딥러닝을 이용한 어린 영구치의 미생물 치아 플라그 분석

치태는 박테리아에서 유래한 중합체와 치아 표면에서 발생하는 타액의 함량으로 구성된 매트릭스에 내장된 미생물 군집으로 정의됩니다. 미생물 치석은 양치 후 몇 초 안에 치아 표면에 흡착되어 기능적으로 지속됩니다. 이들 분자는 주로 타액과 함께 치은연하 고랑의 체액에 존재하며 이 부위에 정착합니다. 치은염과 치주염의 일차적인 원인은 세균성 플라크이며, 이는 치은 조직의 파괴와 치주 부착을 초래할 수 있습니다. 소아의 경우 치아 맹출 직후 구강 위생이 확립되지 않고 규칙적인 칫솔질 습관이 주입되지 않으면 세균성 바이오필름층이 구강 환경과 관련된 치아 표면과 치은 가장자리에 정착하여 치은 염증을 일으킬 수 있습니다.

소아의 초기 단계에서 치주질환을 조기 발견하고 치료하는 것은 임상적으로 중요합니다. 왜냐하면 이러한 상태가 후기 기간에 악화되어 부정적인 결과를 초래할 수 있기 때문입니다. 세균성 플라크는 어린이 치은 질환의 주요 원인 인자입니다. 환자가 미생물 치태를 식별하고 구별하는 것은 어려울 수 있습니다. 치주 탐침 및/또는 치태 ​​공개 용액을 사용하는 일상적인 임상 실습을 통해 플라크를 검출할 수 있습니다. 이러한 방법은 널리 사용되지만 주관적인 결과를 얻을 수 있습니다. 그러나 이러한 평가 방법은 비협조적인 아동에게는 번거롭고 시간이 많이 걸리며 성공하지 못할 수 있습니다. 또한, 미생물 치과 플라크 검출에 사용되는 플라크 공개 솔루션은 일시적으로 구강 점막과 입술을 얼룩지게 할 수 있습니다. 문헌에는 레이저 유도 자가형광 분광법 및 미생물 치태 검출을 위한 HIS 색 공간과 같은 디지털 영상 분석도 포함되어 있습니다. 그러나 높은 장비 비용과 기술 표준화 등의 단점으로 인해 사용이 제한됩니다.

이러한 이유로 본 연구에서는 어린이의 미생물 치태를 조기에 정확하게 진단할 수 있는 저렴하고 쉽게 접근할 수 있는 인공 지능(AI) 모델을 개발하는 것을 목표로 합니다. 본 AI 모델의 진단 및 검출 성능을 평가하여 다양한 치주 문제를 예방하고 구강 위생에 대한 동기를 부여하는 것이 목표입니다.

영상 처리를 위한 인공 지능의 발전으로 치과용 카메라로 촬영한 영상에서 치석을 검출, 분할, 정량화하는 연구가 크게 증가했습니다. 한 연구에서는 Enhanced K-Means 기계 학습 알고리즘을 사용하여 치석을 감지하려고 시도했습니다. 또한, Mask R-CNN 기반 치과 건강 IoT(사물 인터넷) 플랫폼을 개발하여 치석을 포함한 7가지 구강 질환을 세분화는 아니지만 치태 인식에 대한 완벽한 정확도로 분류했습니다.

U-Net 모델은 생체 의학 영상 처리 영역에서 성공적이고 주류인 것으로 널리 알려져 있지만, U-Net과 그 변형을 사용한 치태 분석에 관한 문헌 연구는 없습니다. 또한 어린이의 어린 영구치에 있는 치석 분석에 관한 연구는 없습니다. 이에 본 연구에서는 어린이의 어린 영구치아의 치태 예측을 목적으로 U-Net 모델을 변형한 6가지 최첨단 인공지능 모델을 훈련시키려고 노력한다. 그 후, 이들의 성과를 꼼꼼하게 요약하여 종합적인 분석을 위해 제시합니다. 마지막으로, 최고 성능 모델의 임상적 타당성을 검증하기 위해 AI 모델의 예측과 세 명의 치과 의사의 평가를 비교하는 통계적 가설 테스트가 수행됩니다.