要旨 不正咬合を有する先天性疾患や顎変形症の患者は, 複雑な顎顔面 形態の変形を伴うことが多く, 三次元的な形態情報により, 正確な 診断を行う必要がある そのため, 現在, multi-detector computed tomography( MDCT) の Digital Imaging an

Transcription

1 精度の高い歯列画像を有す三次元顎顔面頭蓋画像の再構成 三條恵介 明海大学大学院歯学研究科 歯学専攻 ( 指導 : 須田直人教授 ) Reconstruction of Three-dimensional Craniofacial Image with High Accurate Dentition Image Keisuke SANJO Meikai University Graduate School of Dentistry (Mentor:Prof. Naoto SUDA) 1

2 要旨 不正咬合を有する先天性疾患や顎変形症の患者は, 複雑な顎顔面 形態の変形を伴うことが多く, 三次元的な形態情報により, 正確な 診断を行う必要がある そのため, 現在, multi-detector computed tomography( MDCT) の Digital Imaging and Communication in Medicine( DICOM) データを基に再構成された 三次元シミュレーションモデルが多く用いられている MDCT によ るデータには, 口腔内に装着された矯正装置によるアーチファクト や, 上下顎歯の咬合接触により歯冠形態の再現が困難になるといっ た問題がある そのため, 近年, シミュレーションモデル再構成に あたり, DICOM データの歯列部を, レーザスキャン等で採得された 歯列模型の stereolithography (STL) データにより置換した三次元 モデルの再構成が試みられている しかしながら, これら複数の画 像統合の最適な条件は確立されておらず, その統合精度に関しても 不明な点が多い そこで本研究では, DICOM データや STL データより再構成した画 像を,4μm の空間分解能を有する μ CT のデータより再構成した画 像を真値とし, 各種画像データの形態精度を検討した そして, DICOM データと STL データの画像重ね合わせ法を検討し, 精度の高 い歯列画像を有す三次元モデルの再構成を試みた 研究方法とし 2

3 て, 歯, 骨組織, 軟組織の CT 値に近似した試験片を作製し, MDCT や非接触型三次元レーザ計測器 ( 歯科用デジタイザ ) より得られた 画像データと真値を比較し形態精度を検証した さらに各々の試験 片の DICOM データの最適なウインドウレベル (WL) を真値との比較に より検討した 最適な重ね合わせ法の検証は, 画像表面に任意にリ ファレンスポイント (RP) を設定するポイント画像重ね合わせ法 と, 画像表面全体に RP を設定するサーフェス画像重ね合わせ法の 精度を比較し検討を行った 重ね合わせには Iterative closest point (ICP) 法を用いた 最適な WL にて再構成したヒト乾燥下顎 骨の DICOM データと歯科用デジタイザによる STL データを, 実験 1 で求めた最適な重ね合わせ方法により, 歯列部に RP を設定し画像 重ね合わせを行い, 統合精度の検証を行った さらに患者の DICOM データと歯列模型の STL データを用い, 口蓋粘膜表面に RP を設定 し, 最適な WL, 最適な重ね合わせ法を用いて画像統合し, その統 合精度を検証した 結果として,STL データの形態精度は真値と比 較し ±40μm と精度が高かった また, DICOM データより画像を再 構成する際の WL は試験片の CT 値により大きく異なり, 物性の違い に応じた最適な WL の選択により, 形態精度は向上した 一方, 重 ね合わせ精度は, ポイント画像重ね合わせ法より, サーフェス画像 重ね合わせ法が著しく高かった 乾燥下顎骨では, 最適な WL, サ 3

4 ーフェス画像重ね合わせ法を用いることで, RP を設定した歯列部 で ±155μm, RP 設定領域外の骨表面においても ±270μm の精度で 統合が可能であった 患者試料を用い, 軟組織の最適な WL にて再 構成した口蓋粘膜形態画像を用い重ね合わせを行なうことで, 歯列 部における画像統合精度は ±270μm となった 考察として, 最適 な統合条件下における口蓋粘膜形態を用いた画像統合法により, 上 下顎の歯の咬合接触を再現した精度の高い三次元顎顔面頭蓋画像の 再構成が可能となった 4

5 Abstract Many congenital and jaw deformity patients exhibit craniofacial deformity. Since precise examination is essential for these cases, three-dimensional (3D) simulation models of craniofacial structure reconstructed from multi-detector computed tomography (MDCT) are frequently used. However, oral orthodontic appliances and the occlusion of upper and lower teeth make reproduction of the exact tooth shape difficult. Thus, trials are underway to generate 3D models in which the dentition reconstructed from digital imaging and communications in medicine (DICOM) data is replaced by laser-scanned images. However, the integration accuracy and the optimum conditions for integration of MDCT and laser-scanned images are not known. Examining these points, a 3D model of craniofacial structure with accurate dentition was reconstructed in this study. As materials, test pieces having CT values comparable to those of enamel, bone tissue and soft tissue were prepared. DICOM data and stereolithography (STL) data obtained from a 3D non-contact laser scanner were compared with data from an industrial μct (true values). The optimum WLs of test pieces were determined by comparison with these true values. The integration accuracy was examined both by point and surface-based registration. 5

6 The different WLs showed a wide variation in images of test pieces reconstructed from DICOM data, indicating that the optimum WL is an important factor for accuracy. Using each optimum WLs, test pieces of tooth, and soft and bone tissues showed a high accuracy with a difference from the true value of less than 75 μm. The difference between images from STL data and the true value was also less than 43 μm. The surface based registration was more reliable than the point-based registration at superimposition. In images utilizing the optimum WL and the surface based registration, the superimposition accuracy between DICOM and STL data of the dry mandible was 148 and 279 μm at the dentition and at the bone surface, respectively. The accuracy of the patient s craniofacial structure was within 245 μm in the whole dentition. The present study demonstrates that highly accurate craniofacial 3D images with tooth contact can be generated by optimizing various conditions. 6

