[論文レビュー] DENTEX Challenge 2023 Proceedings: Participant Short Papers

İbrahim Ethem Hamamcı, Sezgin Er+1 more|arXiv (Cornell University)|May 30, 2023

Dental Radiography and Imaging被引用数 10

ひとこと要約

要約: 本論文はDENTEX MICCAI 2023 チャレンジを panoramic X 線写真における異常歯検出のために説明し、階層的データ注釈（象限、列挙、診断）、評価指標、ベースライン、参加ワークフローを含む。

ABSTRACT

Panoramic X-rays are frequently used in dentistry for treatment planning, but their interpretation can be both time-consuming and prone to error. Artificial intelligence (AI) has the potential to aid in the analysis of these X-rays, thereby improving the accuracy of dental diagnoses and treatment plans. Nevertheless, designing automated algorithms for this purpose poses significant challenges, mainly due to the scarcity of annotated data and variations in anatomical structure. To address these issues, we organized the Dental Enumeration and Diagnosis on Panoramic X-rays Challenge (DENTEX) in association with the International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI) in 2023. This challenge aims to promote the development of algorithms for multi-label detection of abnormal teeth, using three types of hierarchically annotated data: partially annotated quadrant data, partially annotated quadrant-enumeration data, and fully annotated quadrant-enumeration-diagnosis data, inclusive of four different diagnoses. In this paper, we present a comprehensive analysis of the methods and results from the challenge. Our findings reveal that top performers succeeded through diverse, specialized strategies, from segmentation-guided pipelines to highly-engineered single-stage detectors, using advanced Transformer and diffusion models. These strategies significantly outperformed traditional approaches, particularly for the challenging tasks of tooth enumeration and subtle disease classification. By dissecting the architectural choices that drove success, this paper provides key insights for future development of AI-powered tools that can offer more precise and efficient diagnosis and treatment planning in dentistry. The evaluation code and datasets can be accessed at https://github.com/ibrahimethemhamamci/DENTEX

研究の動機と目的

• panoramic X 線写真を用いた階層的注釈を用いた多ラベル異常歯検出のAI手法の発展を促進する。
• 学習と評価のために公開可能な注釈付きデータセット（象限、列挙、診断）を提供する。
• 参加チームを比較するための堅牢な評価・ランキング手法を確立する。
• 異常歯検出における象限・列挙・診断ラベル間の性能変動を調査する。
• 再現性のある研究を促進するために評価コードとデータアクセスを公開する。

提案手法

• panoramic X 線写真から導出された3つの階層注釈データサブセット（象限のみ、象限-列挙、象限-列挙-診断）を導入する。
• 追加の未ラベルX線データセットを潜在的な事前学習用として提供する。
• 評価指標（AP50, AP75, AP, AR）と Wilcoxon Signed Rank Test に基づくブートストラップ増補ランキング手法を説明する。
• 部分注釈付きの階層的多ラベル検出のためのベースライン手法（HierarchicalDet）を、拡散モデルフレームワークに基づく。
• FDIベースのラベリングを用いたデータ収集、注釈プロトコル、倫理的配慮を説明する。
• 最終テストのための参加タイムラインとコンテナ化提出形式を概説する。

実験結果

リサーチクエスチョン

• RQ1 階層的ラベル（象限、列挙、診断）を活用した場合、AIは panoramic X 線写真の異常歯をどれだけうまく検出できるか？
• RQ2 部分注釈付きデータと完全注釈データを使用する場合の検出性能の影響は？
• RQ3 象限、列挙、診断ラベルは異常歯検出性能にどう影響するか？
• RQ4 部分注釈を伴う拡散ベースの階層的多ラベル検出は、歯科放射線学の利用可能なデータセットを効果的に活用できるか？
• RQ5 現在の手法は完全に注釈されたDENTEXデータセットでどの程度のベースライン性能を達成しているか？

主な発見

• 本論文は完全に注釈されたデータセット上で参加者のアルゴリズムを評価し、象限・列挙・診断ラベル間の性能変動を評価する。
• 公開可能なデータセットと評価コードがプロジェクトリポジトリ（GitHub）で提供されている。
• 部分注釈付きの多ラベル検出のための拡散ベースの階層的ベースライン手法（HierarchicalDet）を導入している。
• チャレンジは三つのラベルタイプ（象限、列挙、診断）に対して AP50, AP75, AP, AR から派生した12指標評価フレームワークを使用する。
• 最終トップ3チームは MICCAI 2023 に招待され、テストデータに基づく手法と結果を発表する。