한국인의 표준 3차원 통계 모델을 이용한 딥러닝 기반 치관 자동 형성 = Deep learning based automatic planning of dental crown in the edentulous area using 3D statistical shape model of Korean|RISS 상세보기

다국어 초록 (Multilingual Abstract)

Objective
This study aimed to predict spatial parameters, including the center of mass, orientation angle, and axis-specific scale parameters, for a single-tooth edentulous area by combining a PointNet++ deep learning network with a Korean 3D statistical shape model. The proposed framework aims to reduce dental technician–dependent variability in conventional CAD/CAM crown fabrication and improve design consistency by incorporating population-specific morphological characteristics of Korean dentition.

Methods
Digital dental models were obtained from 84 subjects (47 males and 37 females, aged 15–30 years) with normal occlusion. After alignment based on a standardized reference plane, each maxillary and mandibular tooth was independently removed to generate 2,352 single-tooth-missing datasets. All point coordinates were then normalized to the range of (–1, 1) to standardize the input for the deep learning network. The PointNet++ network was trained to predict the center of mass, orientation angles, and axis-specific scale values of the missing crown using the normalized point cloud datasets. The predicted parameters were subsequently applied to the Korean 3D statistical shape model to automatically position and re-scale the crown. Prediction accuracy was quantitatively evaluated using mean radial error, angular error, and axis-specific scale errors. Statistical analyses were performed using the Shapiro–Wilk test, Mann–Whitney U test, and Kruskal–Wallis test.

Results
The proposed model achieved overall satisfactory accuracy in predicting the crown spatial parameters, including the center of mass, orientation angle, and axis-specific scale parameters, in both maxillary and mandibular arches.
Both in the maxilla and mandible, anterior teeth exhibited greater angular errors than posterior teeth (p<0.05). In the maxilla, however, the anterior group showed significantly lower mean radial error than the posterior group (p<0.05), whereas no significant mean radial error difference was observed between the two groups in the mandible. No significant differences were found between sex groups; however, adults showed greater Z-axis center of mass errors in the mandible than adolescents (p<0.05).

Conclusion
The proposed PointNet++-based framework combined with a Korean 3D statistical shape model enables automatic estimation of spatial parameters for single-tooth crown placement, reducing dependency on dental technicians and conventional CAD/CAM templates. This approach establishes a foundation for quantitative and ethnicity-specific crown design and demonstrates the feasibility of applying PointNet++-based deep learning to morphologically adaptive prosthetic planning.

번역하기

국문 초록 (Abstract)

1. 목 적
본 연구의 목적은 PointNet++ 기반 딥러닝 네트워크와 한국인의 표준 3차원 통계학적 치아 모델(3D statistical shape model)을 결합하여, 단일 치아 결손 부위에서 보철물의 위치, 방향, 크기를 자동으로 예측하는 방법을 개발하는 것이다. 이를 통해 기존 CAD/CAM 방식의 수작업 설계에서 발생하는 작업자 간 편차를 최소화하고, 기존에 주로 활용되던 서양인 중심의 치아 라이브러리 대신 한국인의 표준 3차원 통계모델을 활용함으로써 보철물의 정확성과 임상적 효율성을 향상시키고자 하였다.

