PancariesNet
논문제목 : Automated Dental Caries Segmentation in Panoramic Radiographs Using Dual-Stage Deep Learning
1. Introduction
1.1 연구 배경 : 치아 우식증(충치)은 가장 흔한 만성 구강 질환 중 하나이다. 기존에는 전체적인 치아 상태를 보기 위해 파노라마 엑스레이를 많이 찍지만, 이는 해상도가 낮고 치아 구조물이 겹쳐 보여 초기 충치나 인접면 충치를 눈으로 찾아내기 매우 어렵다. 딥러닝을 이용한 충치 진단에서는 정확한 충치의 영역표시(Segmentation)를 위해서 픽셀 단위의 정교한 Mask Label이 필요하다. 하지만 현실적으로 확보 가능한 데이터는 polygon들이고, 정교한 마스크 데이터를 구축하는 데 비용이 많이 든다.
1.2 제안점
- 기존의 Polygon 데이터를 학습 가능한 Binary Mask로 자동 변환하는 파이프라인을 제안
- 치아 Detection 이후, 그 안에서 충치를 Segmentation하는 Dual-Stage 모델을 개발하여 정확도를 높였다.
2. Material & Methods
2.1 Dataset
학습 데이터 구축 단계에서 Polygon 좌표 형태로 제공된 Ground Truth를 Pixel-wise Supervised Learning이 가능한 Binary Mask로 변환하는 Rasterization Pipeline을 구축했다.
- Process: JSON 포맷의 좌표 데이터를 Binary Map (Background=0, Caries=1)으로 매핑.
- CLAHE: 전처리 단계에서 Local Contrast를 강화하기 위해 CLAHE (Contrast Limited Adaptive Histogram Equalization)를 적용, 치아 경계 및 병변부의 Feature 식별력을 강화함.
2.2 System Architecture
정확도를 높이기 위해 두 단계로 나뉜 Dual-Stage Framework를 사용함.
Stage 1: Tooth Localization
- Faster R-CNN ( backbone: Movilenet V3 )
- 파노라마 엑스레이 사진 전체에서 치아의 위치를 찾아내어, 개별 치아 이미지를 사각형으로 잘라낸다. 불필요한 잇몸이나 턱뼈 배경을 제거하는 효과.
Stage 2: Caries Segmentation
- EfficientNet-B0 인코딩 + U-Net
- Stage 1에서 잘라낸 개별 치아 이미지를 입력받아, 픽셀 단위로 충치 부위 영역을 정밀하게 표시한다.
2.3 Configuration&Evaluation
Loss Function:
- Class Imbalance 문제를 완화하고 Segmentation 정확도를 높이기 위해 Dice Loss와 Binary Cross Entropy (BCE) Loss를 결합한 Combined Loss를 목적 함수로 사용했다.
Evaluation Metrics:
- 모델의 정량적 성능 평가는 Segmentation Task의 표준 지표인 IoU (Intersection over Union), Dice Coefficient (F1-Score), Precision, Recall을 사용했다.
3. Results
3.1 Quantitative Analysis
3.2 Detection Performance (Stage 1)
- Tooth Localization: Stage 1의 Faster R-CNN (MobileNet V3 Backbone)은 93.4%의 높은 Detection Rate를 기록함.
- 이는 대부분의 치아를 정확하게 탐지하여 Stage 2로 넘겨주었음을 의미하며, 전체 파이프라인의 병목(Bottleneck) 없이 안정적인 동작을 보장함을 확인함.
3.3 Qualitative Analysis
Visual Inspection:
- 제안된 모델은 Proximal Surface 의 미세한 충치 병변을 정확하게 포착함.
- 전체 이미지를 입력으로 사용하는 단일 단계 접근법과 비교할 때, False Positive(정상 부위를 충치로 오인)가 현저히 감소하고, 병변의 경계선을 더 정교하게 따르는 결과를 보임.
4. Conclusion
- Summary: 파노라마 영상 기반 충치 진단을 위한 Dual-Stage (Faster R-CNN + EfficientNet-U-Net) 프레임워크 제안.
