深層学習と解剖学的に情報に基づいた幾何学的分析を用いた歯科う蝕窩洞形成品質の自動評価
Automated evaluation of dental cavity preparation quality using deep learning and anatomically informed geometric analysis
本研究では、歯科う蝕窩洞形成の品質を評価するための、自動化された客観的かつ臨床的に解釈可能なフレームワークを開発した。標準的な2次元(2D)画像と、オプションで3次元(3D)深度情報を統合して使用する。深層学習パイプラインは、強化されたU-Netアーキテクチャに基づいており、2D臼歯写真から窩洞と咬頭領域を自動セグメンテーションする。解剖学的に情報に基づいた幾何学的分析により、窩洞形状の一致度、咬頭間距離、峡部幅、窩洞の比例性を定量化する。楕円フーリエ記述子(EFD)を用いて、参照窩洞との比較を可能にする。3D STLデータが利用可能な場合は、窩洞の深度と平滑性も定量化される。これらの測定値は、1から10の範囲の窩洞品質スコア(CQS)に統合される。セグメンテーションモデルは内部検証で高い精度を示し、外部検証では専門家による測定との良好な一致が示された。このフレームワークは、広く利用可能な2D画像を用いた歯科窩洞形成の客観的評価のための、説明可能な人工知能フレームワークを提供する。
- 深層学習(強化U-Net)と解剖学的幾何学解析を用いた、歯科う蝕窩洞形成品質の自動評価フレームワークを開発し、内部検証で高いセグメンテーション精度を確認した
本記事は深層学習を用いた歯科窩洞形成品質の自動評価フレームワークの開発報告であり、医療AI分野での応用事例として捉えられる。U-NetによるセグメンテーションとEFDによる幾何学解析を組み合わせており、臨床現場での客観的評価を可能にする点で医療画像AI市場での企業価値向上に寄与する可能性がある。ただし、具体的な企業名や資金調達情報は含まれず、学術的な研究成果の段階である点には注意が必要。