2. 연구대상 및 방법
1997년부터 2019년까지 수집된 만 15세 이상 30세 이하 정상 교합자의 석고 모형을 3D스캔하여 디지털화한 84명의 구강 데이터를 활용하였다(남성 47명, 여성 37명). 데이터 정렬의 표준화를 위해 상·하악 중절치 4개의 절단연 중심점과 상악 양측 제1대구치의 중심 소와를 연결하여 기준 평면을 설정하였으며, 모든 스캔 데이터는 이를 기준으로 균일하게 회전되었다. 또한 PointNet++ 기반 심층 학습 네트워크 적용을 위해 각 구강 스캔 데이터에서 개별 치아를 순차적으로 제거하여 총 28×84(2352)개의 데이터셋을 구축하였다. 구강 스캔 데이터는 OBJ 파일 형식으로 추출한 뒤 점군(point cloud)으로 변환하였으며, 이후 모든 정점 좌표를 (-1, 1) 범위로 정규화하는 전처리를 수행하였다.
PointNet++ 네트워크를 이용하여 단일 결손 치아 부위의 무게 중심 좌표, 방향 벡터, 축별 크기를 예측하도록 학습시켰으며, 한국인의 표준 3차원 통계학적 치아 모델과 결합하여 자동 배치하였다. 예측 성능은 X, Y, Z축별 중심점 오차(center of mass error), 평균 거리 오차(mean radial error), 각도 오차(angular error), 그리고 X, Y, Z축별 크기 오차(scale error)를 지표로 평가하였다.
본 연구에서 수집된 자료는 IBM SPSS Statistics 28.0(IBM Corp., Armonk, USA) 프로그램을 이용하여 분석하였다. 각 변수의 정규성은 Shapiro–Wilk 검정으로 평가하였으며, 두 집단 간 비교에는 Mann–Whitney U 검정을, 세 집단 이상의 비교에서는 Kruskal–Wallis 검정을 실시하였다.

3. 결 과
PointNet++ 기반 딥러닝 모델은 단일 치아 결손 부위에서 단일관의 무게 중심, 주축, 크기를 전반적으로 양호한 정확도로 예측하였다. 상악에서는 전치부가 구치부보다 낮은 평균 거리 오차를 보였으나(p<0.05), 각도 오차는 전치부에서 더 크게 나타났으며 (p<0.05), 하악에서도 전치부에서 구치부보다 높은 각도 오차가 확인되었다(p<0.05). 축별 비교에서는 상악에서 Y축 중심점 오차가, 하악에서 Z축 중심점 오차가 각각 유의하게 높았다(p<0.05). 성별 및 연령 그룹 간 분석에서 대부분 유의한 차이는 없었으나, 하악 Z축 중심점 오차에서 성인군이 청소년군보다 높은 값을 보여(p<0.05), 연령에 따른 구조적 차이가 모델 성능에 영향을 줄 수 있음을 시사하였다. 이러한 결과는 치아의 해부학적 구조와 공간적 위치가 인공지능 기반 예측 정확도에 중요한 요인으로 작용함을 보여준다.

4. 결 론
본 연구에서는 PointNet++ 기반 딥러닝 네트워크와 한국인 통계학적 치아 형상 모델을 결합하여, 단일 치아 결손 부위에서 단일관의 무게 중심, 주축, 크기를 자동으로 예측하는 방법을 제안하였다. 예측 결과는 실제 기준 값과 전반적으로 양호한 일치를 보였으며, 상악·하악, 전치부·구치부, 연령 및 성별에 따른 차이를 통해 모델의 성능 특성과 한계를 확인할 수 있었다. 본 접근은 기존 CAD/CAM 설계 과정에서 작업자의 경험적 판단과 서양인 중심의 라이브러리에 의존하던 한계를 극복하고, 보다 정량적이며 인종 특이적인 설계를 가능하게 한다는 점에서 의의가 있다. 다만, 데이터 규모와 표본 구성, 그리고 PointNet++ 구조의 특성 등 한계가 존재하므로 향후 다양한 환자군과 임상 조건을 반영한 확장 연구가 필요하다. 그럼에도 본 연구가 제시한 방법은 다수 치아 결손 및 복잡한 보철 설계로의 확장과 임상 워크플로우와의 연계를 통해, 보철 설계의 효율성과 재현성을 향상시킬 수 있는 기반이 될 것으로 기대된다.

번역하기

1. 목 적 본 연구의 목적은 PointNet++ 기반 딥러닝 네트워크와 한국인의 표준 3차원 통계학적 치아 모델(3D statistical shape model)을 결합하여, 단일 치아 결손 부위에서 보철물의 위치, 방향, 크기...

목차 (Table of Contents)