顎関節パノラマX線写真における亜脱臼診断のための注意機構に基づく転移学習モデル
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：An attention-based transfer learning model for diagnosing subluxation in temporomandibular joint panoramic radiographs.
雑誌名：Sci Rep. 2025 Dec 18; 16(1): 1282.
概 要：
本研究では、顎関節パノラマX線写真における亜脱臼の検出精度を向上させるために、転移学習に基づくアプローチを提案します。3,425枚の注釈付きTMJ-PR画像からなるデータセットを公開し、再現性とさらなる研究を促進します。MobileNet、ResNet50V2、InceptionV3などの複数の転移学習モデルを5分割交差検証法で評価しました。DenseNet201モデルに自己注意機構を統合することで、精度90.7%、適合率90.7%、再現率90.7%、特異度89.4%、F1スコア90.7%を達成しました。このモデルは、基準モデルに対してF1スコアの相対的改善を示し、臨床意思決定支援システムへの統合の可能性を示唆しています。
方 法：
本研究は、3,425枚の注釈付き顎関節パノラマX線写真を用いた転移学習に基づくアプローチを採用しています。複数の転移学習モデル（MobileNet、ResNet50V2、InceptionV3、Xception、EfficientNetV2B0、InceptionResNetV2、DenseNet201）を5分割交差検証法で訓練・評価しました。主要評価指標は、精度、適合率、再現率、特異度、F1スコアです。
結 果：
提案した注意機構を組み込んだDenseNet201モデルは、精度90.7%、適合率90.7%、再現率90.7%、特異度89.4%、F1スコア90.7%を達成しました。基準モデルに対してF1スコアの相対的改善は、DenseNet201に対して+2.40%、EfficientNetV2B0に対して+14.26%でした。
結 論：
提案したモデルは、亜脱臼の検出性能を向上させるだけでなく、低コストのTMJ-PR画像を用いた早期診断と治療計画のための臨床意思決定支援システムへの統合の基盤を提供する可能性があります。公開されたデータセットは、今後の医療AI研究における透明性と再現性を支援します。