파노라마방사선영상에서 딥러닝에 기반한 치근단 병변의 세그먼테이션

Abstract

1. 목 적 심층 신경망(deep neural network)은 의학 및 치의학 연구 분야에서 가장 유망한 인공지능 중 하나로 급부상하였으며, 이를 통해 질병을 조기에 발견할 수 있는 효과적인 진단 방법을 제공할 수 있다. 본 연구의 목적은 CNN 알고리즘을 이용하여 파노라마방사선영상에서 치근단 병변을 세그먼테이션 하는 능력을 평가하는 것이다.

2. 방 법 치근단 병변을 가진 총 1000장의 파노라마방사선영상을 학습(n=800, 80%), 검증(n=100, 10%), 테스트(n=100, 10%) 데이터 세트로 각각 분류하였다. 파노라마방사선영상은 ResNet50 모델을 이용하여 일정한 크기로 절단된 영상을 학습에 사용하였으며, 학습은 시맨틱 세그먼테이션 방법의 대표적인 모델인 U-Net 모델을 이용하여 진행되었다. 치근단 병변을 확인하는 성능은 IoU 임계값에 따른 precision, recall, F1-score 값을 계산하여 평가하였다.

3. 결 과 IoU 임계값 0.3에서 180개의 병변 중 147개의 병변이 검출되었다. F1-score는 IoU 임계값 0.3, 0.4, 0.5에서 각각 0.828, 0.815, 0.742으로 확인되었다.

4. 결 론 이번 연구에서 치근단 병변의 감지 및 진단을 위한 딥러닝의 잠재적 유용성이 확인되었다. U-Net 알고리즘은 파노라마방사선영상에서 치근단 병변을 감지하는 데 상당히 좋은 성능을 제공하였다.

Objectives Convolutional neural networks (CNNs) have rapidly emerged as one of the most promising artificial intelligence (AI) in the field of medical and dental researches, which can provide an effective diagnostic methodology allowing for detection of diseases at early age. This study was, thus, aimed to evaluate performances for periapical lesion segmentation from panoramic radiographs using a deep CNN algorithm.

Material and Methods A total of 1000 panoramic images showing periapical lesions were separated into training (n=800, 80%), validation (n=100, 10%), and test (n=100, 10%) dataset, respectively. All panoramic images were cropped using ResNet50 network. U-Net, representative network of semantic segmentation, was adopted for this study. The performance of identifying periapical lesions was evaluated after calculating precision, recall, and F1-score under specific IoU threshold.

Results In the test group of 180 periapical lesions, 147 lesions were segmented from panoramic radiographs under IoU threshold of 0.3. The performance value of F1-score were 0.828, 0.815, and 0.742, respectively, under IoU threshold of 0.3, 0.4, and 0.5.

Conclusion This study showed the potential utility of deep learning-guided approach for the segmentation of periapical lesions. The deep CNN algorithm using U-Net allows for a considerably high performance in detecting periapical lesions.