口蓋根溝のCBCTスキャンにおける視覚的診断のための統一ディープラーニングフレームワーク：多施設検証研究

科学分野:

• 歯科
• 医用画像
• 人工知能

背景:

• 口蓋根溝（PRG）は、複雑な根の解剖学的構造とコーンビームCT（CBCT）の微妙な現れ方により、診断上の課題をもたらします。
• PRGの正確な特定は、効果的な治療計画と合併症の予防に不可欠です。

研究 の 目的:

• PRG病変の自動3D可視化、診断、分類のためのディープラーニング（DL）フレームワークPRG-Netを開発および評価すること。
• 複数のデータセットと臨床設定におけるPRG-Netの一般化能力と診断パフォーマンスを評価すること。

主な方法:

• 歯のセグメンテーション、PRG診断、病変分類を統合した統一DLフレームワーク（PRG-Net）を作成しました。
• PRG-Netのパフォーマンスを評価するために、コーンビームCTデータセットを使用した後向き多施設診断精度研究を実施しました。
• PRG-Netが歯科医の診断精度、分類の一貫性、ワークフロー効率に与える影響を評価しました。

主要な成果:

• PRG-Netは、歯のセグメンテーション（Dice類似係数：97.1%）とPRG診断（曲線下面積：85.2%-94.4%）において高い精度を示し、強力な一般化能力を実証しました。
• PRGタイプの分類は高いAUC値（88.5%-96.9%）を達成し、施設間での一貫した再現性を示しました。
• 臨床的検証により、PRG-Netは歯科医の診断精度と術者間一致を大幅に向上させ、解釈時間を短縮することが示されました。

結論:

• PRG-Netは、CBCTにおけるPRG評価のための堅牢で自動化されたソリューションを提供し、診断精度を向上させます。
• このフレームワークは、術者間信頼性を向上させ、ワークフローを合理化し、貴重な臨床意思決定支援ツールとして機能します。
• PRG-Netは、早期かつより正確な診断を促進することにより、治療計画と患者の転帰を改善する大きな可能性を示しています。