文献

J-GLOBAL ID：202102215080346220   整理番号：21A1285681

高速領域ベース畳込みニューラルネットワークを用いた歯科矯正患者における歯肉炎の早期徴候の検出のための深層学習ベースアプローチ【JST・京大機械翻訳】

A Deep Learning-Based Approach for the Detection of Early Signs of Gingivitis in Orthodontic Patients Using Faster Region-Based Convolutional Neural Networks

著者 (10件)： Alalharith Dima M. (Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Alharthi Hajar M. (Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Alghamdi Wejdan M. (Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Alsenbel Yasmine M. (Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Aslam Nida (Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Khan Irfan Ullah (Department of Computer Science, College of Computer Science and Information Technology, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Shahin Suliman Y. (Division of Orthodontics, Department of Preventive Dental Science, College of Dentistry, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Dianiskova Simona (Department of Orthodontics, The Slovak Medical University, 833 03 Bratislava, Slovakia) ,  Alhareky Muhanad S. (Division of Pediatric Dentistry, Department of Preventive Dental Science, College of Dentistry, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia) ,  Barouch Kasumi K. (Division of Periodontology, Department of Preventive Dental Science, College of Dentistry, Imam Abdulrahman Bin Faisal University, Dammam 31441, Saudi Arabia)
資料名： International Journal of Environmental Research and Public Health (Web)  (International Journal of Environmental Research and Public Health (Web))
巻： 17  号： 22  ページ： 8447  発行年： 2020年 
JST資料番号： U7208A  ISSN： 1660-4601  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： コンピュータに基づく技術は,歯周炎のような各種の疾患を診断および検出する多くの方法を示すため,歯科分野で中心的な役割をする。本研究では,口腔内画像を用いた歯科矯正患者における歯周病の自動検出のための最先端の物体検出と認識技術と深層学習アルゴリズムを開発し,評価することを目指した。本研究では,合計134の口腔内画像を訓練データセット(n=107[80%])と試験データセット(n=27[20%])に分けた。ResNet-50畳込みニューラルネットワーク(CNN)を用いた2つの高速領域ベース畳込みニューラルネットワーク(R-CNN)モデルを開発した。最初のモデルは,関心領域(ROI)を位置決めする歯を検出し,一方,第2のモデルは歯肉炎症を検出する。検出精度,再現率,および平均精度(mAP)を計算し,提案モデルの有意性を検証した。歯検出モデルは,それぞれ100%,11.85%および100%の精度,再現およびmAPを達成した。炎症検出モデルは,それぞれ77.12%,88.02%,41.75%および68.19%の精度,再現およびmAPを達成した。本研究は,口腔内画像における歯肉炎の検出と診断のための深層学習モデルの実行可能性を証明した。したがって,これは歯科の分野におけるその潜在的使用可能性を強調し,予防的非侵襲的診断を通して世界的に歯周病の重症度を減らすのに援助する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 炎症 ,  口腔 ,  *歯科学 ,  予防 ,  *歯肉炎 ,  深層 ,  歯周疾患 ,  歯周炎 ,  *歯科矯正 ,  コンピュータ ,  学習アルゴリズム
準シソーラス用語： 自動検出 ,  物体検出 ,  *深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 歯肉炎 ,  歯周疾患 ,  深層学習 ,  畳込みニューラルネットワーク

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (24件)：

• Pihlstrom, B.L.; Michalowicz, B.S.; Johnson, N.W. Periodontal diseases. Lancet 2005, 366, 1809-1820.
• Cappelli, D.P.; Shulman, J.D. Epidemiology/biology of periodontal diseases. In Prevention in Clinical Oral Health Care; Mosby Inc.: St. Louis, MO, USA, 2008; pp. 14-26. ISBN 9780323036955.
• Nazir, M.A. Prevalence of periodontal disease, its association with systemic diseases and prevention. Int. J. Health Sci. 2017, 11, 72-80.
• Rajesh, K.S.; Thomas, D.; Hegde, S.; Kumar, M.S.A. Poor periodontal health: A cancer risk? J. Indian Soc. Periodontol. 2013, 17, 706-710.
• Dhadse, P.; Gattani, D.; Mishra, R. The link between periodontal disease and cardiovascular disease: How far we have come in last two decades? J. Indian Soc. Periodontol. 2010, 14, 148.

タイトルに関連する用語 (7件)： 畳込みニューラルネットワーク ,  歯科矯正 ,  患者 ,  歯肉炎 ,  早期 ,  徴候 ,  深層学習