본 연구의 목적은 소아의 치근단 방사선사진에서 근접 우식(proximal caries)을 객체 탐지하기 위해 You Only Look Once (YOLO) 모델의 성능을 평가하는 것이었다. 학습 자료 집단으로 M6 데이터베이스에서 유치열의 치근단 방사선사진 2016장을 선정하였으며, 이 중 1143장은 숙련된 치과의사가 주석(annotation) 도구를 사용하여 근접 우식으로 표지하였다. 주석을 학습 데이터셋으로 변환한 후, 단일 합성곱 신경망(CNN) 모델을 사용하여 YOLO를 해당 데이터셋으로 학습시켰다. 객체 탐지 모델의 성능 평가는 187개의 테스트 데이터셋에 대해 정확도(accuracy), 재현율(recall), 특이도(specificity), 정밀도(precision), 음성 예측도(negative predictive value, NPV), F1-score, 정밀도-재현율(Precision-Recall) 곡선, 그리고 AP(곡선 아래 면적, area under curve)를 계산하여 수행하였다. 결과는 CNN 기반 객체 탐지 모델이 근접 우식을 검출하는 데 양호한 성능을 보였으며, 진단 정확도 0.95, 재현율 0.94, 특이도 0.97, 정밀도 0.82, NPV 0.96, F1-score 0.81을 나타냈다. AP는 0.83이었다. 본 모델은 치근단 방사선사진에서 우식 병소를 탐지하는 데 치과의사에게 유용한 도구가 될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.