著作: [鳥井 浩平]/[誉田 栄一]/[北 研二]/AIを用いたパノラマX線画像からのカルテ入力支援システムの開発/[歯科放射線]/[北 研二]
ヘルプを読む
「著作」(著作(著書,論文,レター,国際会議など))は,研究業績にかかる著作(著書,論文,レター,国際会議など)を登録するテーブルです. (この情報が属するテーブルの詳細な定義を見る)
- 項目名の部分にマウスカーソルを置いて少し待つと,項目の簡単な説明がツールチップ表示されます.
種別 | 必須 | 学術論文(審査論文) | |||
---|---|---|---|---|---|
言語 | 必須 | 日本語 | |||
招待 | 推奨 | ||||
審査 | 推奨 | Peer Review | |||
カテゴリ | 推奨 | 研究 | |||
共著種別 | 推奨 | 学内共著(徳島大学内研究者との共同研究 (学外研究者を含まない)) | |||
学究種別 | 推奨 | 博士後期課程学生による研究報告 | |||
組織 | 推奨 | ||||
著者 | 必須 | ||||
題名 | 必須 |
(英) Development of an AI-based Dental Support System for Panoramic X-ray Images (日) AIを用いたパノラマX線画像からのカルテ入力支援システムの開発 |
|||
副題 | 任意 | ||||
要約 | 任意 |
(英) Research and development of AI-based diagnostic systems in the medical and dental fields is flourishing worldwide. However, there are few practical dental support systems and dental databases. Support for medical record input is needed to reduce the burden at diagnosis. We have been developing a dental database with detailed annotation information and building an AI system for automatic teeth detection, teeth numbering, teeth contour estimation, and disease diagnosis from panoramic X-ray images since 2019. Three dentists and one expert of dental radiology created our database, which includes teeth number based on FDI method, coordinates of teeth contour, and various dental conditions, using Anotee, a software developed for creating dental databases. Our system consists of multiple deep neural networks that were trained using 1,781 panoramic X-ray images and annotations, which excluded deciduous teeth and rare dental conditions. The deep neural network to classify dental conditions is based on EfficientNetV2-S and can diagnose multiple dental conditions. To verify our systems usefulness, we evaluated two dental condition classifications for 20 dental conditions and 10 dental conditions such as caries, periodontitis, root canal filling, inlay, composite resin, crown, pontic, implant, and impacted tooth. We performed 5-fold cross validation and calculated precision, sensitivity, and specificity. Experimental results were encouraging. For the diagnosis of 20 conditions, precision was 90.4%, sensitivity was 86.1%, and specificity was 99.4%; for the diagnosis of 10 conditions, precision was 92.9%, sensitivity was 90.0%, and specificity was 99.1%. The system achieved high accuracy, suggesting that AI systems are useful in assisting medical record input support. (日) 我々は従来の診断支援に関する技術をカルテ入力支援に応用するために,詳細なアノテーションを付与した歯科データベースの構築と,パノラマ X 線画像を対象としたカルテ入力支援システムの研究開発を行ってきた.本システムは,歯検出ニューラルネットワーク,セグメンテーションニューラルネットワーク,状態診断ニューラルネットワークを用いて,パノラマ X 線画像から,歯の検出,歯式推定,歯の輪郭推定および歯の状態診断を行うことができる.本システムとパノラマ X 線画像ビューアおよび電子カルテ(レセコン)を連携することでカルテの自動入力を可能にするため,歯科医のカルテ作成に必要な労力を軽減し,診断全体 の効率化に貢献することができる.また歯科医の画像診断に AI の画像診断が加わることで画像診断における見落としを防ぐことも期待できる.ただし最終的なカルテの確定は歯科医が視診等を踏まえた診断のあとにカルテを修正して行うため,本システムは確定診断のために用いるものではなく,画像から明確に判断できうる情報を AI が事前に自動入力することを目的としている.本論文では本システムの有用性を検討するために,構築したデータベースとデータ作成のプロセスについて述べ,歯の状態診断に対する精度評価を行う.また AI システムと専門医の診断結果の比較を行う. |
|||
キーワード | 推奨 | ||||
発行所 | 推奨 | ||||
誌名 | 必須 |
歯科放射線([日本歯科放射線学会])
(pISSN: 0389-9705, eISSN: 2185-6311)
|
|||
巻 | 必須 | 62 | |||
号 | 必須 | 1 | |||
頁 | 必須 | 24 34 | |||
都市 | 任意 | 東京(Tokyo/[日本国]) | |||
年月日 | 必須 | 2022年 9月 末日 | |||
URL | 任意 | https://www.jstage.jst.go.jp/article/dentalradiology/62/1/62_24/_article/-char/ja | |||
DOI | 任意 | 10.11242/dentalradiology.62.24 (→Scopusで検索) | |||
PMID | 任意 | ||||
CRID | 任意 | ||||
WOS | 任意 | ||||
Scopus | 任意 | ||||
評価値 | 任意 | ||||
被引用数 | 任意 | ||||
指導教員 | 推奨 | ||||
備考 | 任意 |