人工知能を用いた自動セファロランドマーク同定の評価

Assessment of automatic cephalometric landmark identification using artificial intelligence.

抄録

目的:

人工知能（AI）深層学習畳み込みニューラルネットワーク（CNN）You Only Look Once, Version 3（YOLOv3）アルゴリズムと手動トレース（MT）群との間で、セファロランドマーク同定の精度を比較すること。

OBJECTIVE: To compare the accuracy of cephalometric landmark identification between artificial intelligence (AI) deep learning convolutional neural networks (CNN) You Only Look Once, Version 3 (YOLOv3) algorithm and the manually traced (MT) group.

設定と標本集団:

米国矯正歯科医連盟（AAOF）レガシーデンバーコレクションを使用し、本研究のために110枚のセファロ画像を入手した。

SETTING AND SAMPLE POPULATION: The American Association of Orthodontists Federation (AAOF) Legacy Denver collection was used to obtain 110 cephalometric images for this study.

材料と方法:

側方セファログラムをデジタル化し、Dolphin Imagingを使用して、キャリブレーションを行ったシニア矯正歯科レジデントがトレースした。同じ画像をAIソフトウェアCeppro DDH Incにアップロードし、Sellaを基準ランドマークとするデカルト座標系を使用して、16点のセファログラムのx-およびy-座標を抽出した：Nasion（Na）、A点、B点、Menton（Me）、Gonion（Go）、上切歯先端、下切歯先端、上切歯尖、下切歯尖、Anterior Nasal Spine（ANS）、Posterior Nasal Spine（PNS）、Pogonion（Pg）、Pterigomaxillary fissure point（Pt）、Basion（Ba）、Articulare（Art）、Orbitale（Or）。平均距離は、基準値2mmに対して相対的に評価した。有意水準P<.05のStudent paired t-testsを用いて、x成分とy成分のそれぞれの平均差を比較した。データ解析にはSPSS（IBM-vs.27.0）ソフトウェアを使用した。

MATERIALS AND METHODS: Lateral cephalograms were digitized and traced by a calibrated senior orthodontic resident using Dolphin Imaging. The same images were uploaded to AI software Ceppro DDH Inc The Cartesian system of coordinates with Sella as the reference landmark was used to extract x- and y-coordinates for 16 cephalometric points: Nasion (Na), A point, B point, Menton (Me), Gonion (Go), Upper incisor tip, Lower incisor tip, Upper incisor apex, Lower incisor apex, Anterior Nasal Spine (ANS), Posterior Nasal Spine (PNS), Pogonion (Pg), Pterigomaxillary fissure point (Pt), Basion (Ba), Articulare (Art) and Orbitale (Or). The mean distances were assessed relative to the reference value of 2 mm. Student paired t-tests at significance level of P < .05 were used to compare the mean differences in each of the x- and y-components. SPSS (IBM-vs. 27.0) software was used for the data analysis.

結果:

MT群とAI群の絶対差を分析したところ、16ポイント中12ポイントに統計的な差は見られなかった。

RESULTS: There was no statistical difference for 12 out of 16 points when analysing absolute differences between MT and AI groups.

結論:

AIは、日常臨床および研究環境において、セファロトレーシングの精度を損なうことなく、効率を向上させる可能性がある。

CONCLUSION: AI may increase efficiency without compromising accuracy with cephalometric tracings in routine clinical practice and in research settings.