인공지능을 이용한 Cone-Beam 전산화단층촬영 영상에서 치근단 방사선투과성의 컴퓨터 검출 정확도 원문보기 KCI 원문보기 인용

• 연구 설계: 진단 정확도 연구
• 설정 및 위치: 지수 테스트 및 참조 표준을 수행하기 전에 소급 데이터 수집을 계획합니다. 이 연구의 CBCT 데이터는 이집트 카이로에 있는 카이로 대학 치과학부 구강악안면방사선과에서 사용 가능한 CBCT 데이터베이스와 다른 CBCT 기계를 사용하는 온라인 데이터 세트에서 얻을 수 있습니다.

치과 진단 및/또는 치료 계획의 일부로 이미 CBCT 검사를 받은 이집트 환자의 CBCT 스캔은 제안된 자격 기준에 따라 포함됩니다.

나) 참가자:

샘플 크기 계산을 기반으로, CBCT 스캔에서 발견된 턱의 상부 및 하부 서로 다른 위치에 있는 50개의 치근단 방사선 투과성 병변 샘플. 포함할 스캔의 선택은 다음 자격 기준에 따라 결정됩니다.

포함 기준:

• 상악 및 하악의 CBCT 스캔은 양질의 무료 pf 주변 방사선 투과성 병변이 있습니다.
• 치근단 방사선 투과성 병변을 보여주는 양질의 상악골과 하악골의 CBCT 스캔.

제외 기준:

• 최적이 아닌 품질 또는 아티팩트의 CBCT 이미지/적절한 평가를 방해하는 높은 산란.

다) 변수:

• 치근단 병변이 있는 변수 CBCT 데이터에 대한 세부 정보는 DICOM 형식으로 익명화되었으며, 파일은 두 단계를 포함하는 딥 러닝 모델을 구현하기 위해 카이로 대학 수리공학과 교수진에게 전달됩니다.

D) 데이터 소스/측정:

• 익명화된 후향적 데이터의 CBCT 스캔은 환자의 적극적인 참여 없이 연구에 사용됩니다. 다른 CBCT 기계 스캔을 사용하고 미리 CBCT 뷰어 소프트웨어 프로그램인 Blue Sky Bio로 가져와 주변 방사선 투과성 병변을 감지합니다.

현지화 데이터 세트.

1. 앞니-송곳니(앞니) 상악 하악
2. 소구치 -어금니(후치) 상악 하악

치근단 병변이 있는 CBCT 데이터는 DICOM 형식으로 익명화되었으며, 파일은 두 단계를 포함하는 딥 러닝 모델을 구현하기 위해 카이로 대학 수리공학과 교수진에게 전달됩니다.

교육 및 검증 단계 테스트 단계 테스트 세트 분리. 주석의 첫 번째 단계가 완료된 후 주석이 달린 데이터 풀에서 테스트가 분리되었고 이후의 모든 개발 활동에서 제외되었습니다.

모델 개발 데이터 세트. 주석이 달린 나머지 데이터 풀(즉, 테스트 세트에 포함되지 않음)는 작업에 맞게 교육 및 검증 하위 집합으로 분할되었습니다.

딥 러닝 기반 방법의 성능은 많은 수의 레이블이 지정된 데이터 세트에 크게 의존하기 때문입니다. 기존 CNN 기반 방법(12, 16)은 먼저 사용 가능한 온라인 데이터 세트에서 모델을 사전 훈련합니다. 따라서 Abdolali 등이 제공한 온라인 데이터 세트를 연구(18)에서 사용된 데이터로 사용하고 수집된 샘플에서 네트워크를 미세 조정합니다.

교육에 사용되는 스캔의 정확한 수는 모델에서 과소적합 또는 과적합을 피하기 위해 변경될 수 있으므로 카이로 대학교 공학수학공학과 교수진이 정확하게 할당합니다.

E) 편견의 잠재적 원인 해결:

편견의 근원이 없습니다. 색인 텍스트는 이 색인 테스트를 수행하기 전에 2명의 숙련된 방사선 전문의가 설정한 실측 정보에서 제외되는 컴퓨터 프로그램에 의해 수행됩니다. 참조 표준의 평가자는 금본위제와 지수 테스트 결과가 모두 표로 만들어지고 최종적으로 평가자가 아닌 다른 사람이 비교할 수 있도록 통계학자에게 보내지기 때문에 지수 테스트의 결과에 영향을 받지 않습니다.

F) 연구 규모:

검정력 분석은 딥러닝 모델의 결과가 방사선과 의사의 의견만큼 정확하다는 귀무가설의 양측 통계 검정을 적용하기에 충분한 검정력을 갖도록 설계하였다. (95%) 신뢰 구간을 채택하고 이전 연구(20)(21)의 결과를 기반으로 DL 그룹의 특이성 값(88.0%)을 사용하고 지상 진실에 대해 100%: 샘플 크기를 기반으로 계산 특이도는 (50) 샘플이었습니다. 샘플 크기 계산은 Connor 방정식을 사용하여 수행되었습니다.

G) 샘플링 전략:

무작위 샘플링. H) 정량적 변수

I) 통계적 방법:

민감도, 특이도, 양성 예측값 및 음성 예측값은 Leonardi Dutra et al(19)의 진단 테스트 순위에 따라 계산되고 등급이 매겨집니다. 점수는 .80%입니다. 70%~80%가 양호, 60%~69%가 양호, 60%가 불량으로 우수한 결과로 간주됩니다. 치근단 방사선투과성이 없는 치아가 대조군으로 사용되었습니다.