パノラマX線撮影における歯科修復物の自動検出と分類のための機械学習を用いた人工知能システム

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Oral Surg Oral Med Oral Pathol Oral Radiol.2020 Jun;S2212-4403(20)31018-X. doi: 10.1016/j.oooo.2020.05.012.Epub 2020-06-03.

パノラマX線撮影における歯科修復物の自動検出と分類のための機械学習を用いた人工知能システム

An artificial intelligence system using machine-learning for automatic detection and classification of dental restorations in panoramic radiography.

Ragda Abdalla-Aslan
Talia Yeshua
Daniel Kabla
Isaac Leichter
Chen Nadler

PMID: 32646672 DOI: 10.1016/j.oooo.2020.05.012.

抄録

目的:

本研究の目的は、人工知能に基づくコンピュータビジョンアルゴリズムを開発し、パノラマX線写真上の様々な歯科修復物を自動的に検出し、分類することであった。

OBJECTIVES: The aim of this study was to develop a computer vision algorithm based on artificial intelligence, designed to automatically detect and classify various dental restorations on panoramic radiographs.

研究デザイン:

匿名化された83枚のパノラマ画像から合計738件の歯科修復物を解析した．画像は自動的にトリミングされ、上顎と下顎の歯槽骨隆起を含む関心のある領域が得られた。その後、局所的な適応閾値を用いて修復物をセグメント化した。セグメント化された修復物は11のカテゴリーに分類され、アルゴリズムはそれらを分類するために訓練された。アルゴリズムによって抽出されたグレーレベル値の形状と分布に基づく数値特徴は，修復物を異なるカテゴリに分類するために使用された．最後に、これらの特徴に基づいて修復物の多クラス分類を行うために、エラー訂正出力コードを持つキュービックサポートベクターマシンアルゴリズムをクロスバリデーションアプローチで使用した。

STUDY DESIGN: A total of 738 dental restorations in 83 anonymized panoramic images were analyzed. Images were automatically cropped to obtain the region of interest containing maxillary and mandibular alveolar ridges. Subsequently, the restorations were segmented by using a local adaptive threshold. The segmented restorations were classified into 11 categories, and the algorithm was trained to classify them. Numerical features based on the shape and distribution of gray level values extracted by the algorithm were used for classifying the restorations into different categories. Finally, a Cubic Support Vector Machine algorithm with Error-Correcting Output Codes was used with a cross-validation approach for the multiclass classification of the restorations according to these features.

結果:

アルゴリズムは修復物の94.6%を検出した。分類により、すべての誤ったマークが除去され、最終的には90.5%の修復物が画像上にマークされた。真の修復物のカテゴリーを識別するための分類段階の全体的な精度は93.6%であった．

RESULTS: The algorithm detected 94.6% of the restorations. Classification eliminated all erroneous marks, and ultimately, 90.5% of the restorations were marked on the image. The overall accuracy of the classification stage in discriminating between the true restoration categories was 93.6%.

結論:

この機械学習アルゴリズムは，パノラマ画像上の歯科修復物の検出と分類において優れた性能を示した．

CONCLUSIONS: This machine-learning algorithm demonstrated excellent performance in detecting and classifying dental restorations on panoramic images.