注意ベースの深層学習による3D頭蓋顔面軟組織ランドマーク検出と矯正診断
カテゴリ：診断支援・画像解析
公開日：2026年1月8日
タイトル：Attention-Base deep learning for 3D craniofacial soft tissue landmark detection and diagnosis in orthodontics
雑誌名：Sci Rep. 2025 Nov 29; 16(1): 729. doi: 10.1038/s41598-025-30383-w. Epub 2025 Nov 29.
概 要：
本研究は、3D頭蓋顔面軟組織の正確な分析が不正咬合の診断や個別化された矯正治療計画の策定に重要であることを背景に、ランドマークの自動検出を行うための二段階の注意ベースの深層学習フレームワークを開発しました。このアプローチは、PointTransformerV3を基盤とし、顔面領域を分離するジオデシッククロップモジュールと、解剖学的先行情報を取り入れた動的ランドマーク構造学習モジュールを組み合わせています。この統合アーキテクチャにより、位置決めの精度と構造の一貫性が大幅に向上しました。
方 法：
この研究では、二段階の注意ベースの深層学習フレームワークを用いて、3Dランドマークの検出と診断分類を行いました。評価には、平均放射誤差（MRE）、臨床的に関連する閾値（2-4 mm）での成功検出率（SDR）、治療の難易度に対する成功分類率（SCR）の3つの指標を使用しました。
結 果：
本フレームワークは、テストセットでMRE 2.17±1.54 mm、検証セットで2.19±1.60 mmを達成し、高いSDR値を示しました。また、矯正治療の難易度分類において91.74%の診断精度を達成し、既存の方法に対してランドマークの精度と診断の有用性で有意な改善を確認しました。
結 論：
この二段階フレームワークは、頭蓋顔面形態の評価を自動化する上での有効性を検証しました。幾何学的クロッピング、注意メカニズム、解剖学的制約を統合することで、矯正医にとって診断精度を向上させ、治療計画を最適化し、不正咬合患者の治療結果を改善するための信頼できるツールを提供します。