Development of tooth morphology identification method: collaboration between deep learning and geometric morphometrics
| Project/Area Number |
22K06415
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 45050:Physical anthropology-related
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
五十嵐 由里子 日本大学, 松戸歯学部, 准教授 (60277473)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
森田 航 独立行政法人国立科学博物館, 人類研究部, 研究員 (20737358)
金子 美泉 日本大学, 理工学部, 助教 (30755418)
近藤 信太郎 日本大学, 松戸歯学部, 特任教授 (60186848)
内木場 文男 日本大学, 理工学部, 教授 (60366557)
根岸 慎一 日本大学, 松戸歯学部, 教授 (60579118)
粟飯原 萌 日本大学, 理工学部, 助手 (90824011)
|
|---|
| Project Period (FY) |
2022-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
|
|---|
| Keywords | 人工知能 / ディープラーニング / 歯種鑑別 / 下顎小臼歯 / 抜去歯 / 転移学習 / 幾何学的形態測定学 / 相同モデル / 形態地図法 / 歯の形態 |
|---|
| Outline of Research at the Start |
本研究は，ディープラーニング(DL)と幾何学的形態測定学(GM)を協働させることにより，実物の遊離歯を用いた歯種鑑別を高精度で行う学習モデルを作成し，同時に，歯種鑑別に重要な形態の特徴を明らかにすることを目的とする。DLには畳み込みニューラルネットワーク（CNN），GMには相同モデルと形態地図法を用いる。
本研究は，先史学や法医学における歯種鑑別の精度向上と 効率化を実現し，将来的には，より複雑な骨形態の識別方法の開発につなげる。また本研究は「ヒトが複雑な形態のどこに注目して識別を行っているか」という形態 学の根本的問題を解明する。
|
| Outline of Annual Research Achievements |
今年度も引き続き，ディープラーニングを用いて，歯種鑑別を行う学習モデルの構築を試みた。今年度対象とした歯種は下顎左右第一小臼歯と第二小臼歯である。資料として歯肉除去単独歯石膏模型および抜去歯を用いた。資料を回転台に乗せて回転させ，固定カメラで動画を撮影し，動画から静止画像を作成して訓練データ，検証データ，テストデータとした。ディープラーニングの中でも，畳み込みニューラルネットワークを採用した。これまでの実験で，学習モデル自体の正当性は証明されているので，学習データの改良により，モデルの精度の向上を試みた。今年度の新たな試みは以下の通りである。（１）資料として抜去歯（実物）を用いる（２）転移学習を導入する（３）資料の撮影方向を様々に変えてみる。その結果，抜去歯を舌側面60°の方向から撮影した画像を用いた場合に，最も鑑別精度の高いモデルを作ることができた。そのモデルでは，72.84％の確率で正しく歯種を鑑別し，左右を問わなければ 84.31％の確率で正しく歯種を鑑別することができることがわかった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
歯種鑑別モデルの構築に関しては，最も鑑別が困難と考えられる下顎小臼歯の鑑別モデルが完成に近づいているので，順調な進捗異状況である。
|
| Strategy for Future Research Activity |
歯種鑑別モデルの構築において，対象とする歯種を上顎小臼歯，ついで大臼歯，犬歯，下顎中切歯以外の切歯に広げる。
幾何学的形態測定学との結果のすり合わせを行う。
|
Report
(2 results)
Research Products
(15 results)
