OralBBNet: 경계 상자 사전 지식을 활용한 공간 지도 구강 방사선 이미지의 치아 세그멘테이션

치아 분할 및 인식은 다양한 치과 응용 및 진단 절차에서 핵심적인 역할을 한다. 딥러닝 모델의 통합은 정밀하고 자동화된 분할 방법의 개발을 촉진하였다. 기존 연구들은 치아 분할에 대해 탐색해 왔지만, 치아 분할과 탐지를 동시에 성공적으로 수행한 방법은 많지 않다. 본 연구에서는 UFBA-UESC 데이터셋에서 유도된 UFBA-425라는 치과 데이터셋을 제안하며, 425개의 패널 사진 치과 X선 영상에 대해 경계상자(bounding box) 및 다각형(polygons) annotation을 포함하고 있다. 또한 본 연구는 U-Net과 YOLOv8을 각각 분할 및 탐지 헤드로 사용하는 OralBBNet이라는 아키텍처를 제안한다. OralBBNet은 U-Net과 YOLOv8의 보완적인 강점을 활용하여 패널 사진 치과 X선 영상에서 치아 분류 및 분할의 정확도와 견고성을 향상시키도록 설계되었다. 제안한 방법은 기존 기술 대비 치아 탐지의 평균 정밀도(mAP)에서 1~3% 향상되었으며, 다양한 치아 유형에 대해 U-Net 대비 치아 분할의 디스크 스코어(Dice score)에서 15~20% 향상되었고, 다른 분할 아키텍처와 비교했을 때 2~4%의 디스크 스코어 향상도 달성하였다. 본 연구의 결과는 객체 탐지 모델이 치과 진단 분야에 널리 적용될 수 있는 기반을 마련하였다.