딥러닝을 이용한 제3대구치 및 하악신경의 자동 탐지

하악 신경(INA)과 하악 제3대구치(M3)의 뿌리 간의 근접성은 제3대구치 제거 후 발생할 수 있는 신경 손상 및 하순과 턱의 감각 장애의 위험 요소입니다. 이 위험을 평가하기 위해 M3 및 IAN의 식별은 치과 파노라마 방사선 사진(OPG)에서 필수적입니다. 본 연구에서는 OPG에서 M3 및 IAN을 탐지하고 분할하기 위해 딥러닝 기반의 자동화 접근법을 개발하고 검증하였습니다. 참조 데이터로는 81개의 OPG에서 M3와 IAN을 수동으로 분할하였습니다. U-net 기반 딥러닝 접근법을 참조 데이터에 적용하여 M3 및 IAN 탐지와 분할에 필요한 컨볼루션 신경망(CNN)을 훈련시켰습니다. 이후 훈련된 U-net을 원본 OPG에 적용하여 두 구조물 모두를 탐지하고 분할하였습니다. 수동 및 자동으로 분할된 M3와 IAN 간의 유사도 정도를 정량화하기 위해 다이스 계수를 계산하였습니다. M3와 IAN의 평균 다이스 계수는 각각 0.947 ± 0.033 및 0.847 ± 0.099였습니다. 딥러닝은 해부학적 구조를 분할하고 향후 임상 의사결정에 유용한 접근법이지만, 정확성을 개선하기 위해 알고리즘의 추가 향상이 권장됩니다.