コーンビームCTにおける軟部組織石灰化および骨化の人工知能支援検出

科学分野:

• 放射線学
• 人工知能
• 医用画像

背景:

• 軟部組織石灰化および骨化（STCO）は、コーンビームCT（CBCT）で一般的に見られる所見です。
• STCOの正確な検出と分類は、診断と治療計画に不可欠です。
• 人工知能（AI）の統合は、複雑な画像データの解釈を強化する可能性があります。

研究 の 目的:

• CBCT画像における様々な種類のSTCOを検出するためのAIシステムの開発と評価。
• シングルクラスおよびマルチクラス分類シナリオにおけるAIシステムの診断精度の評価。
• 臨床現場におけるAI支援CBCT解釈の可能性の評価。

主な方法:

• 287人の患者のCBCT画像の後ろ向きレビュー。
• 軸面におけるSTCOのセグメンテーションと全平面での同定。
• 10種類の特定のSTCOタイプと結合クラスを検出するためにAIモデルをトレーニングし、トレーニング、テスト、検証のためにデータを分割しました。

主要な成果:

• シングルクラスAIモデルは、感度0.98、精度0.91、F1スコア0.94で高い性能を達成しました。
• マルチクラスAIモデルは、感度0.88、精度0.80、F1スコア0.84で良好な結果を示しました。
• AIシステムは、シングルクラス分類タスクにおいて優れた精度を示しました。

結論:

• 開発されたAIシステムは、CBCTにおけるSTCO検出において高い診断精度を示しました。
• AIによるシングルクラス分類は、マルチクラス分類と比較して優れた性能をもたらしました。
• AI支援CBCT解析は、診断効率、学際的協力、および臨床的意思決定の向上に有望です。