[論文レビュー] Detection of Tooth caries in Bitewing Radiographs using Deep Learning

Muktabh Mayank Srivastava, Pratyush Kumar+2 more|arXiv (Cornell University)|Nov 20, 2017

Dental Radiography and Imaging参考文献 3被引用数 61

ひとこと要約

本論文は、咬翼放射像における歯のう蝕を自動検出する深層FCNNベースのCADシステムを提示し、テストセットで3名の臨床歯科医師より再現率とF1スコアが高いことを達成している。

ABSTRACT

We develop a Computer Aided Diagnosis (CAD) system, which enhances the performance of dentists in detecting wide range of dental caries. The CAD System achieves this by acting as a second opinion for the dentists with way higher sensitivity on the task of detecting cavities than the dentists themselves. We develop annotated dataset of more than 3000 bitewing radiographs and utilize it for developing a system for automated diagnosis of dental caries. Our system consists of a deep fully convolutional neural network (FCNN) consisting 100+ layers, which is trained to mark caries on bitewing radiographs. We have compared the performance of our proposed system with three certified dentists for marking dental caries. We exceed the average performance of the dentists in both recall (sensitivity) and F1-Score (agreement with truth) by a very large margin. Working example of our system is shown in Figure 1.

研究の動機と目的

• 臨床的に検証されたう蝕アノテーションを含む大規模な咬翼放射像データセットを作成する。
• 専門的な前処理を用いず、放射線画像から直接う蝕を局所化するエンドツーエンドの深層学習システムを構築する。
• 地上真実のアノテーションを用いて、臨床歯科医師と比較評価する。
• 歯科医と比較して感度が高く、真実との一致度が高いことを示す。

提案手法

• 100層を超える Fully Convolutional Neural Network (FCNN) を訓練し、咬翼放射像上で密なピクセル単位のう蝕分類を行う。
• アノテーションはう蝕周囲の緩いポリゴンであり、訓練ではタスクを密なピクセル単位のラベリング(0/1)として扱う。
• FCNN出力の周りに厳密なバウンディングボックスを作成して最終的なう蝕検出とする。
• Ground-truthポリゴンとIoU/ジャカードを用いて評価し、検査でIoU > 0.8を要件とする。
• 訓練データの5%を検証セットとして使用し、ハイパーパラメータの大規模探索は行わなかった。

実験結果

リサーチクエスチョン

• RQ1 注釈付き咬翼放射像で訓練した密なFCNNモデルは、臨床歯科医より歯のう蝕検出感度を高められるか？
• RQ2 自動CAD出力は、保持されたテストセットで臨床医より地上 truthとの一致度（F1）を高められるか？
• RQ3 緩いポリゴンアノテーションを考慮した場合、密なピクセル単位アプローチはう蝕のマークに有効か？
• RQ4 提案システムと臨床医を比較した場合、再現率と適合率のトレードオフはどうなるか？

主な発見

手法	再現率	適合率	F1-スコア
System	80.5	61.5	70
Dr.1	47.7	63	54
Dr.2	43	81.5	56
Dr.3	34.4	89.1	50

• 本システムはテストセットで3名の歯科医師より再現率（感度）が高い。システム再現率 80.5% vs. Dr.1 47.7%、Dr.2 43%、Dr.3 34.4%。
• 本システムは臨床医と比較して適合率が競合的または高水準（61.5% 対 Dr.1 63%、Dr.2 81.5%、Dr.3 89.1%）。
• F1スコアは70で、3名の歯科医師を上回る（Dr.1 54、Dr.2 56、Dr.3 50）。