7 緒言不正咬合を有する先天性疾患や, 顎変形症の患者は複雑な顎顔面形態の変形を伴うことが多い このような顎顔面形態の異常を持つ患者に対する顎矯正手術は, 近年の術式の改良や新しい技術導入により 1-4 ), その手術成績が向上している 顎矯正手術に際して, 術前に行われる手術のシミュレーションとして, 頭部 X 線規格写真のトレース図を用いた cephalometric prediction や歯列模型を用いた model surgery が多く行われてきた 5) しかしながら, cephalometric prediction は, 三次元的に複雑な顎顔面頭蓋のロール, ピッチ, ヨウを含む6 自由度を基にした移動に際して, 二次元 情報だけにより術後予測を行うものである 6) また, model surgery では, 作業が煩雑でテクニカルエラーが生じやすいということや, 得られる情報が歯列模型上の領域に限定されるため, 近位 遠位骨片間の干渉や術後の顎顔面骨格の対称性を評価することができないという欠点がある 7 ) 近年, 三次元的な検査法として, multi-detector computed tomography( MDCT) 8 ) が広く用いられている CT は 1973 年に Hounsfield 9 ) により開発され, 開発当初は, シングルスライス CT による撮影が頭部で約 4 分という長い撮影時間を要し, スライス厚 が 10 mmと厚いため, 形態精度の低い画像しか得られなかった そ の後, マルチスライス CT の開発や X 線検出器数の増加により撮影時間が短縮され, 画像の解像度が向上した 現在は, Digital Imaging and Communication in Medicine (DICOM) データとして各種モダリティーあるいは画像解析システムとの共有が可能となり, 三次元画像の再構成, 顎矯正手術における術後のシミュレ 7

8 ーションとして広く利用されている 10-12) 特に MDCT は, 対軸方向 の連続データが得られることから, 三次元的に複雑な顎顔面頭蓋や 骨片移動が必要な症例において有用性が高く 11,12), 近年は様々な ソフトウェアの開発によって, 術前から骨切り部位や骨片の移動量 を把握することもでき, いくつか研究成果が報告されている 13,14) しかしながら, 顎顔面頭蓋を対象とした CT 撮影により得られる DICOM データは, 咬合接触部位が一塊となって抽出されることによ り, 歯冠咬合面形態の再現が困難である また, ブラケットなどの 矯正装置や補綴装置の装着によって生じるアーチファクトにより, 歯面形態が正確に再現できないといった問題点がある 14) このよ うな問題点を解決するために, 顎顔面頭蓋の DICOM データの歯列領域をレーザスキャンにより採得された画像で置換し, 両画像の統合により形態精度の向上を図っている ) このような三次元画像には画像の形態精度, 再構成を行う際の最適な条件等の不明な点がある その一つである DICOM データより画像を再構成する際の画像形態の精度に影響すると考えられる window level( WL), window width (WW) 20,21) に関しても検討が十分ではない さらに, 両画像の重ね合わせ法に関して, 過去にいくつかの手法が報告されているものの 14, 22-25), CT 撮影を複数回行わ なければならない方法 23) や, マーカー付きスプリントの作製が事 前に必要となる方法 14) など, いずれも簡便とは言い難い 近年, 前述したスプリント作製といった煩雑な準備が不要で, 高 精度の重ね合わせ法を可能とする Iterative Closest Point ( ICP) 法 26, 27) が注目されている ICP 法にはリファレンスポイント ( RP) 設定数, 設定領域を任意に指定して画像を統合するポイント画像重 8

9 ね合わせ法 ( point-based registration), 画像のサーフェス全体を RP として設定するサーフェス画像重ね合わせ法 ( surface-based registration) 26) がある 本研究では, 歯列模型の三次元画像として, レーザスキャンにより得られた stereolithography ( STL) データを用いた そして, 画像統合における様々な最適条件を明らかにするために, 1) 取得した DICOM データと STL データより再構成した三次元画像の形態誤 差の検証, 2 ) 顎顔面頭蓋を構成する様々な組織の最適な WL の検 討, 3 ) DICOM データと STL データの最適な重ね合わせ方法を検討 した さらにこれらの検討結果をもとに, DICOM データと STL デー タの画像統合精度が 200μm 前後と顎矯正手術において臨床応用可 能な 25), 精度の高い歯列画像を含む三次元顎顔面頭蓋画像の再構 成を試みた 9

10 研究方法 研究方法は, 実験 Ⅰ-Ⅳ より構成される 実験 Ⅰ では, 様々な組 織の最適な WL と試験モデルの三次元画像形態の検討を行った 実 験 Ⅱでは, 三次元画像の統合における重ね合わせ法を検討した 実験 Ⅲでは, ヒト乾燥下顎骨の三次元画像を再構成した 最後に実験 Ⅳ では, 顎顔面頭蓋の DICOM データを用いて, 上顎歯列部を STL データで置換した三次元画像を再構成した ( Fig. 1) また, 本研究は明海大学歯学部倫理委員会の承認を得て実施された ( 承認番号 A1315) 実験 Ⅰ: 歯, 皮質骨, 歯肉口蓋粘膜の最適な WL と試験モデルの三 次元画像形態の検討 1) 試料 三次元顎顔面頭蓋画像を再構成する上で, 歯, 皮質骨, 歯肉 口 蓋粘膜の CT 値に近似した試験モデルを作製し, その形態的な誤差 を検証した 試験モデルとして, エナメル質の CT 値は 2,000HU 以 上と非常に高く 28), 代替材料による試験モデルの作製が困難であ ったため, 歯の試験モデルとしてヒト抜去歯を使用した 歯種とし て, エナメル質の厚さが唇舌的 近遠心的に比較的均一な上顎中切 歯 29, 30) を用いた 皮質骨の試験モデル ( 骨ファントム ) として, タフボーンファントム BE-H( 京都科学, 京都 ) を用いた 歯肉 口 蓋粘膜の試験モデル ( 軟組織ファントム ) として, タフウォーター ファントム WD( 京都科学, 京都 ) を用いた 骨ファントムと軟組 織ファントムは, 長方形の底面を持つ錐台形として作製し, 上底を 10

