2018 Fiscal Year Research-status Report
個人識別に最適化する歯式マトリックスと深層学習による個人識別に関する基礎的研究
| Project/Area Number |
17K12014
|
|---|
| Research Institution | Nagasaki University |
|---|
Principal Investigator |
丸山 陽市 長崎大学, 病院(歯学系), 講師 (50173969)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 歯科医療管理 / 個人識別 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
東日本大震災を契機に，医療クラウドに構築する個人識別を目的とした歯式データベースの必要性が言われている。しかし、診療情報のIT化による歯科情報の収集方法や大規模データベースに関する基礎的研究が行われていないため、本研究では大規模歯式データベースでの個人識別に不可欠な、(1) 大規模歯式データベースでの個人識別に用いる歯式マトリックスの定義と(2) 深層学習による個人識別のニューラルネットワーク作成の基礎的研究を目的としている。
2015年1月から初診時歯式情報（部位、歯番、歯面、治療痕）、1歯単位の治療履歴を歯科システムからデータウェアハウスへデータ蓄積を行い、初診時歯式情報は11,608名、再診を含む歯の状態情報は6,423,667件を蓄積している。2017年度ではデータウェアハウスから抽出した歯式情報はSQL Serverでデータベース化している。さらに、深層ニューラルネットワークの開発環境構築を行っている状況である。
本研究では口腔内情報をマトリックスデータで表現し、深層学習（ディープラーニング）による個人識別のニューラルネットワークを作成する。このために、開発環境で設定するフレームワークはマトリックス処理に有利なTensorFlow(Google社)を採用した。現状では、初診診察時の口腔内診査結果を記録するのは煩雑であるため、歯式情報取得の効率的な機能の実現が望まれている。歯科領域では口腔内情報記録を目的として、カメラによる口腔内画像を取得する場合が多い。今年度は口腔内画像の歯列情報から深層学習による歯の自動認識を試み、上顎歯列のみ対象としたが、良好な認識率が得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
平成30年度では、32 歯の情報を1つの配列にまとめて口腔内状態をパターン識別できる歯式マトリックスの定義を行い、深層学習によるパターン識別できるニューラルネットワークを作成し、歯式マトリックス定義と深層学習によるニューラルネットワークで個人識別可能かどうか明らかにする計画であったが、実用化を目的とした場合、歯式情報取得の自動化が必要であることが判明した、そこで、口腔内画像の歯列情報に対して、深層学習による歯番と歯の状態の自動認識を試み、歯式情報認識の可能性について評価を行っている。
|
| Strategy for Future Research Activity |
32 歯の情報を1つの配列にまとめて口腔内状態をパターン識別できる歯式マトリックスの定義を行う。この歯式マトリックスデータに対して深層学習によるパターン識別できるニューラルネットワークを作成し、歯式マトリックス定義と深層学習によるニューラルネットワークで個人識別可能かどうか明らかにする。
ニューラルネットワーク作成後は、院内患者の歯式マトリックスをパターン認識させ、個人識別精度を検定し、識別精度を向上させるニューラルネットワークの修正を行い、最終的な個人識別率を明らかにする。
|
| Causes of Carryover |
平成30年度前半に次世代のVoltaチップGPUユニットが発表され、現有のGPUによる並列処理速度と次世代GPU11台の処理速度評価を行った結果、次世代GPUユニットが有効であるという結果に至った。平成30年度後半において、Voltaチップと同等で安価なTuringチップが発表され、深層学習の開発環境構成をTuringチップのGPU4台構成に変更すると決定した。平成30年度後半にGPUサーバを導入したが、TuringチップのGPUボード納入遅れにより次年度使用額が生じている。
次年度にTuringチップのGPUボードを導入し、個人識別のdeep learning演算速度を速める計画である。
|
