人工知能を使用した円錐ビーム CT 画像の根尖周囲放射線透過性のコンピュータ支援検出の精度

• 研究デザイン: 診断精度研究
• 設定と場所: 遡及的データ収集は、インデックス テストと参照標準を実行する前に計画されています。 この研究のCBCTデータは、エジプトのカイロにあるカイロ大学の歯科学部の口腔および顎顔面放射線科で利用可能なCBCTデータベースから、およびさまざまなCBCTマシンを備えた利用可能なオンラインデータセットから取得されます。

提案された適格基準に従って、歯科診断および/または治療計画の一部としてすでにCBCT検査を受けたエジプト人患者のCBCTスキャンが含まれます。

B) 参加者:

サンプルサイズの計算に基づいて、CBCTスキャンで見つかった顎の上部と下部の異なる場所の50個の根尖性放射線透過性病変のサンプル。 含まれるスキャンの選択は、次の適格基準に基づいて行われます。

包含基準:

• 上顎骨と下顎骨の CBCT スキャンで、質の良い無料の pf 根尖周囲の放射線透過性病変があります。
• 上顎骨と下顎骨の CBCT スキャンは質が高く、根尖周囲の放射線透過性病変を示しています。

除外基準:

• 適切な評価に干渉する次善の品質またはアーティファクト / 高散乱の CBCT 画像。

C) 変数:

• 根尖病変を含む可変 CBCT データの詳細は DICOM 形式で匿名化され、ファイルはカイロ大学工学部数理工学部に転送され、2 つのフェーズを含む深層学習モデルが実装されます。

D) データソース / 測定値:

• 匿名化されたレトロスペクティブ データの CBCT スキャンは、患者の積極的な関与なしに研究に使用されます。 異なる CBCT マシン スキャンが使用され、事前に CBCT ビューアー ソフトウェア プログラム Blue Sky Bio にインポートされて、根尖周囲の放射線透過性病変が検出されます。

ローカリゼーション データセット。

1. 切歯 - 犬歯 (前歯) 上顎 下顎
2. 小臼歯 - 大臼歯 (臼歯) 上顎下顎

根尖病変を含む CBCT データは DICOM 形式で匿名化され、ファイルは 2 つのフェーズを含む深層学習モデルを実装するために、カイロ大学工学部数理工学部に転送されます。

トレーニングおよび検証フェーズ テスト フェーズ テスト セットの分離。 アノテーションの第 1 段階の完了後、テストはアノテーション付きデータ プールから分離され、その後のすべての開発アクティビティから除外されました。

モデル開発データセット。 残りの注釈付きデータプールから形成されたモデル開発目的のセット (つまり、 テスト セットには含まれていません) は、タスクの ft であったため、トレーニングと検証のサブセットに分割されました。

ディープ ラーニング ベースの方法のパフォーマンスは、ラベル付けされた多数のデータセットに大きく依存しているためです。 既存の CNN ベースの方法 (12、16) では、まず利用可能なオンライン データセットでモデルを事前トレーニングします。 したがって、Abdolali らによって提供された利用可能なオンライン データセットを、彼らの研究 (18) で使用されたデータとして研究作業に使用し、収集したサンプルのネットワークを微調整します。

トレーニングに使用されるスキャンの正確な数は、モデルの適合不足または過適合を避けるために変更される可能性があります。そのため、カイロ大学工学部の工学数学工学部の学部によって正確に割り当てられます。

E) バイアスの潜在的な原因への対処:

バイアスのソースはありません。 インデックス テキストは、このインデックス テストを実施する前に、経験豊富な 2 人の放射線科医によって設定されたグラウンド トゥルースから盲検化されるコンピューター プログラムによって実行されます。 ゴールド スタンダードとインデックス テストの結果の両方が集計され、最終的に評価者ではなく別の人物による比較のために統計学者に送信されるため、参照標準の評価者はインデックス テストの結果の対象にはなりません。

F) 研究規模:

検出力分析は、ディープ ラーニング モデルの結果が放射線科医の意見と同じくらい正確であるという帰無仮説の両側統計検定を適用するのに十分な検出力を持つように設計されました。 (95%) 信頼区間を採用し、以前の研究 (20) (21) の結果に基づいて DL グループの (88.0%) の特異性値を使用し、グラウンド トゥルースに対して 100% を使用することにより、以下に基づいて計算されたサンプル サイズ特異性は（50）サンプルでした。 サンプルサイズの計算は、コナーの式を使用して実行されました。

G) サンプリング戦略:

無作為抽出。 H) 量的変数

I) 統計的方法:

感度、特異度、陽性適中率、陰性適中率が計算され、Leonardi Dutra et al (19) による診断テストのランキングに従ってスコア .80% で評価されます。 優れた結果、70% から 80% が良い、60% から 69% が普通、60% が悪いと見なされます。 根尖周囲の放射線透過性のない歯をコントロールとして使用しました。