CBCT에서 하악 제3대구치와 하악관의 관계 평가에서 인공지능의 정확도 원문보기 KCI 원문보기 인용

구강악안면 분야에서 가장 흔한 수술 중 하나로 여겨지는 하악 제3대구치 발치는 통증, 출혈, 부기, 하치조신경(IAN) 손상 또는 완전한 손상과 같은 여러 수술 후 합병증과 관련되어 질을 손상시킬 수 있습니다. 영향을 받는 환자의 삶의. 하악 제3대구치 발치로 인한 일시적 IAN 손상 발생률은 0.4-8.4%, 영구 손상의 발생률은 1% 미만입니다[1, 2]. 그러나 하악 제3대구치 매복 발생률이 높기 때문에 하악 제3대구치 매복 발치로 인한 IAN 손상 환자가 많다[3]. 하악 제3대구치 발치로 인한 IAN 손상의 가장 중요한 위험인자는 하악관에 대한 하악 제3대구치 치근의 근접성이다[1, 2, 4, 5]. 따라서 IAN 손상 위험을 줄이기 위해 영향을 받은 하악 제3대구치 발치 전에 해부학적 구조에 대한 포괄적인 수술 전 분석 및 평가가 필수적입니다.

파노라마 방사선 사진은 매복된 하악 제3대구치 발치와 IAN 사이의 관계를 중첩과 고유한 한계로 표시하는 데 그다지 정확하지 않습니다. 파노라마 방사선 사진을 사용하여 매복된 하악 제3대구치 발치 동안 (IAN) 손상 가능성을 예측하는 정확도는 논란의 여지가 있었습니다[6].

CBCT(cone beam computed tomography)는 A(3D) 영상 기법으로 의료용 CT보다 적은 방사선량으로 정확한 3D 정보를 제공합니다[7]. 하악 제3대구치와 (IAN)의 관계를 평가하기 위해 CBCT가 파노라마 방사선 촬영보다 더 우수하고 정확한 방사선 촬영 방법임이 입증되었습니다[6, 8]. 따라서 CBCT는 복잡한 하악 제3대구치 발치 수술 전 평가를 위한 선택 방법으로 고려되어 왔다[9].

인공 지능 하위 집합 중 하나인 딥 러닝은 빠르게 발전했으며 의료 분야에서 중요한 역할을 합니다. 딥 러닝 모델 중 하나로 CNN(Convolutional Neural Network)의 유도 학습이 최근 연구되고 있으며, 이는 많은 의료 영상 분야에서 인간의 판단 수준을 능가하는 것으로 입증되었습니다[12, 13]. CNN이 상악안면 분야에 도입된 후 주변 해부 구조의 평가, 감지, 분류 및 세분화에 사용되었다[14-18 최근에는 매복된 하악 제3대구치와 하악 파노라마 방사선 사진과 CBCT에서 근관 탐지 및 분할[15, 18, 30], 발달의 분류 및 단계화[31, 32], 파노라마 방사선 사진에서 매복된 하악 제3대구치의 근사 측정[33]. Fukuda et al. 영향을 받은 하악 제3대구치와 하악관 관계의 분류를 위해 3개의 CNN을 파노라마 방사선 사진과 비교했습니다[34]. Yooet al. 파노라마 방사선 사진을 사용하여 매복된 하악 제3대구치 발치의 교착 상태를 평가하기 위해 CNN 기반 접근법을 제안했습니다[35]. 따라서 앞서 언급한 바와 같이 파노라마 방사선 촬영은 (2D) 이미징 방식에서 발생하는 중첩으로 인해 해부학적 구조를 정확하게 설명할 수 없습니다. Orhanet al. CNN 기반의 AI 애플리케이션(Diagnocat, Inc.) 보고