人工知能を用いた変形性顎関節症の自動検出

Automated Detection of TMJ Osteoarthritis Based on Artificial Intelligence.

抄録

本研究の目的は、人工知能を用いて、コーンビームCT（CBCT）画像から変形性顎関節症（TMJOA）を自動的に検出する診断ツールを開発することである。画像作成には、顎関節症と診断された患者のCBCT画像を対象としました。顎関節のサジタルCBCT画像のうち、下顎骨顆部に骨性変化の兆候が見られる3,514枚の画像を用いて、物体検出モデルであるSingle-shot detectionを学習させました。関心領域（顆頭）を定義し，顎関節症の診断のための画像解析基準に従って，TMJOAの不確定とTMJOAの2つのカテゴリーに分類しました．このモデルは，2セット，合計300枚の画像でテストされました．2つのテストセットにおける平均的な精度、精密度、再現度、F1スコアは、それぞれ0.86、0.85、0.84、0.84でした。ディープニューラルネットワークモデルを用いることで、サジタルCBCT画像から顎関節症を自動検出することができる。顎関節症の診断や治療法の決定において、臨床医をサポートするために使用できるかもしれません。

The purpose of this study was to develop a diagnostic tool to automatically detect temporomandibular joint osteoarthritis (TMJOA) from cone beam computed tomography (CBCT) images with artificial intelligence. CBCT images of patients diagnosed with temporomandibular disorder were included for image preparation. Single-shot detection, an object detection model, was trained with 3,514 sagittal CBCT images of the temporomandibular joint that showed signs of osseous changes in the mandibular condyle. The region of interest (condylar head) was defined and classified into 2 categories-indeterminate for TMJOA and TMJOA-according to image analysis criteria for the diagnosis of temporomandibular disorder. The model was tested with 2 sets of 300 images in total. The average accuracy, precision, recall, and F1 score over the 2 test sets were 0.86, 0.85, 0.84, and 0.84, respectively. Automated detection of TMJOA from sagittal CBCT images is possible by using a deep neural networks model. It may be used to support clinicians with diagnosis and decision making for treatments of TMJOA.