2020 Fiscal Year Annual Research Report
Development of a machine learning-based automatic evaluation system for clinical skills in tooth preparation
| Project/Area Number |
18K09653
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
奥山 弥生 東北大学, 大学病院, 助教 (30223697)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
江草 宏 東北大学, 歯学研究科, 教授 (30379078)
山田 将博 東北大学, 歯学研究科, 准教授 (90549982)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 支台歯形成 / 技能評価 / 人工知能 / 機械学習 / ニューラルネットワーク解析 / ルーブリック |
|---|
| Outline of Annual Research Achievements |
デジタル技術が広く応用されている歯科治療において、適切な支台歯形態が必要であるが、支台歯形態の良否の臨床的判断はいまだ主観的な目視に依存している。そこで本研究では三次元デジタルデータの人工歯を対象に、教員によるルーブリックを用いた支台歯形態評価を教師とした機械学習を行い、この評価方法を学習した人工知能を基盤とした支台歯形成技能評価自働化システムの開発に取り組んだ。解析の対象は、2016年度から2020年度までの5年間，学生が模型上で切削した人工歯365本を東北大学所有のデンタルスキャナーで，専用固定台を用いて測定した3Dデータ，並びに上記切削した人工歯を指導者が採点用ルーブリックを用いて評価した結果である．解析対象の3次元デジタルデータをそのまま解析する事から着手し、最終的には評価項目である「軸面のテーパー」について高い正解率を有する解析方法（１D-CNN）を得ることができた。
最終年度には、評価項目「形成面の性状」について歯軸に対し垂直な断面形態による検討を試み、さらなる解析方法の探索が必要であることが示唆された。評価項目「咬合面の削除量」については、STLデータの重ね合わせ精度を確認したのち、断面作成の方向や測定箇所の選択など、実際の学生のデータ（10名）を対象に数値解析を行った。その結果、今後解析を進める上で汎用性に富む有益な解析結果が得られた。すなわち次元を減らした任意の断面におけるデータを用いて検討した結果、「3Dデータをそのまま用いた解析方法」の可能性が示唆された。数少ないデータの有効利用がなされ、得られた結果は意義深い。今後は評価項目ごとの最適解析手法を探求すると同時に、東北大学版支台歯形成評価用ルーブリックの内容の吟味を行い、繰り返し評価側で検討を進め、上記解析方法の探求に役立て、当初の目的である支台歯形成技能評価自働化システムの開発を進める計画である。
|
