본 논문은 치주 질환 단계 설정에 중요한 지표인 골 손실률 계산의 정확성과 시간 소모 문제를 해결하기 위해, YOLOv8-pose 기반의 심층 학습 모델을 활용한 자동화된 치주 골 손실 랜드마크 식별 및 단계 설정 방법을 제시합니다. 193개의 주첨부 방사선 사진을 이용하여 YOLOv8-pose 모델을 미세 조정하였으며, 치아 크기에 맞춰 정규화된 새로운 평가 지표인 PRCK (Percentage of Relative Correct Keypoints)를 제안합니다. 또한, 오픈소스 보조 데이터셋으로 학습된 인스턴스 분할 모델을 이용한 휴리스틱 후처리 모듈을 통해 예측된 키포인트를 치아 가장자리에 맞춰 조정합니다. 실험 결과, 골 손실 키포인트, 치아 박스, 치조골 흡수는 충분히 검출하지만, 분리된 치주 인대 및 치근 분지 병소 검출 성능은 부족한 것으로 나타났습니다. 후처리 모듈 적용 후, PRCK 0.25는 0.726, PRCK 0.05는 0.401, 치아 객체 검출 mAP 0.5는 0.715, 치주 단계 설정 mesial dice score는 0.593, 치근 분지 병소 dice score는 0.280을 기록했습니다. 본 연구는 대부분의 치아에 키포인트가 존재하도록 하는 단계 비의존적 주석 방법론과 PRCK 지표를 제시하며, 후처리 모듈은 예측 정확도에 의존적임을 보여줍니다. 코드와 데이터셋에 대한 링크도 제공합니다.