11 幅 6 mmと長さ 16 mm, 下底を幅 8 mmと長さ 20 mm, 高さを 7 mmとし, アンダーカットのない形態とした ( Fig. 2) 2) 各試験モデルの三次元画像データの取得 μ CT( METROTOM800, Germany) により, 各試験モデルを撮影した 撮影条件は管電圧と管電流は各々 130kv と 61mA にて行った 本 μ CT の空間分解能は, 4μm と極めて小さいことが知られている 31) そこで本研究では, μ CT で得られた計測結果を真値として用いた 各試験モデルの撮影は, 明海大学付属明海大学病院の MDCT ( SOMATOM Emotion6, SIEMENS, Germany) により行った 撮影は, 試験モデルを水中に浸漬し, 管電圧と管電流は各々 130 kv と 60mAs, 再構成スライス厚と再構成スライス間隔は各々 1.25 mmと 0.6 mmの条件で行った 各試験モデルの STL データの取得は, 非接触型三次元計測器である歯科用デジタイザ ( R-700, 3Shape, Denmark) により行った 3) 三次元画像の再構成取得した DICOM データと STL データの三次元画像の再構成は, 三次元画像解析ソフト ( Qualify, Geomagic, USA) を用いた DICOM データを用いた三次元画像の再構成は, 関心領域 ( region of interest, ROI) として設定した試験モデルの CT 値を WL として用いた ただし, 上顎中切歯はエナメル質のみに ROI を設定し,CT 値を計測した 使用した三次元画像解析ソフトは, 複数のファイル形式の異なったデータを解析することが可能であり, 画像の重ね合わせ精度の評 11

12 価, 複数のデータ間のポリゴン位置の誤差平均の算出, 形態精度の 評価が可能である 4) 各種組織の最適な WL を用いた DICOM データより再構成した三次元画像の形態誤差各試験モデルの真値と, WL を変化させて再構成した DICOM データの画像を ICP 法により画像重ね合わせを行った この重ね合わせの 結果, 最も形態誤差が小さい WL を歯, 皮質骨, 歯肉 口蓋粘膜の 最適な WL とし, 最適な WL における形態誤差を DICOM データの画像形態誤差とした 形態誤差は, ポリゴン位置の誤差平均と, ポリゴン位置を三次元的にカラーマップ上で比較することにより評価した 32) 5) STL データより再構成した三次元画像の形態誤差の検討 μ CT により得られた各試験モデルの真値と, 歯科用デジタイザ により得られた STL データを, 実験 Ⅰ-4) と同様の方法で重ね合 わせ, ポリゴン位置の誤差平均とポリゴン位置を三次元的にカラー マップ上で比較することにより形態誤差を評価した 実験 Ⅱ: 画像統合における重ね合わせ法の検討以下の実験 Ⅲでは乾燥下顎骨, 実験 Ⅳでは実際の患者より取得した DICOM データと歯列石膏模型の STL データを重ね合わせ, 画像統合精度を検証する その際に用いる最適な重ね合わせ法の検討は, 正常歯列を有す上顎歯列エポキシ模型 ( アソインターナショナル, 12

13 東京 ) を用い行った 前述した歯科用デジタイザによりこのエポキシ模型をレーザスキャンし, 得られた STL データを用いて, 同一の三次元画像を 2 つ構築した これら 2 つの画像を,ICP 法によるポイント画像重ね合わせ, あるいはサーフェス画像重ね合わせを行い, 各重ね合わせ方法の精度を比較した ポイント画像重ね合わせ法では,ⅰ) 上顎歯列に任意にリファレンスポイント (RP) を 3 点設定し, その設定範囲を変化させた場合の精度 ( Fig. 3A), ⅱ ) 歯列に任意に RP を設定し, 一定範囲内の RP 数を増減させた場合の精度 ( Fig. 3B) を検討した サーフ ェス画像重ね合わせ法では,ⅲ) 歯列部に RP を設定した場合の精 度 ( Fig. 3C),ⅳ) 口蓋粘膜に RP を設定した場合の精度 ( Fig. 3D) を検討した 上記の検討を同一評価者が計 10 回,5 名の異なる評価者が計 10 回ずつ行い, その平均と標準偏差を求めた 平均値の差の検定には IBM SPSS Statistics Ver.19 for Windows を用い, one way analysis of variance (one-way ANOVA) を行った なお, 有意水準 は 5% とした 実験 Ⅲ: ヒト乾燥下顎骨の三次元画像の再構成実験 Ⅰ-2) と同じ条件で, Hellman の歯齢 ⅢA 期 ( 第一大臼歯萌出完了期 ) にあるヒト乾燥下顎骨の DICOM データと STL データを, 各々 MDCT と歯科用デジタイザで取得した DICOM データの三次元画 像の再構成は, 実験 Ⅰ で求めた歯と皮質骨の最適な WL を基に, 歯 列領域と骨体領域を各々別個に行った 乾燥下顎骨の DICOM データ 13

