歯のX線画像を用いたう蝕検出における多様なディープネットワークの性能比較

Performance Comparison of Multifarious Deep Networks on Caries Detection with Tooth X-ray Images.

抄録

目的:

近年，臨床X線画像に基づくう蝕診断において，ディープネットワークが先行的に研究されている．しかし，う蝕検出における様々なディープネットワークの性能は未だ不明である．本研究では、臨床歯科医レベルを橋渡しとして、近年の多様なディープネットワークのう蝕検出性能を包括的に比較することを目的とする。

OBJECTIVES: Deep networks have been preliminarily studied in caries diagnosis based on clinical X-ray images nowadays. However, the performance of different deep networks on caries detection is still unclear. This study aims to comprehensively compare the caries detection performances of recent multifarious deep networks with clinical dentist level as a bridge.

方法:

臨床で自己収集した齲蝕周囲X線写真のデータセットに基づき、YOLOv5とDETRの物体検出ネットワーク、UNetとTrans-UNetのセグメンテーションネットワークという2種類の最も人気のある4つのディープネットワークを比較研究の対象とした。5人の歯科医が同じテストデータセットでう蝕検出を行い、参考とした。精度、感度、特異度、F1スコア、ユーデンインデックスを含む主要な歯レベルの指標が得られ、それに基づいて統計解析が行われた。

METHODS: Based on the self-collected periapical radiograph dataset in clinic, four most popular deep networks in two types, namely YOLOv5 and DETR object detection networks, and UNet and Trans-UNet segmentation networks, were included in the comparison study. Five dentists carried out the caries detection on the same testing dataset for reference. Key tooth-level metrics, including precision, sensitivity, specificity, F1-score and Youden index, were obtained, based on which statistical analysis was conducted.

結果:

う蝕検出におけるディープネットワークのF1スコア順位は、YOLOv5（0.87）、Trans-UNet（0.86）、DETR（0.82）、UNet（0.80）であった。感度と特異度を組み合わせたYouden indexを用いても同様の順位が得られ、それぞれ0.76、0.73、0.69、0.64であった。すべてのネットワークとゴールドスタンダードの間には、中程度の一致が観察された。う蝕検知において、ディープネットワーク間およびよく訓練されたネットワークと歯科医師との間に有意差（p>0.05）は認められなかった。

RESULTS: The F1-score order of deep networks is YOLOv5 (0.87), Trans-UNet (0.86), DETR (0.82) and UNet (0.80) in caries detection. A same ranking order is found using the Youden index combining sensitivity and specificity, which are 0.76, 0.73, 0.69 and 0.64 respectively. A moderate level of concordance was observed between all networks and the gold standard. No significant difference (p>0.05) was found between deep networks and between the well-trained network and dentists in caries detection.

結論:

調査したディープネットワークのうち、YOLOv5はその高い評価指標から、う蝕検出に優先的に用いることが推奨される。よく訓練されたディープネットワークは、歯科医師がう蝕を検出・診断するための良い支援として使用できる可能性がある。

CONCLUSIONS: Among investigated deep networks, YOLOv5 is recommended to be priority for caries detection in terms of its high metrics. The well-trained deep network could be used as a good assistance for dentists to detect and diagnose caries.

臨床的意義:

よく訓練されたディープネットワークは、臨床応用の有望な可能性を示している。う蝕の検出と診断を容易にする上で、医療専門家に価値ある支援を提供できる。

CLINICAL SIGNIFICANCE: The well-trained deep network shows a promising potential clinical application prospect. It can provide valuable support to healthcare professionals in facilitating detection and diagnosis of dental caries.