骨粗鬆症検出のためのカラーヒストグラムと機械学習を用いた歯根膜周囲X線写真の自動セグメンテーション

Automatic Segmentation of Periapical Radiograph Using Color Histogram and Machine Learning for Osteoporosis Detection.

抄録

骨粗鬆症は、皮質厚の減少、骨密度（BMD）の低下、海綿骨の大きさの悪化、骨折のリスク上昇をもたらします。骨粗鬆症による海綿骨の変化は、歯科診療で広く使用されている歯根膜X線写真で観察することができます。本研究では、歯根膜X線写真の120の関心領域（ROI）に基づき、60のトレーニングデータセットと42のテストデータセットに分け、カラーヒストグラムと機械学習（ML）を用いて骨粗鬆症を検出するための自動海綿骨分割法を提案する。骨粗鬆症の診断は、二重X線吸収法により評価されるBMDに基づいている。提案手法は、ROI画像の取得、グレースケールへの変換、カラーヒストグラムのセグメンテーション、画素分布の抽出、ML分類器の性能評価の5段階から構成されている。海綿骨のセグメンテーションについては、K-meansとFuzzy C-meansを比較している。K-meansとFuzzy C-meansによるセグメンテーションで得られた画素の分布を、決定木、ナイーブベイズ、多層パーセプトロンの3つのML法を用いて、骨粗鬆症を検出するために使用した。本研究では、テストデータセットを用いて、結果を得た。K-meansおよびFuzzy C-meansセグメンテーション法と3つのMLを組み合わせた性能評価から、最も診断性能が高い骨粗鬆症検出法はK-meansセグメンテーションと多層パーセプトロン分類器を組み合わせたもので、精度、特異度、感度はそれぞれ90.48%, 90.90%, 90.00% となる。本研究で得られた高い精度は、提案手法が医科歯科画像解析分野における骨粗鬆症の検出に大きく貢献することを示しています。

Osteoporosis leads to the loss of cortical thickness, a decrease in bone mineral density (BMD), deterioration in the size of trabeculae, and an increased risk of fractures. Changes in trabecular bone due to osteoporosis can be observed on periapical radiographs, which are widely used in dental practice. This study proposes an automatic trabecular bone segmentation method for detecting osteoporosis using a color histogram and machine learning (ML), based on 120 regions of interest (ROI) on periapical radiographs, and divided into 60 training and 42 testing datasets. The diagnosis of osteoporosis is based on BMD as evaluated by dual X-ray absorptiometry. The proposed method comprises five stages: the obtaining of ROI images, conversion to grayscale, color histogram segmentation, extraction of pixel distribution, and performance evaluation of the ML classifier. For trabecular bone segmentation, we compare K-means and Fuzzy C-means. The distribution of pixels obtained from the K-means and Fuzzy C-means segmentation was used to detect osteoporosis using three ML methods: decision tree, naive Bayes, and multilayer perceptron. The testing dataset was used to obtain the results in this study. Based on the performance evaluation of the K-means and Fuzzy C-means segmentation methods combined with 3 ML, the osteoporosis detection method with the best diagnostic performance was K-means segmentation combined with a multilayer perceptron classifier, with accuracy, specificity, and sensitivity of 90.48%, 90.90%, and 90.00%, respectively. The high accuracy of this study indicates that the proposed method provides a significant contribution to the detection of osteoporosis in the field of medical and dental image analysis.