14 と STL データの 2 種の画像データの重ね合わせは, 歯冠表面に RP を設定し, 実験 Ⅰ で検討した結果を参考に行った 実験 Ⅳ: 上顎歯列部を STL データで置換した DICOM データによる三次元顎顔面頭蓋画像の再構成 1) 印象採得と石膏模型作製に伴う形態精度の低下の検討実験 Ⅱ で用いた上顎歯列のエポキシ模型を, アルジネート印象材 ( アルグレス, 睦化学工業株式会社, 三重 ) により印象採得した 印象採得は, 毎回同一サイズの金属トレー ( Extend-O R, TP Orthodontic Japan, 東京 ) を用いて, 混水比 ( W/P) 2.35 の印象材で, 通法どおり 5 回行なった 模型材は模型用硬質石膏 ( ノリタケストン Ex, クラレノリタケデンタル株式会社, 大阪 ) を印象面に注入し, 石膏硬化後 24 時間以上経過させ作製した このようにして作製された 5 個の上顎歯列の石膏模型を歯科用デジタイザでスキャンして取得した STL データと, エポキシ模型を歯科用デジタイザで直接スキャンして取得した STL データを ICP 法により重ね合わせることにより, エポキシ模型と 5 つの石膏模型の形態誤差の平均と標準偏差を求め, 印象採得と石膏模型作製に伴う形態精度の低下を検討した 2) 三次元顎顔面頭蓋画像の再構成 明海大学病院矯正歯科を受診し顎変形症と診断された 14 歳女性 の顎顔面頭蓋の DICOM データと, 上顎歯列の石膏模型の STL データ を資料として用いた CT 撮影の際, 舌が口蓋粘膜に接触するのを 防止するため, ワックスバイトを咬合した状態で撮影した 14

15 顎顔面頭蓋 DICOM データの取得は, 各々 MDCT と歯科用デジタイザ により実験 Ⅰ と同条件で行った DICOM データより口蓋粘膜形態を 再構成する際, 実験 Ⅰ で検討した軟組織の最適な WL をもとに行っ た 上顎歯列の印象採得は, 上記実験 Ⅳ-1) と同様に, 混水比 ( W/P) 2.35 のアルジネート印象材 ( アルグレス, 睦化学工業株式会社, 三重 ) を用いて, 金属トレー ( Extend-O R, 東京 ) により通法どお り行なった 歯列模型は模型用硬石膏 ( ノリタケストン Ex) を用 いて石膏硬化後 24 時間以上経過させ作製した 完成した上顎歯列 の石膏模型を歯科用デジタイザでレーザスキャンし,STL データを採得した DICOM データと STL データの 2 種の画像データの重ね合わせは, 実験 Ⅰで検討した結果を参考に行った なお, 重ね合わせ部位とし て, 歯冠表面と口蓋粘膜に RP を設定し, 歯列部における重ね合わ せ精度を検証し,2 つの方法を比較した 15

16 結果 実験 Ⅰ: 各種組織の最適な WL と試験モデルの三次元画像形態の検 討 1) 試験モデルの WL の最適化と DICOM データより再構成された三次元画像の形態誤差 μ CT を用いて,MDCT で採得した種々の組織の DICOM データの最適な WL を検討した 歯におけるμCT と MDCT の三次元画像上のポリゴン位置の誤差平均は, WL が 1,400HU と 1,500HU で 75μm と最小値となった ( Fig. 4A) さらにカラーマップの評価を加え, 1,500HU を歯の最適な WL とした 次に, 骨ファントムを用いて最適な WL を検討した結果, WL 400HU でポリゴン位置の誤差平均が 64μm と最小になった ( Fig. 4B) カラーマップの評価においても WL が 400HU で最も誤差が小さく, 400HU を皮質骨の最適な WL とした 最後に, 軟組織ファントムを用いて最適な WL を検討した結果, WL -500HU でポリゴン位置の誤差平均が 54μm と最小になった ( Fig. 4C) カラーマップの評価においても WL -500HU で最も誤差が小さいと考えられ,-500HU を歯肉 口蓋粘膜の最適な WL とした 2) STL データより再構成された三次元画像の形態誤差各試験モデルにおけるμCT と STL データによる三次元画像上のポリゴン位置の誤差平均は, 歯, 骨ファントム, 軟組織ファントムで, 各々 28μm, 43μm, 42μm であった ( Fig. 5) これらの誤差はカラーマップ上においても, 約 40μm であった 骨と軟組織ファント 16

17 ムの形態誤差はほぼ同じで, 歯は骨や軟組織ファントムに比べ約 65% 形態誤差は小さかった 実験 Ⅱ: 画像統合における重ね合わせ法の検討 正常歯列を有す上顎歯列エポキシ模型を用いて, 三次元画像の統 合における様々な重ね合わせ法の精度について検討を行った 同一評価者においてポイント画像重ね合わせ法では, まず RP 数 を 3 点として,RP の設定範囲を変化させた ( Fig. 6A) その結果, 重ね合わせ精度は,Fig. 3 で示した area4に RP を設定すると ±152.5μm と最も精度が高く, area1は 1,345.9±955.6μm と最も精度が低かった area2,area3,area5,area6 では, 各々 ± 340.0μm, ± 64.3μm, ± 85.8μm, ± 112.9μm となった このように設定範囲が最小の area1 が最も精 度が低く, 設定範囲が最大の area6よりも範囲の小さい area4の方が高精度であった 次に RP の設定範囲を一定にして RP 数を増加させた結果, その精度は,3 点が最も高精度で 178.8±62.2μm, 9 点が最も精度が低く 439.4±407.8μm であった ( Fig. 6B) RP 数が 4 点,5 点,6 点, 7 点, 8 点の時の精度は, 各々 432.3±159.3μm, 355.9±174.4μm, 362.8±227.1μm, 196.6±107.2μm, 288.8±151.2μm であった このように RP が 3 点と 7 点の時の精度は, RP 数が 4 点, 9 点の時に比べて約 2 倍高かった サーフェス画像重ね合わせ法では, 同一評価者において RP の設 定領域が歯列部と口蓋粘膜部で, 重ね合わせ精度は各々 ± μm と 9.0±8.5μm( Fig. 6C) であった 17

