 시도가 활발히 진행되고 있다. 본 연구에서는 치아 표면 데이터에서 각 치아를 분할하는 데에 최근에 제안된 딥러닝 기반의 3D 분할 모델들을 적용하고 그 성능을 비교 평가하였다. 비교에 사용한 모델들은 데이터 형식에 따라 point cloud 기반의 모델과 mesh 기반의 모델로 구분된다. 또한, 예측된 결과물에 후처리 작업으로 graph cut 기법을 적용하여 각 모델의 분할 성능 향상을 비교 평가하였다. 실험 결과, point cloud 기반의 PointTransformer와 mesh 기반의 MeshSNet이 가장 우수한 분할 성능을 보였고, 특히 PointTransformer는 최적의 분할로 가장 빨리 수렴하였다. 결론적으로 치아 외관을 구성하는 포인트 또는 메쉬의 인접성 정보와 Transformer의 활용이 치아 분할 성능 향상에 중요한 영향을 주는 것으로 분석된다.

영어초록

Recently, automatic segmentation, classification and shape reconstruction of teeth using 3D oral scan data have been actively attempted. In this study, recently proposed 3D segmentation models based on deep learning from tooth surface data were applied to segment each tooth and their performance was compared and evaluated. The models used in this study were divided into point cloud-based and mesh-based models according to the data format. The performance improvement of each model was also compared and evaluated by applying a graph cut algorithm as a segmentation post-process. The experimental results showed that PointTransformer as a point cloud-based model and MeshSNet as a mesh-based model had the best segmentation performance. PointTransformer also converged the fastest into optimal segmentation. We can conclude that the proximity information of the points or meshes in the surface data and the use of the transformer had an important effect on improving tooth segmentation performance.

참고자료

· 없음