固定補綴物を装着した歯における根尖病変のセグメンテーションモデルを用いた検出と、クラウンと病変の関係性の分析

科学分野:

• 歯学
• 放射線学
• 人工知能

背景:

• 固定補綴物を装着した歯の根尖病変は、パノラマX線写真上で見逃されることが多く、治療の遅延や歯の喪失のリスクを伴います。
• 手動検出は時間がかかり、エラーが発生しやすく、病変検出とクラウン分析を同時に行うための自動システムは現在ありません。
• 固定補綴物は、根尖病変の初期兆候を不明瞭にし、診断を複雑にする可能性があります。

研究 の 目的:

• 固定補綴物を装着した歯における根尖病変の検出のためのYOLO11ベースの人工知能（AI）モデルの診断精度を評価すること。
• パノラマX線写真上で自動化されたアルゴリズムを使用して、根尖病変と歯科用クラウンの関係性を分析すること。
• 義歯修復によって隠された根尖病変の特定におけるAIのパフォーマンスを評価すること。

主な方法:

• 404枚のパノラマX線写真のデータセットに、クラウンと根尖病変の注釈が付けられ、合計1686個のラベルが付けられました。
• 5つのYOLO11セグメンテーションバリアントが、データの77%でトレーニングされ、13%で検証され、10%でテストされました。
• モデルのパフォーマンスは、精度、再現率、平均平均精度（mAP）を使用して定量化され、統計分析はPython 3.9を使用して実行されました。

主要な成果:

• YOLO11l-segモデルは、根尖病変（mAP50: 0.794）およびクラウン（mAP50: 0.975-0.980）の検出において高い性能を達成しました。
• 自動分析により、病変の84.62%がクラウンに関連していることが明らかになりました。
• 下顎のクラウンは、上顎のクラウン（19.05%、P<.001）と比較して、関連病変の有病率が有意に高かった（52.24%）。

結論:

• YOLO11ベースのAIモデルは、固定補綴物に関連する根尖病変の検出において高い精度を示します。
• 開発されたAIアルゴリズムは、クラウンと病変の関係性を効果的に分析し、歯科専門家に価値ある定量的データを提供します。
• AIは、複雑な補綴症例における根尖病変の早期診断を改善する可能性を示しています。