歯科パノラマX線画像の分析：歯の検出から疾患診断までのYOLOv26活用

Abstract

パノラマX線撮影は歯科における基本的な診断ツールであり、放射線被ばくを最小限にしながら、歯列全体を包括的に観察できます。しかし、手作業による解釈は時間がかかり、特に高い処理量を必要とする臨床現場では誤りが生じやすくなります。そこで、効率的な自動化ソリューションが強く求められています。本研究では、パノラマX線画像に対して、歯の検出、FDIに基づく番号付け、歯科疾患のセグメンテーションを自動化するための、YOLOv26の初めての適用を提示します。DENTEXデータセットはRoboflowを用いて前処理され、フォーマット変換と拡張が行われました。その結果、歯の列挙用に1,082枚、4つの病理クラスにわたる疾患セグメンテーション用に1,040枚の画像が得られました。解像度800x800で、Google Colab上で転移学習により、5種類のYOLOv26-segバリアントを学習させました。結果は、歯の列挙においてYOLOv26m-segモデルが最良の性能を達成したことを示しており、精度0.976、再現率0.970、box mAP50が0.976でした。これは精度でYOLOv8xベースラインを4.9%上回り、mAP50で3.3%上回るだけでなく、高品質なマスクレベルのセグメンテーションも可能にしました（mask mAP50 = 0.970）。疾患セグメンテーションでは、YOLOv26l-segモデルがbox mAP50 = 0.591、mask mAP50 = 0.547を達成しました。罹患歯では、クラスごとの平均精度が最も高く（0.943）、視覚的な識別性が、注釈の量よりも検出性能により大きな影響を与えることを示唆しています。総合すると、これらの結果は、YOLOv26ベースのモデルが自動化された歯科画像解析に対して堅牢かつ正確な枠組みを提供できることを示しており、臨床現場における診断効率と一貫性を高める強い可能性があることを示しています。