- Key Contributions:
- Polygon-to-Mask Pipeline: 주석 데이터를 픽셀 단위 학습 데이터로 자동 변환하여 Data Scarcity 문제 해결.
- Performance: ROI 기반 접근을 통해 고해상도 영상 처리 효율성과 미세 병변 탐지 정확도를 동시 확보.
- Future Work: 3D CBCT 데이터와의 Multi-modal 융합 및 다양한 촬영 장비에 대한 일반화 성능 연구 예정.
Proximal caries detection accuracy 비교
논문제목 : Proximal caries detection accuracy using intraoral bitewing radiography, extraoral bitewing radiography and panoramic radiography
1. Introduction
이 연구는 임상에서 주로 사용되는 세 가지 방사선 촬영 기법의 진단 정확도를 비교 분석하였다.
1.1 연구 배경: 구강내 교익 방사선(Intraoral Bitewing)은 인접면 충치 진단의 표준으로 여겨지나, 환자의 불편감과 감염 관리의 어려움이 있다. 이에 대한 대안으로 구강외 교익(Extraoral Bitewing) 및 파노라마(Panoramic) 촬영이 사용되고 있으나, 그 정확도에 대한 비교 연구가 필요했다.
1.2 목적: 구강내 교익(IBW), 구강외 교익(EBW), 파노라마(PAN) 세 가지 양식을 사용하여 인접면 충치 탐지의 Diagnostic Accuracy를 평가하고, 실제 조직학적 검사 결과와 비교했다.
2. Material & Methods
2.1 Dataset Preparation
- Sample: 발치된 인간의 소구치 및 대구치 80개를 사용하여 총 160개의 인접한 표면을 평가 대상으로 설정했다.
- Imaging Modalities:
- Ground Truth (Gold Standard): 촬영 후 치아를 물리적으로 절단하여 입체 현미경으로 충치 유무 및 진행 정도를 4단계 척도로 정밀 판독했다.
2.2 Evaluation Protocol
- Scoring: 각 영상에 대해 충치 존재 여부와 깊이를 5점 척도(0: 없음 ~ 4: 치수 침범)로 평가했다.
- Statistical Analysis:
- ROC Analysis: 진단 성능 비교를 위해 Area under the ROC curve 값을 산출했다.
- Agreement: 관찰자 간(Inter-observer), 관찰자 내(Intra-observer) 일치도를 평가하기 위해 Kappa 계수를 사용했다.
3. Results
Table 2&Table 3: 서로 다른 관찰자들이 동일한 영상을 보고 얼마나 일치하는 결론을 내렸는지를 가중 Kappa 계수(Weighted Kappa)로 보여준다.
Kappa 값이 1에 가까울수록 일치도가 높음을 의미함.(0.61~0.80은 강한 일치, 0.81~1.00은 매우 우수한 일치로 해석)
따라서 구내 교익(Intraoral Bitewing) 영상에서 관찰자 간 일치도가 가장 높게 나타났으며, 구외 교익 및 파노라마는 상대적으로 일치도가 낮았다.
(Az 값 = ROC 곡선 아래 면적, 1.0에 가까울수록 완벽한 진단 도구임을 뜻함)
모든 관찰자와 판독 회차에서 구내 교익(Intraoral Bitewing)의 Az 값이 가장 높았다.
진단의 세부적인 특성을 파악하기 위해 민감도(Se), 특이도(Sp), 위양성률(FPR) 분석
각 영상 방식 간의 성능 차이가 단순한 우연인지, 통계적으로 의미가 있는지를 z-검정을 통해 분석했다.
- p값이 0.05보다 작으면(p < 0.05) 두 방식 간에 통계적으로 유의미한 성능 차이가 있다고 판단
- 구내 교익 vs 파노라마: 대부분의 관찰자에서 구내 교익이 통계적으로 유의미하게 우수했다.
- 구외 교익 vs 파노라마: 두 방식 간에는 통계적으로 유의미한 차이가 발견되지 않았다.
4. Conclusion
인접면 충치를 가장 정확하게 찾아내기 위해서는 여전히 구내 교익 방사선 사진(Intraoral bitewing)이 가장 신뢰할 만한 도구이다.