機械学習とICCMSフレームワークを用いた歯のしびの自動分類

科学分野:

• 歯科
• 人工知能
• 医療用イメージング

背景:

• 虫歯は公衆衛生上の重大な問題であり,効果的な治療のために早期発見が必要です.
• 視覚検査やX線写真などの歯磨き病を診断する伝統的な方法は,主観的で解釈が異なります.
• 人工知能 (AI),特にディープラーニング (DL) は,歯科における診断の精度を高める可能性を秘めています.

研究 の 目的:

• 噛み翼のX線写真における歯の虫歯の検出と分割のためのYOLOv11深層学習モデルの性能を評価する.
• 標準化された国際カリアス分類・管理システム (ICCMS) フレームワークと比較してモデルの正確性を評価する.
• 異なる段階の虫歯の診断におけるモデルの強みと弱みを特定する.

主な方法:

• 1115の注釈されたカリオス病変を含む730のX線写真のデータセットが使用されました.
• アノテーションは経験豊富な歯医者によって行われ,インターレータとイントラレータの信頼性は,インターセクション・オーバー・ユニオン (IoU) とダイース類似度係数 (DSC) を用いて評価された.
• YOLOv11モデルは,データ増強で50エポックスを訓練し,性能は精度,リコール,平均精度 (mAP50) を使用して評価されました.

主要な成果:

• 高度なインターレーター一致 (IoU: 0. 82, DSC: 0. 85) とイントラレーター一致 (IoU: 0. 84, DSC: 0. 87) が病変の注釈で観察されました.
• YOLOv11モデルは,進行した虫歯に対する高いmAP50スコアを達成した (RB4+RC5: 0. 74,RC6: 0. 80).
• RA1+RA2: 0. 61,RA3: 0. 52) で,改善の必要性を示した.

結論:

• YOLOv11モデルは,噛み翼のX線写真から進行した歯の虫歯を検出する上で高い有効性を示しています.
• このモデルの性能は,早期の虫歯検出に劣っており,将来のAIモデルの改良を提案しています.
• 人工知能を歯科放射線分析に統合することで 診断の精度が向上し 早期介入が容易になり 患者の治療成果が向上する見込みです