Development of a novel method to quantify and analyze cephalogram using AI

Research Project

Project/Area Number	20K18788
Research Category	Grant-in-Aid for Early-Career Scientists
Allocation Type	Multi-year Fund
Review Section	Basic Section 57070:Developmental dentistry-related
Research Institution	Nagasaki University
Principal Investigator	濱中僚長崎大学, 病院(歯学系), 講師 (70805986)
Project Period (FY)	2021-11-01 – 2025-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000) Fiscal Year 2021: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000) Fiscal Year 2020: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Keywords	人工知能 / セファロ分析 / ディープラーニング / 敵対的生成ネットワーク / 生成AI / 生成モデル / 頭部X線規格写真 / AI
Outline of Research at the Start	本研究では人工知能(AI)技術を応用することで、矯正診断に広く用いられている頭部X線規格写真（セファログラム）の革新的な分析方法を開発する。セファログラムは顎顔面の骨格形態の分析のため古くから用いられているが、セファログラム上の計測点をプロットして距離や角度を計測するという分析の手法は、80年以上大きく変わっていない。しかし、従来の分析では計測点の位置が同じ症例は、計測点に含まれない部分の形態が異なっていたとしても同じ分析結果となってしまう。本研究では人工知能技術を応用することで、セファロ画像から顎顔面形態を表現する値を直接抽出し、計測点を用いない新たな分析方法を提案する。
Outline of Annual Research Achievements	本研究の目的は人工知能(AI)技術を応用することで、頭部X線規格写真（セファログラム）の革新的な分析方法を開発することである。矯正臨床においてセファログラム(頭部を側方から撮影したエックス線写真）は顎顔面の骨格形態の分析のため古くから用いられており、セファログラム上の識別しやすい計測点をプロットして距離や角度を計測するという分析の手法は、1948年にDowns法が発表されてから80年以上大きく変わっていない。しかし、従来の分析では計測点の位置が同じ症例は、計測点に含まれない部分の形態が異なっていたとしても同じ分析結果となってしまう。本研究では人工知能技術を応用することで、セファロ画像から顎顔面形態を表現する変数の値を直接抽出し、計測点を用いない新たな分析方法を提案する。本年度はニューラルネットを用いて側貌のX線画像から年齢を予測させることで、人工知能が顎顔面の成長に関する因子を画像から抽出できることを確認した。これには従来の人力での成長予測で用いられる部位以外も利用されており、人工知能を用いることで新たな評価方法を開発できる可能性が示唆された。また、敵対的生成ネットワークを用いることで側貌のX線画像を人工的に生成できることを確認した。つまり、顎顔面形態を表現する変数から、X線画像への変換を行うモデルを得ることができた。今後、このモデルを使用してGAN inversionにより実際のX線画像から画像を特徴づけるベクトルを抽出することを目指している。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 本研究の核はセファロ画像を生成する潜在変数を推定することであるが、本年度の研究により潜在変数からセファロ画像を生成可能であることが確認できたため、おおむね順調に進展していると考えている。
Strategy for Future Research Activity	敵対的生成ネットワークを用いて正規分布する潜在変数から人工的なセファロを生成することができたため、次の段階ではGAN inversionを用いて実際のセファロ画像を潜在変数表現へと変換し、これを用いて年齢やセファロ分析値の予測が可能かどうか検証する予定である。