[논문 리뷰] Detection of Tooth caries in Bitewing Radiographs using Deep Learning

Muktabh Mayank Srivastava, Pratyush Kumar외 2명|arXiv (Cornell University)|2017. 11. 20.

Dental Radiography and Imaging참고 문헌 3인용 수 61

한 줄 요약

이 논문은 딥 FCNN 기반 CAD 시스템을 사용하여 Bitewing 방사선에서 충치를 자동으로 탐지하고, 테스트 세트에서 세 명의 현직 치과의사보다 재현율과 F1-score가 높다.

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.

연구 동기 및 목표

• 임상적으로 확인된 충치 주석이 달린 대규모 bitewing 방사선 데이터셋을 개발한다.
• 특수 전처리 없이 방사선 사진에서 직접 충치를 로컬라이즈하기 위한 엔드-투-엔드 딥 러닝 시스템을 구축한다.
• 그라운드 트루스 주석을 사용하여 시스템을 현직 치과의사와 비교 평가한다.
• 치과의사에 비해 더 높은 민감도와 진실과의 합의도에서 경쟁력을 보인다.

제안 방법

• 100개 이상 레이어의 Fully Convolutional Neural Network (FCNN)을 훈련되어 bitewing 방사선에서 밀집 픽셀 단위의 충치 분류를 수행한다.
• 주석은 충치를 둘러싼 느슨한 다각형이며; 학습은 밀집 픽셀 단위 라벨링(0/1)로 처리한다.
• FCNN 출력에 대해 단단한 경계 상자를 만들어 최종 충치 탐지를 형성한다.
• Ground-truth 다각형과의 IoU/Jaccard를 사용하여 평가하며, 성공적인 충치 탐색은 IoU > 0.8을 요구한다.
• 훈련 데이터의 5%를 검증 세트로 사용; 광범위한 하이퍼파라미터 탐색은 수행되지 않았다.

실험 결과

연구 질문

• RQ1 밀집 FCNN 모델이 주석된 bitewing 방사선에서 현직 치과의사보다 충치 탐지 민감도를 높게 달성할 수 있는가?
• RQ2 자동 CAD 출력이 held-out 테스트 세트에서 그라운드 트루스와의 합의도(F1)가 임상의보다 더 나은가?
• RQ3 느슨한 폴리곤 주석을 고려할 때 밀집 픽셀 방식이 충치를 표시하는 데 효과적인가?
• RQ4 제안된 시스템의 재현율과 정확도 간의 트레이드오프는 임상의와 어떤 차이가 있는가?

주요 결과

방법	재현율	정밀도	F1-스코어
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

• 시스템은 테스트 세트에서 세 치과의사보다 더 높은 재현율(민감도)을 보인다(시스템 재현율 80.5% 대 Dr.1 47.7%, Dr.2 43%, Dr.3 34.4%).
• 시스템은 치과의사들에 비해 더 높거나 경쟁력 있는 정밀도(61.5%)를 보인다(Dr.1 63%, Dr.2 81.5%, Dr.3 89.1%).
• 시스템은 F1-스코어 70으로 세 치과의사(Dr.1 54, Dr.2 56, Dr.3 50)보다 우수하다.