AI-Dentify: Deep learning for proximal caries detection on bitewing x-ray — HUNT4 Oral Health Study

要約

背景: う蝕の診断には、患者の咬翼診断画像を手動で検査し、その後、潜在的な病変を含む特定された歯片を目視検査および検査する必要があります。
しかし、人工知能、特にディープラーニングの使用は、咬翅目画像の迅速かつ有益な分析を提供することで診断を支援する可能性を秘めています。
方法: HUNT4 口腔健康調査からの 13,887 羽のバイトウィングのデータセットに 6 人の異なる専門家が個別に注釈を付け、3 つの異なる物体検出ディープラーニング アーキテクチャ: RetinaNet (ResNet50)、Y​​OLOv5 (M サイズ)、および EfficientDet (D0 および EfficientDet) のトレーニングに使用しました。
D1 サイズ）。
同じ 6 人の歯科医が共同で注釈を付けた 197 枚の画像のコンセンサス データセットが評価に使用されました。
AI モデルのパフォーマンスを評価するために、5 重相互検証スキームが使用されました。
結果: 彼が訓練したモデルは、歯科医師に関して、平均精度と F1 スコアの増加、および偽陰性率の減少を示しました。
歯科医師と比較した場合、YOLOv5 モデルは最大の改善を示し、平均平均精度 0.647、平均 F1 スコア 0.548、平均偽陰性率 0.149 を報告しました。
一方、これらの各指標について最も優れたアノテーターは、それぞれ 0.299、0.495、0.164 を報告しました。
結論: 深層学習モデルは、歯科専門家による虫歯の診断を支援する可能性を示しています。
しかし、咬翅の画像に特有のアーティファクトがあるため、この作業は依然として困難です。

要約(オリジナル)

Background: Dental caries diagnosis requires the manual inspection of diagnostic bitewing images of the patient, followed by a visual inspection and probing of the identified dental pieces with potential lesions. Yet the use of artificial intelligence, and in particular deep-learning, has the potential to aid in the diagnosis by providing a quick and informative analysis of the bitewing images. Methods: A dataset of 13,887 bitewings from the HUNT4 Oral Health Study were annotated individually by six different experts, and used to train three different object detection deep-learning architectures: RetinaNet (ResNet50), YOLOv5 (M size), and EfficientDet (D0 and D1 sizes). A consensus dataset of 197 images, annotated jointly by the same six dentist, was used for evaluation. A five-fold cross validation scheme was used to evaluate the performance of the AI models. Results: he trained models show an increase in average precision and F1-score, and decrease of false negative rate, with respect to the dental clinicians. When compared against the dental clinicians, the YOLOv5 model shows the largest improvement, reporting 0.647 mean average precision, 0.548 mean F1-score, and 0.149 mean false negative rate. Whereas the best annotators on each of these metrics reported 0.299, 0.495, and 0.164 respectively. Conclusion: Deep-learning models have shown the potential to assist dental professionals in the diagnosis of caries. Yet, the task remains challenging due to the artifacts natural to the bitewing images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google