PMCanalSeg: un dataset per la segmentazione automatica dei canali pterigopalatino e mandibolare da immagini CBCT 3D

Perché i percorsi nascosti nella mascella sono importanti

Quando i chirurghi correggono deformità della mascella per migliorare l’occlusione o l’aspetto del volto, operano a pochi millimetri da nervi e vasi sanguigni delicati nascosti all’interno dell’osso. Se questi minuscoli canali vengono danneggiati, il paziente può subire sanguinamento, intorpidimento o dolore di lunga durata. Questo articolo descrive PMCanalSeg, una raccolta di scansioni dentali 3D appena rilasciata pensata per aiutare i computer a imparare a individuare due canali ossei particolarmente importanti nella mascella superiore e inferiore, rendendo queste operazioni più sicure e precise.

Tunnel delicati all’interno del volto

All’interno delle ossa facciali scorrono stretti passaggi che proteggono nervi e vasi. Due dei più critici per la chirurgia della mascella sono il canale mandibolare, che contiene il nervo principale della mandibola, e il canale pterigopalatino, un tunnel più piccolo e dalla forma più complessa nella mascella superiore. Durante la chirurgia ortognatica, i medici devono tagliare e riposizionare l’osso evitando queste strutture. Tradizionalmente, chirurghi o radiologi tracciano i canali fetta per fetta sulle scansioni cone beam CT (CBCT), una tecnica di radiografia 3D ampiamente utilizzata in odontoiatria. Questo lavoro manuale e accurato è lento, richiede grande competenza e è vulnerabile all’errore umano.

Insegnare ai computer a vedere in 3D

Negli ultimi anni il deep learning ha trasformato l’analisi delle immagini mediche, permettendo ai computer di imparare a delineare automaticamente organi e altre strutture. Tuttavia, questi sistemi necessitano di molti esempi etichettati con alta qualità ed esperienza per raggiungere affidabilità clinica. Per i canali mandibolari esistono solo pochi dataset pubblici, e si concentrano principalmente sulla mascella inferiore. Un grande punto cieco è stato il canale pterigopalatino nella mascella superiore, più difficile da visualizzare e più variabile da persona a persona. In assenza di dataset aperti e ricchi che coprano entrambi i canali, è difficile addestrare algoritmi robusti o confrontare in modo equo metodi diversi.

Costruire la collezione PMCanalSeg

Gli autori colmano questa lacuna assemblando PMCanalSeg, un set curato di scansioni CBCT di 191 pazienti trattati in un ospedale odontoiatrico in Cina. Tutti gli identificativi personali sono stati rimossi nel rispetto di rigide norme sulla privacy, mantenendo solo dati essenziali come età, sesso e data della scansione. Ogni scansione è stata convertita dal formato ospedaliero originale in un file 3D adatto alla ricerca e processata per enfatizzare il tessuto osseo e rimuovere strutture non pertinenti come la colonna vertebrale. Il cranio è stato poi separato digitalmente nelle regioni di mascella superiore e inferiore in modo che gli algoritmi possano concentrarsi sulle aree in cui scorrono i due canali.

Tracciamento esperto e controlli accurati

Per segnare i canali con precisione, quattro chirurghi orali esperti hanno lavorato per fasi. Due specialisti hanno tracciato inizialmente il decorso dei canali pterigopalatino e mandibolare su ogni scansione 3D, definendo quali minuscoli voxel 3D appartenevano a ciascun tunnel. Altri due chirurghi hanno quindi verificato queste marcature layer per layer confrontandole con le immagini originali, correggendo eventuali discrepanze. In un campione di casi il team ha misurato l’accordo tra esperti e ha riscontrato una coerenza molto elevata, indicando che le etichette sono affidabili. Il dataset finale è ordinatamente organizzato per paziente, con cartelle separate per la mascella superiore, la mascella inferiore e i volumi del cranio completo, rendendone semplice l’uso per i ricercatori.

Quanto bene imparano le macchine?

Per testare PMCanalSeg, gli autori hanno addestrato diverse reti di segmentazione 3D all’avanguardia e valutato quanto le loro predizioni corrispondessero alle etichette degli esperti. Per il canale mandibolare, i modelli moderni basati su transformer hanno dato risultati particolarmente buoni, seguendo con precisione il percorso del nervo. Il canale pterigopalatino si è rivelato più impegnativo: le sue dimensioni ridotte, la forma complessa e l’anatomia congestionata della mascella superiore hanno portato a minore accuratezza e a errori di bordo più frequenti. Il team ha anche confrontato i risultati su PMCanalSeg con quelli ottenuti su un altro dataset ampiamente usato per la mandibola inferiore e ha discusso come differenze nella qualità della scansione, nello stile di etichettatura e nella copertura anatomica possano influenzare le prestazioni riportate.

Cosa significa per i pazienti e per la ricerca

Per i non specialisti, il messaggio principale è che PMCanalSeg offre la prima collezione aperta di immagini 3D della mascella con marcature dettagliate sia per un importante canale nervoso della mandibola inferiore sia per un canale della mascella superiore finora trascurato. Rendendo questi dati e il codice di supporto liberamente disponibili per uso non commerciale, gli autori forniscono una solida base per lo sviluppo e il confronto di strumenti computerizzati in grado di evidenziare automaticamente questi percorsi nascosti prima dell’intervento. Con il miglioramento di tali strumenti, i chirurghi potranno pianificare tagli evitando nervi e vasi critici, riducendo le complicanze e aiutando i pazienti a uscire dalla chirurgia della mascella con risultati più sicuri e prevedibili.

Citazione: Li, G., Lu, Y., Wu, G. et al. PMCanalSeg: A dataset for automatic segmentation of the pterygopalatine and mandibular canals from 3D CBCT images. Sci Data 13, 312 (2026). https://doi.org/10.1038/s41597-026-06620-w

Parole chiave: cone beam CT, chirurgia maxillo-facciale, segmentazione di immagini mediche, imaging dentale, dataset per deep learning