パノラマX線写真における歯の識別と列挙のためのディープラーニング

Deep learning for tooth identification and enumeration in panoramic radiographs.

抄録

背景:

歯科医は、歯の識別と列挙によって診断を開始する。パノラマX線写真は、その広い視野と低被ばく線量により、歯の同定に広く使用されている。パノラマX線写真における歯の自動番号付けは、臨床医がエラーを回避するのに役立つ。ディープラーニングは、タスクを自動化するための有望なツールとして浮上している。我々の目的は、パノラマX線写真における歯の識別と列挙のための2段階ディープラーニング法の精度を評価することである。

BACKGROUND: Dentists begin the diagnosis by identifying and enumerating teeth. Panoramic radiographs are widely used for tooth identification due to their large field of view and low exposure dose. The automatic numbering of teeth in panoramic radiographs can assist clinicians in avoiding errors. Deep learning has emerged as a promising tool for automating tasks. Our goal is to evaluate the accuracy of a two-step deep learning method for tooth identification and enumeration in panoramic radiographs.

材料と方法:

このレトロスペクティブ観察研究では、1007枚のパノラマX線写真を3名の経験豊富な歯科医師がラベリングした。この研究では、2つの異なる方法（1つは歯、もう1つは象限）でバウンディングボックスを描画した。すべての画像は、コントラスト制限適応ヒストグラム等化法を用いて前処理された。まず、パノラマ画像が象限検出モデルに割り当てられ、このモデルの出力が歯番号モデルに提供された。各ステップでは、より高速な領域ベースの畳み込みニューラルネットワークモデルが使用された。

MATERIALS AND METHODS: In this retrospective observational study, 1007 panoramic radiographs were labeled by three experienced dentists. It involved drawing bounding boxes in two distinct ways: one for teeth and one for quadrants. All images were preprocessed using the contrast-limited adaptive histogram equalization method. First, panoramic images were allocated to a quadrant detection model, and the outputs of this model were provided to the tooth numbering models. A faster region-based convolutional neural network model was used in each step.

結果:

平均精度(AP)は、異なる交差-結合閾値で計算された。象限検出のAP50は100％、歯牙列挙のAP50は95％であった。

RESULTS: Average precision (AP) was calculated in different intersection-over-union thresholds. The AP50 of quadrant detection and tooth enumeration was 100% and 95%, respectively.

結論:

我々は、パノラマX線写真上の歯の自動列挙のための2段階の深層学習フレームワークを使用して、高いレベルのAPで有望な結果を得た。多様なデータセットと実際の状況についてさらなる研究を行う必要がある。

CONCLUSION: We have obtained promising results with a high level of AP using our two-step deep learning framework for automatic tooth enumeration on panoramic radiographs. Further research should be conducted on diverse datasets and real-life situations.