部分床義歯の支台歯の部位と支台装置の種類の自動選択システムの開発
| Project/Area Number |
22K10098
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 57050:Prosthodontics-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
権田 知也 大阪大学, 歯学部附属病院, 講師 (30324792)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
豆野 智昭 大阪大学, 大学院歯学研究科, 助教 (50845922)
高橋 利士 大阪大学, 大学院歯学研究科, 招へい教員 (70610864)
濱田 匠 大阪大学, 歯学部附属病院, 医員 (70908681)
村瀬 晃平 大阪大学, 大学院基礎工学研究科, 特任教授(常勤) (80298934)
|
|---|
| Project Period (FY) |
2022-04-01 – 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 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 部分床義歯 / 設計 / 支台歯 / 予測モデル / 人工知能 / 部分床義歯の設計 |
|---|
| Outline of Research at the Start |
本研究で開発をめざすのは，口腔内の状況やエックス線画像などの患者の基本的情報から，コンピュータ自身が義歯の支台歯の部位と支台装置の種類を自動で選択するシステムである．そのために，コンピュータにより患者の欠損状態の学習，各歯の状態の学習，および欠損に応じた義歯の支台歯の部位と支台装置の種類の学習させ，口腔内解析，パノラマエックス線画像解析，支台歯の部位と支台装置の種類選択の3種類で構成されるシステムを構築する．
|
| Outline of Annual Research Achievements |
われわれはこれまで，患者の情報を与えると自動で部分床義歯の設計をするシステムの開発を進めてきたが，その中で本研究は，部分床義歯の支台歯の部位と支台装置の種類を自動で選択するシステムを人工知能（AI）を用いて開発することめざす．2年目である本年度は昨年より症例数を増やし，支台歯の部位を自動で選択するシステムの開発するとともに，支台装置の種類を予測するシステムの開発を目標とした．
大阪大学歯学部附属病院咀嚼補綴科にて2003年4月～2022年12月の間に日本補綴歯科学会専門医が設計し装着した部分床義歯のうち，対象とする部分床義歯の数を昨年の252床から851床（上顎:430床，下顎:421床）増やし，歯の欠損部位から，部分床義歯の支台歯を深層学習により予測するモデル（以後，予測モデルとする）を作成した．
上記の義歯設計データをランダムに2つのデータセット（学習用680床，テスト用171床）に分類した．予測モデルの実装にはPython 3とKerasライブラリを使用し，バックエンドにはTensorFlowを使用した．すべての学習はGoogle Colaboratory環境下（GPUあり）で行ない，予測モデルのハイパーパラメータのチューニングにはKeras Tunerを用いた．
その結果，accuracy, loss, validation_accuracy, validation_lossはそれぞれ0.97，0.08，0.96，0.10となった．また，上記予測モデルを用いて予測した義歯の支台歯の部位は77.8％の義歯で一致した．以上のことから，深層学習により支台歯の部位や種類を予測できる可能性が示された．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度は，症例数を増やすことができ，支台歯部位の予測精度について検討ができた．また，支台装置の種類の予測についても検討を始め，予定通りの進行と思われる．この研究成果は2023年8月31日に開催されたInternational Collage of Prosthodontists London Symposiumおよび2024年1月27日の日本補綴歯科学会令和5年度学術大会にて発表を行った．
今年度は日本補綴歯科学会や日本老年歯科医学会，日本口腔インプラント学会，International Collage of Prosthodontists London Symposiumなどに参加し，情報収集を行った．非常に有意義で有り，様々な情報や意見交換を行うことができた．
|
| Strategy for Future Research Activity |
昨年度の本研究ではデータ数を増やすことができたが，まだ十分ではなく，さらにデータの蓄積を進める．今後はデータ数をさらに増やし，予測精度を上げるとともに，上下顎別の予測モデルにおいて，支台歯の位置と維持装置の種類を予測するモデルの作成について検討する．また，情報収集のためとこれまでの成果発表のため国内外の学会参加をするとともに，英文論文作成を進める．
|
Report
(2 results)
Research Products
(4 results)
