본 논문은 인공지능을 활용하여 자기공명영상(MRI)에서 턱관절(TMJ)의 병리, 특히 관절원판 분절을 진단하는 방법을 탐구한다. TMJ 병리의 높은 유병률과 의료기관에서 진단의 정확성 및 속도 향상의 필요성으로 인해 연구의 중요성이 높다. 기존 솔루션(Diagnocat, MandSeg)은 뼈 구조에 초점을 맞추어 관절원판 연구에는 적합하지 않다는 분석 결과를 바탕으로 94개의 이미지("턱관절"과 "턱" 클래스)로 구성된 독창적인 데이터셋을 수집하고 데이터 증강 기법을 사용했다. U-Net, YOLOv8n, YOLOv11n, Roboflow 신경망 모델을 훈련하고 비교하여 Dice Score, Precision, Sensitivity, Specificity, Mean Average Precision 지표로 평가했다. 결과적으로 Roboflow 모델이 턱관절 분절에 잠재력이 있음을 확인했으며, 향후 턱 사이의 거리 측정 및 관절원판 위치 결정 알고리즘 개발을 통해 TMJ 병리 진단을 개선할 계획이다.