18 次に 5 名の評価者間の差について検討した ( Table 1) ポイント画像重ね合わせ法において area4に 3 点の RP を設定した場合の, 5 名の評価者の平均精度は 246.4~ 568.7μm となり, 評価者間に有意差はなかった 次に設定範囲を一定にして RP を 3 点設定すると, 5 名の評価者の平均精度は 170.4~ 336.9μm となり, 評価者間に有意差はなかった サーフェス画像重ね合わせ法に関して, 歯列表面を RP とした 5 名の平均精度は 4.3~ 8.5μm となり, 評価者間に有意差はなかった 口蓋粘膜表面を RP とした 5 名の平均精度は 6.2~ 9.7μm となり, 評価者間に有意差はなかった 以上の結果から, ポイント画像重ね合わせ法に比べると, サーフェス画像重ね合わせ法は, 著しく重ね合わせ精度が高く, 評価者間 の差も小さかった またサーフェス画像重ね合わせ法における RP 設定領域として, 歯列と口蓋粘膜を比べると, 両者ともほぼ同程度 の精度が得られた そこで実験 Ⅲ と Ⅳ では, これら両者の部位を用 いたサーフェス画像重ね合わせ法を用いることとした 実験 Ⅲ: ヒト乾燥下顎骨を用いた解剖学的形態を用いた検証 実験 Ⅰ で求めた歯と皮質骨の最適な WL を用いて,MDCT により取 得した DICOM データより, 乾燥下顎骨を再構成した 歯冠表面に面 状に RP を設定しサーフェス画像重ね合わせを行なった結果, ポリ ゴン位置の誤差平均は歯列部と皮質骨部で, 各々 148μm と 279μm であった ( Fig. 7B) カラーマップの比較からも歯列部と皮質骨 の誤差平均は, 各々約 155μm と約 270μm であり, 皮質骨の誤差は 歯列部より大きかった ( Fig. 7A) 18

19 実験 Ⅳ: 患者の DICOM データと STL データの口蓋粘膜形態を利用した画像統合 1) 印象採得と石膏模型作製に伴う形態精度の低下の検討上顎歯列エポキシ模型の STL データと, 5 つの石膏模型の STL データを ICP 法により重ね合わせたところ, 石膏模型 1 5 のポリゴン位置の誤差平均は,92μm, 99μm, 99μm, 95μm, 82μm で平均と標準偏差は 93.4±7.0μm であった ( Table 2) 2) 三次元顎顔面頭蓋画像の再構成実験 Ⅰで求めた歯, 皮質骨, 歯肉 口蓋粘膜の最適な WL 値を用いて,MDCT により取得した DICOM データより三次元顎顔面頭蓋画像を再構成し, その上顎歯列を石膏模型の STL データで置換した画像を示す ( Fig. 1) 歯列表面と口蓋粘膜表面に RP を設定しサーフェス画像重ね合わ せを行うと, ポリゴン位置の誤差平均は各々 180μm と 245μm とな った ( Fig. 8C) カラーマップを用いた検討によっても同程度の 評価が得られた ( Fig. 8B) 19

20 考察これまでも, 画像統合法を用いた三次元顎顔面頭蓋画像の再構成方法はいくつか報告されており, その臨床応用も試みられている 14,18,19,22-25) しかしながら, これらの手法は, マーカー付スプリント 14) や,CT 撮影が複数回必要となるため 23), 煩雑な作業や, 患者への負担が必要であった そこで本研究では, 患者より直接 1 回撮影した DICOM データと STL データを用い, 最適な WL の設定と, 矯正装置によるアーチファクトの影響を受けにくい口蓋粘膜形態を利用した ICP 法によるサーフェス画像重ね合わせを行うことで, 高精度な三次元顎顔面頭蓋画像を再構成した 1. 様々な組織の形態誤差に与える WL の影響 種々の組織の最適な WL の検討にあたり, 三次元画像形態を比較 する際の真値として, 測定誤差 4.0μm の μ CT による測定値を用いた これまでも様々な画像の形態精度検証にあたり, μ CT の画像データが利用されてきた 33-35) これらの報告においても μ CT の測定誤差は 3.0~ 9.0μm と, 本実験と同程度であった 本研究で用いた MDCT の空間分解能は 500μm であり 36), より正確に組織の三次元画像形態を抽出する為には, WL の調節により画像形態の補正を行う必要があった 20) そこでμCT により取得した歯, 骨, 軟組織ファントムの各試験モデルの真値と, さまざまな WL に て画像を再構成した各試験モデルの三次元画像形態を比較し, 各々 の組織の最適な WL を検討した 歯, 骨, 軟組織ファントムの最適 な WL は各々 1,500HU, 400HU, -500HU と, 組織間で大きく異なり, 複数の組織で同じ WL を用いることは形態精度を大きく低下させる 20

21 原因になると考えられた このような WL の最適化により, 画像形 態誤差は歯, 骨, 軟組織で各々 75μm, 64μm, 54μm に向上した ( Fig. 4) 2. 形態精度における形状の影響試験モデルの形態として, 歯は骨や軟組織ファントムとは異なる形態であった 歯は曲面のみからなる形態, 骨と軟組織ファントムは 6 つの平面からなる直線的なエッジの存在する形態であった 試 験モデルを全て同一の形状にすることは, エナメル質の CT 値が 2,000HU 以上のため困難であった 28) 曲面のみの形態からなる歯は, 直線的なエッジが存在する骨, 軟組織ファントムの試験モデルでは, 歯科用デジタイザにて取得した STL データの三次元画像形態の精度評価に影響があったことが考えられる すなわち, 上顎中切歯の画像形態誤差は 28μm と, 骨や軟組織ファントムの 43μm, 42μm に比べ, 約 65% 画像形態誤差が小さかった ( Fig. 5) STL データはポリゴンの集合体であり, エッジの頂点にポリゴンが存在しないと, 形状を正確に再現できないと 考えられている 37) これに対して, 明らかなエッジを持たない歯 では, 形態誤差が小さくなったと考えられる しかしながら, その 差は数十 μm 程度であり, 精度に及ぼす影響は小さいものだったと 考えられる 3. 本研究の画像統合における重ね合わせ法 画像の重ね合わせ法の検討において,ICP 法によるポイント画像 重ね合わせ法とサーフェス画像重ね合わせ法を様々な条件にて行な 21

