기계 학습 어플리케이션을 활용한 파노라마 영상에서의 정중 과잉치 식별

승재국; 김재곤; 양연미; 임형빈; 레반낫탕; 이대우

SITE LINK

기계 학습 어플리케이션을 활용한 파노라마 영상에서의 정중 과잉치 식별
Identification of Mesiodens Using Machine Learning Application in Panoramic Images

대한소아치과학회지 2021년 48권 2호 p.221 ~ 228

승재국, 김재곤, 양연미, 임형빈, 레반낫탕, 이대우,

소속 상세정보

승재국 ( Seung Jae-Gook ) - Jeonbuk National University School of Dentistry Department of Pediatric Dentistry
김재곤 ( Kim Jae-Gon ) - Jeonbuk National University School of Dentistry Department of Pediatric Dentistry
양연미 ( Yang Yeon-Mi ) - Jeonbuk National University School of Dentistry Department of Pediatric Dentistry
임형빈 ( Lim Hyung-Bin ) - Jeonbuk National University School of Dentistry Department of Pediatric Dentistry
레반낫탕 ( Le Van Nhat Thang ) - Jeonbuk National University School of Dentistry Department of Pediatric Dentistry
이대우 ( Lee Dae-Woo ) - Jeonbuk National University School of Dentistry Department of Pediatric Dentistry

KMID : 0358920210480020221 DOI : 10.5933/JKAPD.2021.48.2.221

Abstract

이번 연구는 손쉽게 접근 가능한 웹사이트 기반 기계 학습 어플리케이션을 활용하여 파노라마 방사선 영상에서 과잉치 식별 모델을학습시키고, 학습된 모델의 과잉치를 식별하는 성능을 평가하고자 하였으며, 인간 집단과의 성능을 비교하기 위한 연구를 진행하였다.
총 1604장의 5 - 7세 환자의 파노라마 이미지가 이번 연구에서 사용되었다. 연구에 사용된 모델은 Google에서 개발한 기계학습 모델인 Teachable Machine을 사용하였다. 과잉치 식별 모델을 훈련시키고 성능을 평가하기 위해 data set 1을 설정하였다. Data set 2는학습모델과 인간 집단 간의 정확도 비교를 위해 설정하였다. 학습모델 및 인간 집단의 과잉치 식별 능력을 평가하기 위해 정확도(accuracy), 민감도(sensitivity), 특이도(specificity) 값을 사용하였다.
Data set 1의 검증 결과, 평균 0.82의 분류 정확도를 얻었다. Data set 2의 테스트 결과, 모델의 정확도는 0.78이었다. 전공의군과 학생군의 평균 정확도는 각각 0.82, 0.69였다.
이번 연구는 유치열기 및 초기 혼합치열기 어린이의 파노라마 방사선 영상과 웹 기반 기계 학습 어플리케이션 이용하여 과잉치 식별 모델을 개발하였고 학습된 모델과 인간 의사 집단(전공의 및 학생) 간의 과잉치 식별 정도를 비교 연구하였다. 훈련모델의 분류 정확도는 전공의군과 비교 시 낮았지만 훈련받지 않은 치과 대학 학생군보다 분류 정확도가 높아 비전문가 학생 또는 일반의사에게 과잉치 진단 정확도를 높이는 데 활용될 가능성이 있음을 확인하였다.

The aim of this study was to evaluate the use of easily accessible machine learning application to identify mesiodens, and to compare the ability to identify mesiodens between trained model and human.
A total of 1604 panoramic images (805 images with mesiodens, 799 images without mesiodens) of patients aged 5 ? 7 years were used for this study. The model used for machine learning was Google’s teachable machine. Data set 1 was used to train model and to verify the model. Data set 2 was used to compare the ability between the learning model and human group.
As a result of data set 1, the average accuracy of the model was 0.82. After testing data set 2, the accuracy of the model was 0.78. From the resident group and the student group, the accuracy was 0.82, 0.69.
This study developed a model for identifying mesiodens using panoramic radiographs of children in primary and early mixed dentition. The classification accuracy of the model was lower than that of the resident group. However, the classification accuracy (0.78) was higher than that of dental students (0.69), so it could be used to assist the diagnosis of mesiodens for non-expert students or general dentists.