咬合面放射線写真における深層学習ベースの亀裂歯検出

科学分野:

• 歯科診断; 医療における人工知能; 医用画像解析

背景:

• 亀裂歯の正確かつ迅速な診断は、歯科において非常に重要です。深層学習（DL）技術は、診断精度と効率を向上させる可能性を示しています。

研究 の 目的:

• 咬合面放射線写真（OR）を用いた亀裂歯の自動検出および分類のためのDLベースのフレームワークを開発および評価すること。さまざまな畳み込みニューラルネットワーク（CNN）アーキテクチャと多数決の融合戦略のパフォーマンスを評価すること。

主な方法:

• 歯11および21の200枚のORのデータセットをキュレーションしました。YOLOv9フレームワークを使用して歯を自動検出しました。クロップされた歯の画像をVGG19、EfficientNetB0、InceptionResNetV2、およびInceptionV3ネットワークを使用して分類しました。分類結果を統合するために多数決アプローチを使用しました。

主要な成果:

• YOLOv9検出器は高い精度（mAP50：99.5％）を達成しました。個々のCNNは84.67％から87.94％の精度を達成しました。多数決の融合により、分類精度は91.94％に向上しました。

結論:

• 提案されたDL手法は、OR画像から亀裂歯を効果的に検出します。このフレームワークは、AIを歯科診断に統合する先駆けであり、臨床的意思決定を強化します。