Core Concepts
방사선 보고서를 기반으로 치과 질환의 심각도 수준을 평가하고 분류하는 자동 진단 기술을 개발하였다.
Abstract
이 연구는 치과 질환의 심각도 수준을 평가하고 분류하기 위해 다양한 기계 학습, 딥 러닝, 대규모 언어 모델을 활용하였다.
데이터셋은 4개의 클래스로 구성되어 있으며, 긴급 주의가 필요한 경우, 치료가 필요하지만 지연될 수 있는 경우, 선택적 치료가 필요한 경우, 문제가 없는 경우로 구분된다.
데이터셋의 불균형을 해결하기 위해 랜덤 오버샘플링 기법을 적용하였다.
다양한 모델을 비교한 결과, Few-shot learning with SBERT and Multi-Layer Perceptron (FSBM) 모델이 가장 우수한 성능을 보였다.
FSBM 모델은 균형잡힌 데이터셋에서 94.1%의 정확도를 달성하였다.
이 모델은 치과 질환의 심각도를 평가하는 데 있어 신뢰할 수 있는 도구로 활용될 수 있으며, 환자에게 더 효과적인 치료를 제공하고 의료진의 의사결정을 지원할 수 있다.
Stats
구강 내 병변으로 인한 치조골 연속성 소실이 관찰되었다.
치아 #8번의 전도된 위치와 치근단 병변이 확인되었다.
치아 #8번 근심에 과잉치가 존재하여 치조골 피질골 연속성이 소실되었다.
상악 전방부에 특별한 병변이 관찰되지 않았다.
Quotes
"치과 질환은 인구의 상당 부분에 큰 영향을 미치며 다양한 건강 문제를 야기하여 개인의 전반적인 안녕에 악영향을 끼친다."
"치과 영역에서 인공지능 기술의 활용은 진단의 어려움, 비효율성, 오류 등의 문제를 해결하는 데 도움이 될 수 있다."