2019 Fiscal Year Research-status Report
Basic research on individual identification by dental information matrix and deep learning
| 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 / deep learning / 口腔内情報 / 歯式 |
|---|
| 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。しかし、全国レベルでのデータベース構築を前提とすれば、歯式情報の容易な入力方式を開発する必要がある。そこで、口腔内画像から深層学習を利用して歯式情報を取得する研究を追加している。
現状では、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、良好な認識率が得られている。このような深層学習による画像認識ではクラス分類に対する判断根拠を明確にすることが求められているため、画像認識による歯種分類の判断根拠を可視化した。認識領域の可視化はGradient-weighted Class Activation Mapping(Grad-CAM)で行った結果、歯式情報認識を目的として作成したニューラルネットワークモデルのSSD512モデルで解剖学的な特徴を捉えていることが明らかになり、歯式情報認識における歯種分類の関心領域は解剖学的な特徴領域と類似していることから、深層学習による歯の自動認識を使用する根拠が得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
上下顎歯列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。しかし、実用化を目的として歯式情報取得の自動化を行う場合、深層学習による画像認識ではクラス分類に対する判断根拠を明確にする必要があることが判明した。そこで令和1年度では、平成30年度に作成したニューラルネットワークモデルについて、深層学習による歯式情報認識における歯種分類の関心領域は解剖学的な特徴領域と類似しているかどうかの追加評価を行っている。
|
| Strategy for Future Research Activity |
上下顎歯列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 |
令和1年度で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を行う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、歯式情報取得の自動化に関する追加研究で、深層学習による歯式情報認識における歯種分類の関心領域は解剖学的な特徴領域と類似しているかどうかの評価を行い、当初予定の症例シナリオ作成ができなかったために次年度使用額が生じている。
令和2年度は大規模データベースから高速に個人識別可能とする歯式メタデータを有する歯式情報データベースに対して個人識別率の評価を行う．この場合，データベースに負荷を与えるには大量のテストデータが不可欠であり，演算能力を上げるためにCPUを現状のXeon Silver 4210 X2, 20コアからXeon Gold 5218 X2, 32コアへ変更予定である。
|
