Analýza panoramatických rentgenových snímků pomocí hlubokého učení

Abstract

Detekcia dentálnych anomálií na panoramatických röntgenových snímkach zubov predstavuje kľúčovú úlohu v oblasti zubnej diagnostiky, s potenciálom zlepšiť presnosť, rýchlosť a konzistentnosť klinického hodnotenia. Manuálna detekcia anomálií ako je zubný kaz, periapikálne lézie či retenčné zuby je časovo náročná a vyžaduje si odbornú expertízu. Táto práca sa zaoberá aplikáciou hlbokého učenia, konkrétne architektúry YOLO (You Only Look Once) pre automatizáciu tejto úlohy. Porovnávané sú rôzne verzie a veľkosti modelov YOLO, pričom dôraz sa kladie na efekt predtrénovania, augmentácií a relevantnosti predtrénovanej úlohy. Experimenty ukazujú, že model YOLOv11 vo veľkosti medium predtrénovaný na COCO datasete poskytuje najlepšie výsledky. Ďalej sa ukazuje, že predtrénovanie na príbuzných úlohách, ako je detekcia všetkých zubov, môže zlepšiť výsledky na hlavnej úlohe, zatiaľ čo menej príbuzné úlohy, ako je detekcia kvadrantov, neposkytujú rovnaký prínos. Práca taktiež skúma viaceré hybridné prístupy, ktoré kombinujú objektovú detekciu s klasifikačnými modelmi s cieľom využiť predikcie na úrovni jednotlivých zubov. Hoci samotná klasifikácia nepriniesla výrazné zlepšenie, niektoré fúzne stratégie naznačujú potenciál, že klasifikácia môže priniesť komplementárne informácie pri kombinácii s priamou detekciou.

The detection of dental abnormalities in panoramic X-ray images is a critical task in dental diagnostics, oering potential to improve the accuracy, speed, and consistency of clinical assessments. Manual detection of conditions such as caries, periapical lesions, or impacted teeth is time consuming and requires expert knowledge. This thesis investigates the application of deep learning, specifically the YOLO (You Only Look Once) object detection architecture, for automating this process. Multiple versions and sizes of YOLO models are compared, with attention given to the eects of pretraining strategies, data augmentation, and the relevance of the pretraining task. Experimental results demonstrate that the model YOLOv11 in medium size pretrained on COCO dataset provides the best baseline performance. Further, it is shown that pretraining on related tasks like tooth detection can improve performance on the main task, while less related tasks such as quadrant detection do not yield the same benefit. The thesis also explores several hybrid approaches combining object detection with classification pipelines to leverage tooth level predictions. Although classification based fusion alone underperforms, certain strategies indicate the potential for complementary information when combined with direct detection.