배경: 구강 내 사진 영상은 우식증(caries)의 임상적 진단에 도움이 된다. 또한 이러한 영상에 인공지능을 적용하려는 시도가 꾸준히 이루어져 왔다. 본 연구는 이들 영상을 이용하여 치아 표면을 분할(segmentation)함으로써 우식증 검출을 위한 딥러닝 알고리즘을 평가하고자 하였다. 방법: 본 전향적 연구에서 2020년 10월부터 2021년 12월까지 대학 의료센터의 치과 진료소에서 전문 구강 내 카메라를 사용하여 445명의 참여자로부터 총 2348장의 자체 촬영 구강 내 사진 영상을 수집하였다. 영상은 무작위로 훈련(1638), 검증(410), 시험(300) 데이터셋에 할당하였다. 치아 표면의 영상 분할, 우식증의 분류 및 위치추정을 위해 CNN(Convolutional Neural Networks)인 U-Net, ResNet-18, Faster R-CNN을 적용하였다. 결과: 우식증 영상의 분류 알고리즘에서, CNN을 이용한 치아 표면 분할을 통해 정확도와 수신자조작특성곡선(receiver operating characteristic, ROC) 아래 면적이 각각 0.731에서 0.837로, 0.758에서 0.813으로 향상되었다. 또한 분할 후 치아 영역에서 우식 병변을 위치추정하는 알고리즘 역시 성능이 개선되었다. 예를 들어 민감도와 평균 정밀도는 각각 0.890에서 0.889로, 0.865 및 0.868로 향상되었다. 결론: 치아 표면 분할을 포함하는 딥러닝 모델은 구강 내 카메라로 촬영한 사진 영상에서 우식증을 검출하는 데 유망하다. 이는 시간과 비용을 절감할 수 있는 장점이 있는 보조적 진단 방법이 될 수 있다.

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