ディープラーニング法によるパノラミックX線写真での傷の検出
Dilek Çoban1, Yasin Yaşa2, Abdulsamet Aktaş3
1Department of Dentomaxillofacial Radiology, Faculty of Dentistry, Kafkas University, Kars, Turkey. dilek.coban@kafkas.edu.tr.
Journal of imaging informatics in medicine
|August 28, 2025
まとめ
最先端のディープラーニングモデルは パノラマX線写真で の病変を検出し 分割する可能性を秘めています RT-DETR-Lは,特に空間的な局所化において優れた性能を示し,貴重な臨床的意思決定支援を提供しました.
科学分野:
- 放射線科
- 人工知能
- 医療用イメージング
背景:
- 放射性および放射性パークのの損傷は,パノラマ放射線写真で正確に検出する必要があります.
- ディープラーニングモデルは 歯科放射線学の診断精度を向上させる可能性を秘めています
研究 の 目的:
- 最先端のディープラーニングモデルを評価し,比較する.
- 空間的な局所化を含む異なる訓練シナリオにおけるモデルのパフォーマンスを評価する.
主な方法:
- 2371の匿名パノラマX線写真と の損傷を遡って収集したものです
- YOLOv8,YOLOv11,マスクR-CNN,RT-DETRモデルのトレーニングと評価
- 精度,リコール,F1スコア,平均精度 (mAP) を用いた性能評価
主要な成果:
- YOLOv11x-segとYOLOv8x-segは,シナリオIで高いセグメンテーションパフォーマンスを示した.
- RT-DETR-Lは,特に空間的な局所化によるシナリオIIIにおいて,優れた検出性能を示した.
- ディープラーニングモデルは 効果的な病変検出とセグメンテーションの可能性を示しました
結論:
- ディープラーニングモデルは パノラマX線写真で の損傷を効果的に検知し 分割できます
- RT-DETR-Lは,特に空間的局所化データで訓練された場合,強力な可能性を示しています.
- モデルは,独立した診断システムではなく,臨床的意思決定支援ツールとして推奨されます.