22 った また, 重ね合わせ精度の再現性を評価するために, 同一の評 価者, 異なる 5 名の評価者による検討を各々計 10 回行なった そ の結果より, ポイント画像重ね合わせ法に比べサーフェス画像重ね 合わせ法は 30 倍程度重ね合わせ精度が高く, 計測者間の差も小さ かった ( Fig. 6, Table 1) サーフェス画像重ね合わせ法では, 選択した領域全てのメッシュ 構造を RP とするため, 口蓋粘膜部で約 5 万点, 歯冠部で約 8 万点 の RP を使用した このようにサーフェス画像重ね合わせ法は, ポ イント画像重ね合わせ法に比べはるかに多くの RP を扱い, それら の RP 同士を繰り返し計算により位置合わせを行うことで, 高精度 で安定した重ね合わせが可能である 2 6 ) そのため, ポイント画像 重ね合わせ法に比べ重ね合わせ精度が高く, 評価者間の差も少なかったと考えられる 興味深い点として, ポイント画像重ね合わせ法で 3 つの RP を用いた場合, 最も広範囲の area6よりも狭い area4の方が評価者内 の精度が高かった これは,area4 の RP の設定部位となる上顎第 一小臼歯の頬側咬頭は, 他の歯に比べ鋭角的な形であり 38), RP 設 定部位として再現性が高かったためと考えられる 4. 再構成された三次元顎顔面頭蓋画像 実験 Ⅰ にて検討した歯冠, 骨, 軟組織の最適な WL, 画像重ね合 わせ法を用いて, 実験 Ⅲにてヒト乾燥下顎骨の歯列部形態を用い重ね合わせを行った結果, その計測誤差は歯列部において 148μm, 皮質骨部では 279μm となった ( Fig. 7) この結果は試験モデルを用いた際の画像形態誤差に比べ大きな差を生じた その理由として, 22

23 実験 Ⅰ の試験モデルでは, 中切歯一歯のみの最適な WL を基に行っ た検討であったのに対し, 乾燥下顎骨では, 多くの歯種が存在する ため, 石灰化度やエナメル質の厚さも異なり, 多様な WL が存在す る 29,30,39) それらが歯列部や皮質骨の画像重ね合わせ精度に影響 を与えたと考えられる 実験 Ⅳにおける患者資料を用いた顎顔面頭蓋では, 歯列部表面と口蓋粘膜表面を RP とし重ね合わせを行なった結果, 誤差は各々 180μm, 245μm となった ( Fig. 8) この誤差は, 患者資料も乾燥 下顎骨と同様に, 多歯種間で最適な WL が異なったためと考える 口蓋粘膜表面を RP とした画像重ね合わせ法の結果が, 歯列部表面 を RP とした手法に比べ誤差が大きい理由として, 印象採得を行う 際の印象圧によって口蓋粘膜形態の再現性に差が生じることが報告 されている 40) Table 2 の結果においても, エポキシ模型を直接 スキャンした場合と, アルジネート印象後, 石膏模型を作製した場 合の精度には, 平均 93.4±7.0μm の差があった このような誤差 を最小限にするためには, 今後, シリコン系印象材の選択や, 口腔 内スキャナによる非接触型三次元計測によるデジタル印象が必要と 考えられる 5. 三次元顎顔面頭蓋画像の誤差本研究では, 精度の高い三次元顎顔面頭蓋画像の再構成を行う目的として, DICOM データより画像再構成する際の各組織の最適な WL の検討,ICP 法によるサーフェス画像重ね合わせ法と, 口蓋粘膜形態を利用した顎顔面頭蓋 DICOM データと上顎歯列模型 STL データの 画像統合を試みた その結果, 両画像データの統合を 245μm の誤 23

24 差で行うことが可能であった ( Fig. 8) 過去の報告における画像 統合法おける統合精度は, マーカー付バイトプレートを用いる手法 により 1200μm 14), 前額部や鼻柱などの軟組織形態を利用した手 法により 370μm 24), マーカー付印象トレーを用いた手法により 200μm 18), であった このように本研究の結果は, 煩雑な作業を必要とせずに, 先行研究と同精度で画像統合が行なうことが可能だったと評価できる 一方で CT 撮影を複数回行うことにより, 135μm 22) の精度で統合可能だったと報告されているが, 被ばく線量の増加を考えると臨床応用は困難と考えられた STL データを用いて CAD/CAM により, 顎矯正手術で使用するサージカルスプリントを作製した過去の報告では, スプリントの精度は 240±230μm であり, 従来用いられてきたサージカルスプリントと同等の適合精度が 得られたという報告や 41) 手術時に実際に使用し, 有用性が高か ったという報告もある 本研究で再構成した三次元顎顔面頭蓋画像 は非常に高精度であり, サージカルスプリントの作製も可能となる ため, 臨床応用を行なっていく上でも有用であると考えられる 24

