본 연구에서는 합성곱 신경망 기반의 충치 분할법이 진단 보조 도구로서의 역할을 수행할 수 있는지 검증하기 위하여 수행하였다.
충치 보조 진단 모델의 학습을 진행하기 위하여 이화여자대학교 목동병원에 2011년 3월 1일부터 2019년 9월 31일까지 치과에 내원한 환자 중 치과 전문의로부터 충치 진단을 받은 환자의 교익 방사선 영상 및 picture archiving and communication systems (PACS)를 후향적으로 검토하여 진행하였다. 딥러닝 충치 보조 진단 모델의 학습에는 총 환자 101명의 교익 방사선 영상이 선택되었으며, 사용된 충치의 개수는 학습용 데이터 124개, 테스트용 데이터 32개, 총 156개가 사용되었다. 본 연구에서 정답 영상으로 사용될 충치 분할 영상은 Image processing and analysis in Java 프로그램을 통하여 그려지고 보존과 전문의의 검토를 거쳐 생성하였다.
합성곱 신경망 기반의 충치 분할법은 DeepLabV3+ 모델을 사용하였으며, 256 x 256 크기로 잘라내어 진 총 156쌍의 교익 방사선 영상과 충치 분할 영상을 사용하였다. 또한, 일반화를 통해 모델의 성능을 최대화하기 위하여 데이터 증강방법을 적용하여 학습하였다.
학습된 DeepLab V3+ 모델의 충치 예측 정확성을 정량적으로 평가하기 위한 분할 성능지표로서 정답분할 영상과 예측분할 영상 간의 dice similarity coefficient 값을 계산하였다. 그 결과 학습용 데이터, 테스트용 데이터에서 각각 평균 0.97, 0.71의 계산 결과를 보였다.
평가 대상이었던 딥러닝 기반 모델인 DeepLabV3+를 채택하여 자동 충치 분할을 수행할 수 있도록 학습하였고, 진단 보조 도구로서의 가능성을 검증하였다.