[論文レビュー] Atherosclerotic carotid plaques on panoramic imaging: an automatic detection using deep learning with small dataset

Lazar Kats, Marilena Vered+2 more|arXiv (Cornell University)|Aug 24, 2018

Cerebrovascular and Carotid Artery Diseases参考文献 19被引用数 6

ひとこと要約

本研究では、65枚の画像からなる小規模なデータセットを用いて、Faster R-CNNディープラーニングモデルを用いて、日常的な歯科パノラマレントゲン写真における動脈硬化性頸動脈プラーク（ACPs）の自動検出手法を提案する。限られたトレーニングデータにもかかわらず、感度75%、特異度80%、正答率83%を達成し、歯科診療における早期脳卒中予防の可能性を示している。

ABSTRACT

Stroke is the second most frequent cause of death worldwide with a considerable economic burden on the health systems. In about 15% of strokes, atherosclerotic carotid plaques (ACPs) constitute the main etiological factor. Early detection of ACPs may have a key-role for preventing strokes by managing the patient a-priory to the occurrence of the damage. ACPs can be detected on panoramic images. As these are one of the most common images performed for routine dental practice, they can be used as a source of available data for computerized methods of automatic detection in order to significantly increase timely diagnosis of ACPs. Recently, there has been a definite breakthrough in the field of analysis of medical images due to the use of deep learning based on neural networks. These methods, however have been barely used in dentistry. In this study we used the Faster Region-based Convolutional Network (Faster R-CNN) for deep learning. We aimed to assess the operation of the algorithm on a small database of 65 panoramic images. Due to a small amount of available training data, we had to use data augmentation by changing the brightness and randomly flipping and rotating cropped regions of interest in multiple angles. Receiver Operating Characteristic (ROC) analysis was performed to calculate the accuracy of detection. ACP was detected with a sensitivity of 75%, specificity of 80% and an accuracy of 83%. The ROC analysis showed a significant Area Under Curve (AUC) difference from 0.5. Our novelty lies in that we have showed the efficiency of the Faster R-CNN algorithm in detecting ACPs on routine panoramic images based on a small database. There is a need to further improve the application of the algorithm to the level of introducing this methodology in routine dental practice in order to enable us to prevent stroke events.

研究の動機と目的

• パノラマ歯科レントゲン写真における動脈硬化性頸動脈プラーク（ACPs）の自動検出手法の開発を目的とする。
• 歯科分野におけるアノテート済み医療画像の限られた可用性を鑑み、小規模なパノラマ画像データセットにおけるディープラーニングのパフォーマンスを評価することを目的とする。
• 日常的に行われる歯科パノラマ画像を再利用し、脳卒中リスクの早期検出の可能性を検討することを目的とする。
• AIを用いたACP検出を日常的歯科診療に統合し、予防医療に応用する可能性を評価することを目的とする。

提案手法

• パノラマ歯科X線写真におけるオブジェクト検出に、高速領域ベース畳み込みニューラルネットワーク（Faster R-CNN）を採用した。
• トレーニングデータの多様性を高めるために、明るさ調整、ランダムな反転、回転を用いたデータ拡張技術を適用した。
• 手動でアノテートされたACPを含む65枚のパノラマ画像からなる小規模なデータセットを、モデルのトレーニングおよび検証に使用した。
• 検出性能を評価するために受信者リポーチ曲線（ROC）分析を実施し、曲線下面積（AUC）を算出した。
• 事前学習済み特徴を歯科画像分野に適応させるために、トランスファー学習の原則に従い、モデルをエンドツーエンドでトレーニングした。
• 学習率スケジュールを用いた確率的勾配降下法により、限られたデータ上で収束を改善する最適化を実施した。

実験結果

リサーチクエスチョン

• RQ1 小規模なトレーニングデータセットであっても、ディープラーニングモデルはパノラマ歯科X線写真における動脈硬化性頸動脈プラークの検出を高い正確性で行えるか？
• RQ2 データ拡張技術は、歯科分野の限られた医療画像データに対して、Faster R-CNNモデルの一般化性能を向上させるのにどの程度有効か？
• RQ3 提案手法は、パノラマX線写真におけるACPの同定において、感度と特異度がそれぞれどの程度か？
• RQ4 日常的に行われる歯科パノラマ画像は、脳卒中関連血管病変の早期検出のための実用的かつ有効な出処となるか？
• RQ5 モデルのパフォーマンスは、予防的脳卒中スクリーニングにおける臨床的有用性にどの程度近づいているか？

主な発見

• 提案されたFaster R-CNNモデルは、パノラマ歯科X線写真における動脈硬化性頸動脈プラークの検出において、感度75%を達成した。
• モデルは特異度80%を示し、プラークのない症例を正しく同定する強力な能力を示した。
• テストデータセット全体の65枚のパノラマ画像において、検出システムの全体的な正答率は83%に達した。
• ROC曲線下面積（AUC）は0.5とは統計的に有意に異なる結果を示し、モデルの識別能が確認された。
• データ拡張技術は、小規模なデータセット上でのモデルのロバストネスと一般化性能を顕著に向上させた。
• 本研究は、限られた歯科画像データを用いたディープラーニングの有効性を確認し、脳卒中関連血管病変の早期検出が可能であることを示した。