25 結語患者より取得した顎顔面頭蓋の DICOM データと上顎歯列模型の STL データの画像データを用い, 各組織の最適な WL の設定と, 口蓋粘膜形態を利用した ICP 法によるサーフェス画像重ね合わせ法を用いることで,245μm の誤差にて高精度な三次元顎顔面頭蓋画像の再構成が可能であった 今後の展望として, 複数の異なる患者データを用いても, 本研究の結果と同様な統合精度が得られるかの検証と, 本手法にて再構成した三次元顎顔面頭蓋画像を用い, CAD/CAM を応用したサージカルスプリントの作製を検討している 25

26 謝辞稿を終えるにあたり, 本研究の機会を与えて戴き, 終始御指導と御鞭撻を賜りました明海大学大学院歯学研究科歯学専攻機能発達医療系歯科矯正学須田直人教授, ならびに大塚雄一郎講師に深甚なる謝意を表します また論文審査にあたり, 御指導御校閲を賜りました本学大学院歯学研究科歯学専攻再生再建医療系歯科放射線学奥村泰彦教授ならびに生体材料系歯科材料学中嶌裕教授, 再生再建医療系補綴学藤澤政紀教授に厚く御礼申し上げます なお, 本研究を行うにあたり種々の御理解, 御支援を戴きました歯科矯正学分野ならびに歯科放射線学分野の諸先生方にも, 心より御礼申し上げます 26

27 文献 1) 鈴木剛史, 他 : 東京医科歯科大学顔面矯正学分野における 3 0 年間の顎変形症治療に関する検討. 日顎変形誌,20: , ) 吉岡泉, 他 : 宮崎大学医学部付属病院歯科口腔外科における 最近 1 0 年間の顎矯正手術症例の検討. 日顎変形誌, 20: , ) 新真紀子, 他 : 昭和大学歯科病院における 1 0 年間の顎変形 症治療に関する検討. 日顎変形誌,22: , ) 成田亜希子, 他 : 明海大学病院矯正歯科における過去 1 0 年間の顎変形症に関する統計的検討. 日顎変形誌, 23: , ) Turvey, T., et al. : Surgical orthodontic treatment planning for simultaneous mobilization of the maxilla and mandible in the correction of dentofacial deformities. Oral Surg Oral Med Oral Pathol, 54 : , ) Gateno, J., et al.: Effect of Facial Asymmetry on two- Dimensional and 3-Dimensional Cephalometric Measurements. J Oral Maxillofac Surg, 69 : , ) 上地潤 : マルチモダリティ三次元画像融合による顎矯正手術 シミュレーション法の確立. 北医療大歯誌,27: ,

28 8) 郭水泳 : CT への期待 : 臨床的立場から. 日本医放会誌, 34: , ) Hounsfield, G., et al. : Computerized transverse axial scanning ( tomography) : Part 1 Description of system. Brit J Radio, 46 : , ) 新橋武, 他 : 顎顔面変形の診断における 3 次元 CT の有用性について. 形成外科, 32: , ) Xia, J., et al.: A new clinical protocol to evaluate cranio-maxillofacial deformity and to plan surgical correction. J Oral Maxillofac Surg, 67 : , ) Cevidanes, L., et al. : 3D surgical simulation. Am J Orthod Dentrofacial Orthop, 138: , ) 布留川創, 他 : 顎矯正手術のコンピューターシミュレーションのための三次元情報システム. 日顎変形誌,10: , ) 立木千恵, 他 : 下顎歯列正中と下顎骨正中の不一致がみられた顔面非対称の長期症例. 日顎変形誌,22: , ) 西田光男 : 下顎変形症手術の術後予測に関する研究 ( 第 Ⅳ 編 ) コンピュータグラフィック予測について - 硬 軟両組織側貌および硬組織三次元の評価 -. 日口外誌,35: 46-62, ) 寺井陽彦, 他 : 顎変形症に対する 3 次元実体モデルによるシミュレーション手術. 日顎変形誌,5: 1-5, ) Nishii, Y., et al.: Integration of the maxillofacial three- dimensional CT image and the three - dimensional 28

29 dental surface image. Orthod Waves Jpn Edit, 57: , ) Gateno, J., et al.: A New Technique for the Creation of a Computerized Composite Skull Model. J Oral Maxillofac Surg, 61 : , ) Swennen, G., et al.: Three-Dimensional Treatment Planningof Orthognathic Surgery in the Era of Virtual Imaging. J Oral Maxillofac Surg, 67 : , ) 三原学 : 顎顔面骨の3 次元的形熊再現に関する研究第 2 報 :Computed tomography( CT) を応用した再現模型. 日口外誌, 30: , ) McCullough, E., et al.: Performance Evaluation and Quality Assurance of Computed Tomography Scanners, with Illustrations from the EMI, ACTA, and Delta Scanners. Radiology, 120 : , ) Swnnen, G., et al.: The use of a new 3D splint and double CT scan procedure to obtain an accurate anatomic virtual augmented model of the skull. J Oral Maxillofac Surg, 16: , ) Swnnen, G., et al.: A Cone-Beam Computed Tomography Triple Scan Procedure to obtain a three -Dimensional Augumented virtual skull model appropriate for orthognathic surgery planning. J Craniofac Surg, 20: ,

