Automatic segmentation and diagnosis of impacted mesiodens from pediatric panoramic radiographs
연구 내용
U-Net과 사전학습 ResNet 인코더를 결합해 소아 파노라마 방사선에서 임팩티드 메시오덴스를 분할하고, 사람 전문가와 성능 및 진단 시간을 비교하는 연구
소아 파노라마 방사선에서 임팩티드 메시오덴스의 위치를 자동으로 분할하기 위해 U-Net 기반 세그멘테이션 모델을 구성합니다. 인코딩 경로에는 사전학습 ResNet을 적용해 특징 추출 성능을 보강하고, Jaccard index와 Dice coefficient로 분할 정합성을 평가합니다. 또한 정확도, 정밀도, 재현율, F1-score 및 진단 소요 시간을 사람 전문가 군과 비교해 임상 적용 관점의 성능을 검증합니다. 모델-전문가 간 일치도는 Cohen’s kappa로 확인합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 소아 파노라마 방사선에서 상전방 영역의 임팩티드 메시오덴스를 표준화된 라벨로 구성하고, U-Net의 기본 분할 성능을 검증했습니다. 이후 인코더에 사전학습 ResNet을 적용해 특징 추출을 강화하고, 분할 결과를 Jaccard index와 Dice coefficient로 정량 평가했습니다. 마지막으로 테스트 데이터에서 정확도와 분류·분할 지표 및 진단 시간을 사람 전문가와 비교하고, Cohen’s kappa로 모델과 전문가의 합의 수준을 확인하는 방향으로 연구를 수행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Image segmentation of impacted mesiodens using deep learning
관련 프로젝트
구분
제목
의료 빅데이터 융합 전문가 인력 양성을 위한 비정형 빅데이터의 정형화 기술 및 분석 플랫폼 개발