AIによる口腔内写真のう蝕と歯数検出．モデルの開発と性能評価

AI-Based Dental Caries and Tooth Number Detection in Intraoral Photos: Model Development and Performance Evaluation.

抄録

目的:

本研究では、カスケード領域ベースの深層畳み込みニューラルネットワーク（R-CNN）モデルを用いて、口腔内写真画像における歯数認識とう蝕検出を統合し、臨床における人工知能（AI）駆動型自動う蝕検出の実用化を促進することを目的とした。

OBJECTIVES: In this study, we aimed to integrate tooth number recognition and caries detection in full intraoral photographic images using a cascade region-based deep convolutional neural network (R-CNN) model to facilitate the practical application of artificial intelligence (AI)-driven automatic caries detection in clinical practice.

方法:

データセットは、上顎咬合面4787枚、下顎咬合面4347枚、右側面5230枚、左側面5010枚、正面5204枚の24,578枚の画像から構成される。各口腔内画像において、歯の番号と、存在する場合はその位置と病期を含むう蝕が、バウンディングボックスを用いて注釈付けされた。カスケードR-CNNモデルは、口腔内画像内のう蝕検出と歯数認識に使用された。

METHODS: Our dataset comprised 24,578 images, encompassing 4787 upper occlusal, 4347 lower occlusal, 5230 right lateral, 5010 left lateral, and 5204 frontal views. In each intraoral image, tooth numbers and, when present, dental caries, including their location and stage, were annotated using bounding boxes. A cascade R-CNN model was used for dental caries detection and tooth number recognition within intraoral images.

結果:

歯数認識において、このモデルは平均平均精度（mAP）スコア0.880を達成した。う蝕検出のタスクでは、モデルの平均mAPスコアは0.769であり、個々のスコアは0.695から0.893であった。

RESULTS: For tooth number recognition, the model achieved an average mean average precision (mAP) score of 0.880. In the task of dental caries detection, the model's average mAP score was 0.769, with individual scores spanning from 0.695 to 0.893.

結論:

歯数認識とう蝕検知を口腔内写真画像に統合するという第一の目的は、我々のディープラーニングモデルによって達成された。包括的な口腔内データセットでのモデルのトレーニングにより、シームレスな臨床応用の可能性が示された。

CONCLUSIONS: The primary objective of integrating tooth number recognition and caries detection within full intraoral photographic images has been achieved by our deep learning model. The model's training on comprehensive intraoral datasets has demonstrated its potential for seamless clinical application.

臨床的意義:

本研究は、複数の歯が見える口腔内全体画像において、歯数認識とう蝕検知のAIによる自動統合を実現することで、臨床的意義を有する。実生活や臨床現場におけるAIの実用化を促進する可能性がある。

CLINICAL SIGNIFICANCE: This research holds clinical significance by achieving AI-driven automatic integration of tooth number recognition and caries detection in full intraoral images where multiple teeth are visible. It has the potential to promote the practical application of AI in real-life and clinical settings.