The aim of the study: Was to investigate the efficiency of decoding teleradiological studies using an algorithm based on the use of convolutional neural networks - a simple convolutional architecture, as well as an extended U-Net architecture.
Materials and methods: For the experiment, a dataset was prepared by three orthodontists with over 10 years of clinical experience. Each of the orthodontists processed 100 X-ray images of the lateral projection of the head according to 27 parameters, 2700 measurements were made. The coordinates of the control points found by orthodontists in the images were compared with each other and a conclusion was made about the consistency of experts in the data obtained.
Results: The results of convolutional neural network CNN were not satisfactory in 17 (62.96%) features, satisfactory in 10 (37.04%). The assessment of orthodontists resulted in non-satisfactory evaluation in 6 (22.22%), satisfactory in 8 (29.63%), good in 8 (29.63%), and excellent in 5 (18.52%) coordinates. Neural networks with U-Net architecture showed satisfactory results in 9 (33.3%) cases, good in 16 (59.3%) and excellent in 2 (7.4%) cases, with no non-satisfactory results.
Conclusion: The neural network of the U-Net architecture is more effective than a simple fully convolutional neural network and its results of determining anatomical reference points on two-dimensional images of the head are relatively comparable with the data obtained by medical specialists.
Цель исследования: Оценка эффективности расшифровки телерентгенологических исследований с использованием алгоритма, основанного на применении сверточных нейронных сетей — простой сверточной архитектуры, а также расширенной архитектуры U-Net.
Материал и методы: Для проведения эксперимента подготовлен набор данных тремя врачами-ортодонтами с опытом клинической работы более 10 лет. Каждым из врачей было обработано по 100 рентгенологических снимков боковой проекции головы по 27 параметрам, произведено 2700 измерений. Координаты опорных точек, найденные специалистами на снимках, сравнивались между собой.
Результаты: Результаты работы простой полностью сверточной нейронной сети были признаны неудовлетворительными по 17 (62,96%) параметрам, удовлетворительными — по 10 (37,04%). Работа врачей-специалистов оценена как неудовлетворительная в 6 (22,22%) координатах, удовлетворительная — в 8 (29,63%), хорошая — в 8 (29,63%), отличная — в 5 (18,52%). Нейронная сеть с архитектурой U-Net в 9 (33,3%) случаях дала удовлетворительные результаты, в 16 (59,3%) — хорошие, в 2 (7,4%) — отличные, при этом неудовлетворительных получено не было.
Заключение: Нейронная сеть архитектуры U-Net эффективнее простой полностью сверточной нейронной сети и ее результаты определения анатомических ориентиров на двухмерных изображениях головы относительно сопоставимы с данными, полученными врачами-специалистами.
Keywords: anatomical reference points; cephalometric analysis; diagnostic errors; diagnostics in orthodontics; reference points; telerengenography.