パノラマX線写真上のすべての埋伏歯の位置と第三大臼歯の冬の角度の予測をAI駆動で行う：臨床的ユーザーインターフェースの設計

AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design.

抄録

目的:

埋伏歯とは、歯肉や顎骨の下にある歯の異常な障害であり、萌出時期であるにもかかわらず正常な位置をとることができない歯のことである。本研究では、パノラマX線写真からすべての埋伏歯を検出し、人工知能モデルを用いてWinter法により埋伏歯を分類することを目的とする。

PURPOSE: Impacted teeth are abnormal tooth disorders under the gums or jawbone that cannot take their normal position even though it is time to erupt. This study aims to detect all impacted teeth and to classify impacted third molars according to the Winter method with an artificial intelligence model on panoramic radiographs.

方法:

本研究では、歯学部のデータベースから1197枚のパノラマX線写真を収集し、すべての埋伏歯と1000枚のパノラマX線写真を収集し、Winter分類を行った。いくつかの前処理が行われ、画像はデータ増強により2倍にされた。両データセットは、80%のトレーニング、10%の検証、10%のテストに無作為に分けられた。転移学習と微調整のプロセスを経て、2つのデータセットを高性能人工知能モデルであるYOLOv8ディープラーニングアルゴリズムで学習させ、有歯歯の検出を実施した。結果は、精度、想起、mAP、F1スコアの性能指標で評価された。学習の結果得られた人工知能の重みを用いて、臨床で使用するためのグラフィカルユーザーインターフェースを設計した。

METHODS: In this study, 1197 panoramic radiographs from the dentistry faculty database were collected for all impacted teeth, and 1000 panoramic radiographs were collected for Winter classification. Some pre-processing methods were performed and the images were doubled with data augmentation. Both datasets were randomly divided into 80% training, 10% validation, and 10% testing. After transfer learning and fine-tuning processes, the two datasets were trained with the YOLOv8 deep learning algorithm, a high-performance artificial intelligence model, and the detection of impacted teeth was carried out. The results were evaluated with precision, recall, mAP, and F1-score performance metrics. A graphical user interface was designed for clinical use with the artificial intelligence weights obtained as a result of the training.

結果:

Winter分類による第三大臼歯の埋伏歯検出において、平均精度は0.972、平均リコールは0.967、平均F1スコアは0.969であった。For the detection of all impacted teeth, the average precision, average recall, and average F1 score were obtained as 0.991, 0.995, and 0.993, respectively.

RESULTS: For the detection of impacted third molar teeth according to Winter classification, the average precision, average recall, and average F1 score were obtained to be 0.972, 0.967, and 0.969, respectively. For the detection of all impacted teeth, the average precision, average recall, and average F1 score were obtained as 0.991, 0.995, and 0.993, respectively.

結論:

結果によると、人工知能ベースのYOLOv8ディープラーニングモデルは、Winter分類システムに従って、すべての埋伏歯と第三大臼歯の埋伏歯を検出することに成功した。

CONCLUSION: According to the results, the artificial intelligence-based YOLOv8 deep learning model successfully detected all impacted teeth and the impacted third molar teeth according to the Winter classification system.