ディープラーニングを用いたビットウィングX線写真における歯周病および修復状態のセグメンテーションベースのマルチクラス検出とX線図表作成

科学分野:

• 歯学
• 人工知能
• 医用画像処理

背景:

• ビットウィングX線写真は、う蝕、修復、および歯周状態の評価に不可欠です。
• 歯科画像に関する既存のAI研究では、ビットウィングX線写真におけるマルチクラス診断図表作成が見過ごされがちです。

研究 の 目的:

• ビットウィングX線写真における8つの歯周および修復パラメータの同時検出のためのディープラーニングモデル（YOLOv8x-seg）を開発および評価すること。
• 異なる歯科的状態に対するAIモデルの診断性能を評価すること。

主な方法:

• 専門家によって注釈が付けられた1197枚のデジタルビットウィングX線写真のデータセットが、8つの状態に対して7860のラベルを生成しました。
• YOLOv8x-segモデルは、データの80％でトレーニングされ、それぞれ10％で検証およびテストされ、広範なデータ拡張を利用しました。
• 精度、再現率、F1スコア、および混同行列を使用してパフォーマンスを評価しました。

主要な成果:

• モデルは歯槽骨吸収に対して高い精度を達成しました（F1スコア：0.88）。
• 歯石（F1スコア：0.58）およびう蝕（F1スコア：0.57）に対しては中程度の性能が観察されました。
• 子宮頸部辺縁隙（F1スコア：0.23）および二次う蝕（F1スコア：0.29）のような頻度の低い状態に対する検出率は低かったです。

結論:

• YOLOv8x-segモデルは、ビットウィングX線写真における歯周状態の検出において高い成功率を示し、修復パラメータに対しても中程度の成功率を示しました。
• このAIフレームワークは、複数の歯科所見の同時評価に実行可能なアプローチを提供しますが、パフォーマンスは状態の頻度によって異なります。