30 24) 小原彰浩, 他 : 顔面軟組織形状と歯列石膏模型の三次元データ統合精度の検討. 日顎変形誌,19: , ) Gateno, J., et al.: The precision of computer-generated surgical splints. J Oral Maxillofac Surg, 61 : , ) 渡部浩司 : マルチモダリティの画像位置合わせと重ね合わせ. 日放線技会誌,59: 60-65, ) Besl, P., et al.: A method for registration of 3- D shapes. IEEE Trans Pattern Anal Mach lntell, 14: , ) 有地栄一郎, 他 : 各種歯科材料と生体軟組織 X 線透過物質の CT 値に関する研究. 歯放線,30: 1-7, ) 梅原一浩, 他 : 日本人前歯におけるエナメルの厚さに関する研究 - ラミネートベニア法応用時における検討 -. 日補綴歯会誌,34: , ) 白数美輝雄, 他 : エナメル質と象牙質の形態. 古橋九平 : 歯の形態学, 第 1 版, 医歯薬出版株式会社, 東京,1970, ) Kosarevsky, S., et al : Detection of screw threads in computed tomography 3D density fields. Journal of the institute of measurement science, 13 : , ) 神尾崇, 他 : 頭部固定装置を備えた非接触型三次元計測装置を用いた顎顔面軟組織形状の計測 -ソフトウェア上での頭部補正機能の精度検証 -. 日顎変形誌,15: 47-58, ) Naitoh, M., et al.: Measurement accuracy of reconstructed 2-D images obtained by multi-slice helical 30

31 computed tomography. Clin Oral Impl Res, 15 : , ) Britz, H., et al.: 3D visualization and quantification of rat cortical bone porosity using a desktop micro -CT system. J Microsc, 240 : 32-37, ) Hus, J., et al.: A comparison of micro-ct and dental CT in assessing cortical bone morphology and trabecular b one microarchitecture. Plos One, 9 : 1-8, ) Adaskevicius, R., et al.: Experimental determination of computed tomography settings for jaw scanning. Elektronika ir elektrotechnika, 111 : , ) 沖田浩平, 他 : 符号付き距離関数を形状表現に用いた流体ソルバーの精度. 日本機械学会論文集,77: , ) 白数美輝雄, 他 : 永久歯とは. 古橋九平 : 歯の形態学, 第 1 版, 医歯薬出版株式会社, 東京,1970, ) 斎藤美紀子, 他 : 石灰化の程度による MR 信号強度の変化に関する実験的研究. 歯放線,44: , ) 木戸正人 : 上顎無歯顎における印象圧について. 日補綴歯会誌,36: 861~ 874,

32 Figure legend Fig. 1 Craniofacil DICOM image in which the dentition was replaced by STL data. Fig. 2 The size of bone and soft tissue phantom. These phantom having CT values comparable to those of bone tissue and soft tissue were prepared. Fig. 3 Reference points in point and surface-base registration. A: Point-based registration by three reference points marked in six different areas B: Point-based registration by three to nine reference points C: Surface-based registration utilizing dentition (denoted by black) D: Surface-base registration utilizing palatal mucosa (denoted by black) Fig. 4 Optimum WLs in each tissue. Accuracy of images reconstructed by DICOM data. Each accuracy was represented distance between polygons shown in color images and bar graphs. Data of enamel (A), bone (B) and soft (C) tissues are shown. 32

33 Fig. 5 Accuracy of images reconstructed by STL data. Each accuracy was represented distance between polygons shown in color images and bar graphs. Fig. 6 Integration accuracy between different integration methods using two identical 3D images of STL data. A: Point-base registration by three reference points marked in six different areas. B: Point-base registration by three to nine reference points C: Surface-base registration utilizing dentition and palatal mucosa. The accuracy was measured at image integration by one examiner. Each accuracy was represented as the distance between polygons in color images and bar graphs. Data are represented as Mean+SD in each bar graph. Fig. 7 Integration accuracy between DICOM and STL data of the dry mandible. Each accuracy was represented as distance between polygons shown in color images (A) and bar graphs (B). Integration accuracy of dentition and alveolar bone are represented separately in the bar graph. 33

34 Fig. 8 Craniofacial 3D image and its image accuracy. A and B : Integration accuracy superimposed at dentition and palatal mucosa. Each accuracy was represented as distance between polygons shown in color images(a) and the bar graph(b). 34

35 Fig. 1

36 8 mm 6 mm 16 mm 6 mm 20 mm 7 mm 8 mm 20 mm 8 mm Fig. 2

37 A area1 area2 area3 B area4 6 8 area5 area6 Point-based registration 2 3 C D Surface-based registration Fig. 3

38 Distance between polygon Distance between polygon Distance between polygon A. Tooth B. Bone tissue C. Soft tissue (μm) (HU) (HU) (HU) (μm) (μm) (HU) 0 (HU) 0 (HU) WLs WLs WLs Fig (μm)

39 Distance between polygon Tooth Bone tissue Soft tissue (μm) (μm) Enamel Bone tissue Soft tissue Fig. 5

40 Distance between polygon Distance between polygon Distance between polygon A B C area1 area2 area3 3 points 4 points 5 points 6 points Dentition Palatal mucosa area4 area5 area6 7 points 8 points 9 points (μm) (μm) (μm) Area Number of reference points (μm) Superimposed at dentition Superimposed at palatal mucosa Fig. 6

41 Distance between polygon A B (μm) (μm) 0 Dentition Alveolar bone Fig. 7

42 Distance between polygon B C Superimposed at dentition Superimposed at palatal mucosa (μm) (μm) Superimposed at dentition Superimposed at palatal mucosa Fig. 8

43 Table 1 Integration accuracy on different integration methods between different 5 examiners. examiner P Point-based registration area ± ± ± ± ± points 170.4± ± ± ± ± Surface-based registration dentition 4.3± ± ± ± ± palatal mucosa 9.7± ± ± ± ± area4 : Point-based registration by three points marked in area4 of Fig. 1A. 3 points : Point-based registration by three points(1, 2 and 3) shown in Fig. 1B. dentition : Surface-based registration at dentition shown in Fig. 1C. palatal mucosa : Surface-based registration at palatal mucosa shown in Fig. 1D Distance between polygons are shown. Data are represented as Mean±SD.

44 Table 2 Integration accuracy between original epoxy models and plaster models. Models Model 1 Model 2 Model 3 Model 4 Model 5 mean±sd Distance between polygon(μm) ±7.0 Distance between polygons are shown.