Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Adaptive Optimal Thresholding for the Segmentation of Individual Tooth from CT Images

CT영상에서 개별 치아 분리를 위한 적응 최적 임계화 방안

  • Heo, Hoon (Department of Computer Engineering, Graduate School, KyungHee University) ;
  • Chae, Ok-Sam (Department of Computer Engineering, Graduate School, KyungHee University)
  • 허훈 (경희대학교 일반대학원 컴퓨터공학과) ;
  • 채옥삼 (경희대학교 일반대학원 컴퓨터공학과)
  • Published : 2004.05.01
Download PDF
⟨ Previous Next ⟩

Abstract

The 3D tooth model in which each tooth can be manipulated individualy is essential component for the orthodontic simulation and implant simulation in dental field. For the reconstruction of such a tooth model, we need an image segmentation algorithm capable of separating individual tooth from neighboring teeth and alveolar bone. In this paper we propose a CT image normalization method and adaptive optimal thresholding algorithm for the segmenation of tooth region in CT image slices. The proposed segmentation algorithm is based on the fact that the shape and intensity of tooth change gradually among CT image slices. It generates temporary boundary of a tooth by using the threshold value estimated in the previous imge slice, and compute histograms for the inner region and the outer region seperated by the temporary boundary. The optimal threshold value generating the finnal tooth region is computed based on these two histogram.

치과 분야에서는 치아교정이나 수술 시뮬레이션을 위해서 각 치아를 개별적으로 조작할 수 있는 3차원 치아모델이 필요하다. 치아 CT 영상으로부터 이러한 치아모델의 재구성을 위해서는 각 치아를 이웃한 치아나 치조골로부터 정확하게 분리할 수 있어야 한다. 본 연구에서는 치아 영역을 효과적으로 분리하기 위한 영상정규화 방안과 최적임계화방안을 제안한다. 제안된 방법은 연속적인 CT 영상 슬라이스들에서 치아영역의 형태와 밝기는 점진적으로 변한다는 사실을 근거로 이전 슬라이스에서 추정된 임계치를 이용하여 현 슬라이스의 임시치아경계를 결정하고 이것을 바탕으로 보다 정확한 임계치를 계산한다.

Keywords

References

  1. J. H. Ryu, H. S. Kim, K. H. Lee, 'Contour based algorithms for generating 3D medical models', Scanning Congress 2001: Numerization 3D session, Paris, France, April 4-5,200
  2. S. Liu, W. Ma,'Seed-growing segmentation of 3D surfaces from CT -contour data', Computer-Aided Design 31, p.517-536, 1999 https://doi.org/10.1016/S0010-4485(99)00050-0
  3. G. Bohrn, C. Knoll, V. G. Colomer, M. Alcaniz -Raya, S. Albalat, 'Three-dimensional segmentation of bone structures in CT images', SPIE, vol.3661,p.277-286, San Diego, California, 2,1999 https://doi.org/10.1117/12.348582
  4. S. Beucher, C. Lantuejoul,'Use of watersheds in contour detection', International Workshop on image processing: Real-time Edge and Motion detection/estimation, Rennes, France, Sep. 17-21, 1979
  5. 김태우, 'MR영상의 3차원 가시화 및 분석을 위한 뇌영역의 자동 분할', 한국정보처리학회 논문지 제7권 제2호, p.542-551, 2002,2
  6. A. P. Zijdenbos, B. M. Dawant, R. A. Margolin, A. C. Palmer,'Morphometric Analysis of White Matter Lesions in MR Images : Method and Validation', IEEE Trans. Medical Imaging, Vol.13, p.716-724, 1994 https://doi.org/10.1109/42.363096
  7. K. Bilger, J Kupferschlager, W. Muller-Schauenburg, F. Nusslin, R. Bares, 'Threshold Calculation for Segmented Attenuation Correction in PET with Histogram Fitting', IEEE Trans. Nuclear Science, vol. 48, no. 1, Feb. 2001 https://doi.org/10.1109/23.910831
  8. http://www.offis.de/
  9. R. C. Gonzalez, R. E. Woods, 'Digital Image Processing', Addison Wesley, p.447-455
  10. G. Farin, 'Curves and Surfaces for CAGD', p.118-120
  11. 이덕혜, 이탁경, '치아형태학', 고문사, p.15-22