論文の概要: AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns

• arxiv url: http://arxiv.org/abs/2506.20522v1
• Date: Wed, 25 Jun 2025 15:08:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.807528
• Title: AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns
• Title（参考訳）: 歯槽骨欠損度とパターン検出におけるAI支援ラジオグラフィー解析
• Authors: Chathura Wimalasiri, Piumal Rathnayake, Shamod Wijerathne, Sumudu Rasnayaka, Dhanushka Leuke Bandara, Roshan Ragel, Vajira Thambawita, Isuru Nawinne,
• Abstract要約: 本稿では,歯槽骨の喪失を自動的に検出し定量化する,AIに基づく新しいディープラーニングフレームワークを提案する。 本手法は,歯の発見にYOLOv8とKeypoint R-CNNモデルを組み合わせて解剖学的ランドマークを同定する。 YOLOv8x-segモデルでは骨のレベルと歯のマスクを分類し、骨の喪失パターンを決定する。
• 参考スコア（独自算出の注目度）: 0.3767121007961969
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Periodontitis, a chronic inflammatory disease causing alveolar bone loss, significantly affects oral health and quality of life. Accurate assessment of bone loss severity and pattern is critical for diagnosis and treatment planning. In this study, we propose a novel AI-based deep learning framework to automatically detect and quantify alveolar bone loss and its patterns using intraoral periapical (IOPA) radiographs. Our method combines YOLOv8 for tooth detection with Keypoint R-CNN models to identify anatomical landmarks, enabling precise calculation of bone loss severity. Additionally, YOLOv8x-seg models segment bone levels and tooth masks to determine bone loss patterns (horizontal vs. angular) via geometric analysis. Evaluated on a large, expertly annotated dataset of 1000 radiographs, our approach achieved high accuracy in detecting bone loss severity (intra-class correlation coefficient up to 0.80) and bone loss pattern classification (accuracy 87%). This automated system offers a rapid, objective, and reproducible tool for periodontal assessment, reducing reliance on subjective manual evaluation. By integrating AI into dental radiographic analysis, our framework has the potential to improve early diagnosis and personalized treatment planning for periodontitis, ultimately enhancing patient care and clinical outcomes.
• Abstract（参考訳）: 歯槽骨の喪失を引き起こす慢性炎症性疾患である歯周炎は、口腔の健康と生活の質に大きな影響を及ぼす。 骨喪失の重症度とパターンの正確な評価は、診断と治療計画に不可欠である。 本研究では,歯槽骨の喪失とそのパターンを自動的に検出し,定量化する,新しいAIベースの深層学習フレームワークを提案する。 本手法は, 歯肉検出用YOLOv8とキーポイントR-CNNモデルを組み合わせて解剖学的特徴を同定し, 骨の喪失重症度を正確に算出する。 さらに、YOLOv8x-segモデルでは、骨レベルと歯面を分割し、幾何学的解析により骨損失パターン(水平対角)を決定する。 提案手法は,1000個のX線写真から得られた大量の注釈付きデータセットに基づいて,骨損失の重症度(クラス間相関係数0.80)と骨損失パターンの分類(精度87%)を高精度に検出した。 この自動システムは,手動による評価への依存を軽減し,迅速かつ客観的かつ再現可能な歯周評価ツールを提供する。 歯科放射線分析にAIを組み込むことにより,歯周炎早期診断とパーソナライズされた治療計画の改善が可能となり,最終的には患者のケアと臨床結果が向上する。

関連論文リスト

• Integrating Radiomics with Deep Learning Enhances Multiple Sclerosis Lesion Delineation [0.02335197906428421]
  放射線学的特徴(集中率とR'enyiエントロピー)により,MS病変のタイプを同定し,生画像データと融合させることが提案された。 この研究は、ResNeXt-UNetアーキテクチャと注目増強されたU-Netアーキテクチャによる画像データと放射能の特徴を統合した。
  論文  参考訳（メタデータ） (2025-06-17T13:50:42Z)
• Unsupervised Machine Learning for Osteoporosis Diagnosis Using Singh Index Clustering on Hip Radiographs [0.0]
  Singh Index (SI) は単純で半定量的な骨粗しょう症の診断方法である。 本研究は, 機械学習アルゴリズムを用いて, ラジオグラフからのSI識別を自動化することを目的とする。
  論文  参考訳（メタデータ） (2024-11-22T08:44:43Z)
• A Deep Learning Model for Coronary Artery Segmentation and Quantitative Stenosis Detection in Angiographic Images [2.6879908098704544]
  血管造影画像における冠状動脈の自動分画のための新しい深層学習法を提案する。 このモデルは、MedSAMとVM-UNetアーキテクチャを組み合わせて高性能な結果を得る。 狭窄検出アルゴリズムは真正率(TPR)が0.5867、正の予測値(PPV)が0.5911に達した。
  論文  参考訳（メタデータ） (2024-06-01T16:45:33Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis [8.193689534916988]
  膝関節症 (KOA) は筋骨格障害の1つで、運動量や生活の質に深刻な影響を及ぼす。 我々は,KL-0およびKL-2ステージの識別に焦点をあてた,早期のKOA検出のための信頼性駆動型ディープラーニングフレームワークを提案する。 実験により,提案フレームワークは専門家の放射線学者に匹敵する,競争精度,感度,特異性を達成できることが示された。
  論文  参考訳（メタデータ） (2023-03-23T11:57:50Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• An End-to-end Entangled Segmentation and Classification Convolutional Neural Network for Periodontitis Stage Grading from Periapical Radiographic Images [0.013002050979054347]
  根尖部X線から歯周炎を診断するためのエンド・ツー・エンド深層学習ネットワークHYNETSを開発した。 HyNETSはセグメンテーションネットワークと分類ネットワークを組み合わせて、エンドツーエンドの解釈可能なソリューションを提供する。
  論文  参考訳（メタデータ） (2021-09-27T15:28:54Z)
• A Deep Learning-Based Approach to Extracting Periosteal and Endosteal Contours of Proximal Femur in Quantitative CT Images [25.76523855274612]
  セグメンテーションタスクのために,3次元の終端(3D)完全畳み込みニューラルネットワークを開発した。 同一のネットワーク構造を持つ2つのモデルが訓練され、それぞれ腹腔内輪郭と内皮輪郭に対して97.87%と96.49%のサイコロ類似係数(DSC)を達成した。 大腿骨頚部骨折のリスク予測や有限要素解析などの臨床応用の可能性を示した。
  論文  参考訳（メタデータ） (2021-02-03T10:23:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。