• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

The development of oral simulator based on masticatory function of occlusal support area by CNN analysis

Research Project

Project/Area Number 22K17272
Research Category

Grant-in-Aid for Early-Career Scientists

Allocation TypeMulti-year Fund
Review Section Basic Section 57080:Social dentistry-related
Research InstitutionHealth Sciences University of Hokkaido

Principal Investigator

山口 摂崇  北海道医療大学, 歯学部, 助教 (50759222)

Project Period (FY) 2022-04-01 – 2023-03-31
Project Status Discontinued (Fiscal Year 2022)
Budget Amount *help
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Keywordsシミュレーター / CNN解析 / 顎機能 / 口腔機能 / 畳み込みネットワーク / 口腔シミュレーター / 咀嚼機能 / 咬合支持域
Outline of Research at the Start

本研究は,人工知能による畳み込みネットワーク(CNN)を利用した画像解析を行うことで,『咬合支持域数に対応した咀嚼機能評価を行うこと』ならびに『その特徴を再現した口腔シミュレーターの開発』を目的とした.
歯数からEichnerの分類に基づいて分類後,各群の咬合圧分布と下顎運動路(左右の下顎頭の経路,切歯路の経路)の画像データと咀嚼機能(正常/低下)として紐づけたCNNモデル教師データの作成し,CNN解析を実施する.この時に欠損様式に特徴的な所見を再現するために咬合器(PROTAR Evo 7)を改変することで,口腔シミュレーターのプロトタイプの製作を目指す.

Outline of Annual Research Achievements

本研究は咬合支持域数に対応した咀嚼機能において畳み込みネットワーク{Convolutional Neural Network(CNN)}を利用した画像解析を行い,『咬合支持域数に対応した咀嚼機能評価モデルの作成』と『AIによる評価モデルで得られた特徴を再現した口腔シミュレーターの開発』を目的としたものである.
本年度は北海道医療大学の学生,臨床研修医,患者を対象にモーションビジトレーナー(GC),Bitescan(SHARP),咀嚼能力判定試験(グルコラム,GC),咬合圧検査(デンタルプレスケール,GC),オーラルディアドコキネシスをサンプリングし,CNN解析に適した画像データの選択ならびに画像データに紐づける咀嚼機能を検討した.
調査対象者は41名であり,咀嚼機能正常群は16名(男性11名,女性5名,平均年齢25.0±5.0歳,下顎運動経路画像22),咀嚼機能低下群は25名(男性14名,女性11名,平均年齢41.0±21.7歳,下顎運動経路画像33)であった.群間比較において咀嚼機能低下群は咀嚼機能正常群に比べ,有意に高齢で残存歯数が少なかった(p <0.05).一方で,性別,オーラルディアドコキネシスは統計学的有意差を認めなかったことから,咬合圧検査と咀嚼能力検査はオーラルディアドコキネシスの結果と独立である可能性が考えられる.
そのため,画像と紐づける咀嚼機能は咀嚼機能判定試験および咬合圧検査の結果を採用することとした.
現在までに得られた画像データによるCNN解析による解析モデルで得られた学習曲線は不明瞭であった.これは,学習サンプル数の過少によるものであると考えられる.現段階でのCNN解析では咀嚼機能評価に基づく下顎運動経路スクリーニングモデルの作成は困難であるため,引き続き学習サンプル数を増やしていくことで,スクリーニングモデルを作成していく予定である.

Report

(1 results)
  • 2022 Annual Research Report
  • Research Products

    (4 results)

All 2023 2022

All Presentation (4 results)

  • [Presentation] 畳み込みニューラルネットワークを用いた咀嚼機能評価モデルの開発2023

    • Author(s)
      武田 佳大 , 山口 摂崇 , 山中 大寛 , 越智 守生
    • Organizer
      北海道医療大学歯学会
    • Related Report
      2022 Annual Research Report
  • [Presentation] 主咀嚼側における咀嚼機能評価に基づく下顎運動経路モデル作成のための基礎的検討2022

    • Author(s)
      武田 佳大 , 山口 摂崇 , 高橋 尚人 , 山中 大寛 , 越智 守生
    • Organizer
      (公社)日本補綴歯科学会
    • Related Report
      2022 Annual Research Report
  • [Presentation] 口腔関連Quality Of Lifeに基づく口腔所見評価モデル開発の予備的検討2022

    • Author(s)
      山口 摂崇 , 武田 佳大 , 高橋 尚人 , 山中 大寛 , 越智 守生
    • Organizer
      (公社)日本補綴歯科学会
    • Related Report
      2022 Annual Research Report
  • [Presentation] 口腔機能評価に基づく下顎運動経路スクリーニングモデルの作成2022

    • Author(s)
      武田 佳大 , 山口 摂崇 , 山中 大寛 , 越智 守生
    • Organizer
      北海道医療大学歯学会
    • Related Report
      2022 Annual Research Report

URL: 

Published: 2022-04-19   Modified: 2023-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi