Region-based convolutional neural network를 이용한 Maximum root coverage의 예측

국문 초록 (Abstract)

목적: 본 연구의 목표는 mask region-based convolutional network(mask R-CNN)를 이용하여 maximum root coverage level(MRC)을 예측하는 것이다.
재료 및 방법: 단국대학교 치과대학 치과병원에서 촬영된 495장의 전치부 및 소구치 임상사진을 350장의 train 군과 100장의 validation 군, 45장의 test 군 으로 분류하였다. 1개의 경계 상자(tooth)와 7개의 키포인트(mesial contact point, mesial papilla, mesial cementoenamel junction(CEJ) angular point(CEJ[M]), distal contact point, distal papilla, distal CEJ angular point(CEJ[D]), recession)을 annotation 하였다. 데이터 증강을 위해 180°이미 지 회전과 이미지 밝기, 대조도 변화를 부여하였다. 학습에 사용된 모델은 keypoint detection R-CNN – ResNet-50 – feature pyramid networks 모델이 었다.
결과: 경계 상자의 average precision과 average recall은 각각 0.610, 0.647(IoU threshold 0.5-0.95, 0.05씩 증가)이였으며 키포인트의 average precision과 average recall은 각각 0.867, 0.916(OKS threshold 0.5-0.95, 0.05 씩 증가)이였다.
결론: keypoint R-CNN을 이용한 MRC의 예측은 치과의사가 진단할 때에 도움을 줄 수 있다.

목차 (Table of Contents)

• 국문 초록 i
• 감사의 글 ii
• 목차 iii
• 표 목차 iv
• 그림 목차 v
• Ⅰ. 서론 1
• II. 연구 대상 및 방법 2
• III. 연구 결과 6
• IV. 고찰 7
• V. 결론 8
• 참고문헌 9
• 영문요약 32
• 표목차
• 표 1 13
• 표 2 14
• 그림목차
• 그림 1 15
• 그림 2 16
• 그림 3 17
• 그림 4 18