深層学習に基づく根尖周囲放射線画像の品質評価
カテゴリ：診断支援・画像解析
公開日：2026年1月13日
タイトル：Deep learning-based assessment of periapical radiographic image quality
雑誌名：Sci Rep. 2026 Jan 12; doi: 10.1038/s41598-026-35100-9. Epub 2026 Jan 12.
概 要：
本研究では、根尖周囲放射線画像（PAs）の品質評価を自動化するための深層学習システムを開発しました。従来の手動評価は主観的で労力を要し、診断の不確実性や不必要な放射線被ばくを引き起こす可能性があります。3594枚のPAsを用いたレトロスペクティブデータセットを基に、専門家が10種類の歯の位置クラスと6つの品質欠陥をラベル付けしました。ResNet50モデルを用いて、歯の位置分類と品質欠陥の検出を行い、モデルの性能をAUCや精度などの指標で評価しました。結果、歯の位置のAUCは0.997、品質欠陥に対しても高い精度を示しました。このAIツールは、臨床現場での診断精度向上や患者の放射線被ばくの軽減に寄与する可能性があります。
方 法：
本研究は、3594枚の根尖周囲放射線画像を対象としたレトロスペクティブ研究です。専門家が画像に対して10の歯の位置クラスと6つの品質欠陥をラベル付けし、7つの独立したResNet50モデルを訓練しました。モデルの性能は、AUC、精度、再現率、F1スコアなどの標準的な指標を用いて評価されました。
結 果：
モデルは、歯の位置のAUCが0.997、品質欠陥に対しては、垂直角度0.996、水平角度1.000、冠のカバレッジ1.000、根尖のカバレッジ0.994、コーンカット0.999、傷0.924を達成しました。これにより、ResNet50アルゴリズムがPAsの画像品質問題を自動的に検出するための効果的かつ高精度なアプローチであることが示されました。
結 論：
この深層学習システムは、根尖周囲放射線画像の品質評価において高い精度を持ち、臨床現場での診断精度向上や患者の放射線被ばくの軽減に寄与する可能性があります。臨床導入前に独立した多施設データセットでの検証が必要です。