AI-based dental caries detection and lesion localization using intraoral imaging
연구 내용
인트라오럴 카메라와 QLF 영상에서 치아우식을 분할·분류하여 병소 위치추정까지 포함한 자동 진단 성능을 확보하는 연구
인트라오럴 카메라 및 QLF(quantitative light-induced fluorescence) 영상의 치면 정보를 전처리한 뒤, CNN 기반 분할과 분류를 연계하여 치아우식의 존재 여부와 병소 위치를 함께 추정하는 연구를 수행합니다. U-Net, ResNet-계열, Faster R-CNN, Xception 등 서로 다른 네트워크를 적용하고, 치아 영역 분할을 통해 배경 영향을 줄인 후 진단 지표를 향상시키는 접근을 사용합니다. 또한 앙상블 기법과 설명가능성 모델을 결합해 임상 적용 시 재현성과 해석 가능성을 고려한 진단 파이프라인을 구축합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 인트라오럴 촬영 영상에서 치아 표면을 분할한 뒤 치아우식을 판별하는 구조로 시작하여, 분할 전후 진단 성능 변화를 확인하고 학습 데이터 구성에 따른 안정성을 검토했습니다. 이후 2023년에는 QLF 영상에 대해 치아 영역을 배경 제거 방식으로 분리하고 Xception 기반 분류 모델을 적용하여 병소 평가의 일관성을 높였습니다. 2024년에는 서로 다른 CNN 백본을 앙상블로 결합하고 혼동행렬 기반 평가와 함께, 설명가능성 모델을 포함한 병소 검출 로직으로 확장하여 임상 스크리닝 실용성을 강화하는 흐름을 따랐습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Caries detection with tooth surface segmentation on intraoral photographic images using deep learning
Tooth caries classification with quantitative light-induced fluorescence (QLF) images using convolutional neural network for permanent teeth in vivo
Diagnostic accuracy of dental caries detection using ensemble techniques in deep learning with intraoral camera images