2020 Fiscal Year Research-status Report
| Project/Area Number |
19K10417
|
|---|
| Research Institution | Fukuoka Dental College |
|---|
Principal Investigator |
玉置 幸雄 福岡歯科大学, 口腔歯学部, 教授 (40369046)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
堀尾 恵一 九州工業大学, 大学院生命体工学研究科, 教授 (70363413)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Keywords | AI / 自己組織化マップ / 顎顔面形態 / 骨格性下顎前突 / 診断支援システム |
|---|
| Outline of Annual Research Achievements |
本研究では、個成長や顎 面形態の個体差を考慮した矯正診 を行うため、AIを用いた症例の類似パターンの抽出と治療結果予測を行うことを目的とする。本年度は、第二段階として、正面頭部エックス線規格真を資料とし、AIの演算マップの広さを検討した。
AIによる症例の学習アルゴリズムの構築を行ったので、演算マップの広さを検討した。学習に用いる症例群の顎 面形態として正面頭部エックス線規格 真画像上の計測点のデータ群（55点、110次元）を62名について取得し、ユニット数が、2×2＝4、3×3＝9、4×4＝16、5×5＝25、10×10＝100のそれぞれの演算マップを設定した。これらの演算マップに計測点のデータ群を、AIの記憶マップに反復学習（10万回の学習）させ、5つのマップそれぞれで計算ユニット（U）に演算結果の視覚的抽出を行った。また、ユニットが9つではさらに細分化したパターンがみられ、より臨床的な分類に近くなっていた。ユニット数が16、25でも同じ傾向であったが、ユニット数が多くなるにつれパターン間の中間形態が多くなり、演算結果のバーチャル性が高くなる傾向がみられた。つまり、62症例から、架空の100症例を生成することが可能で、バリエーションを増やすことでパターン間の特徴の違いがマップ上の距離としてあらわされる可能性が示された。最小単位の４パターンでは、パターン間の統計的な比較が可能であったが、U1は下顎骨が水平的に偏位し上顎の偏位側のみに臼歯部デンタルコンペンセーションがみられるパターン、U2には上顎骨の非対称と下顎角部の高さの違いを伴う下顎骨の非対称および歯槽基底部を含む臼歯部のデンタルコンペンセーションがみられるパターン、U3には軽度な非対象で臼歯部のデンタルコンペンセーションのみがみられるパターン、U4には下顎骨の水平的に偏位し前歯部および臼歯部の歯性偏位と鼻孔付近の非対象を有するパターンが抽出されたものと考えられた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当該年度は、コロナ禍もあり、所属機関で種々の対応が必要であったため研究時間が予定より確保できなかった。また、研究遂行に協力者を設定しているが、直接会うことができなかったこと、３密の回避の点から資料保管庫の出入りの時間的な制約があった。このため、当該年度は演算マップの性質を十分検討することとし、その成果を国内学会で発表することとなった。一方、前年度から導入した顔面の３次元計測ツールを用いた顔面形態のパターン分類に着手することができた。この手法を用いれば、顔の前後方向、左右方向の２次元的なデータのみの分類を互いに関連付けした分類とすることが可能となる。今後、さらにデータ収集を継続する必要がある。コロナ禍もあったが、これらの成果について、バーチャル開催の国内学会で1回発表することができた。
|
| Strategy for Future Research Activity |
エックス線画像上の顎顔面形態を正面、側面の２方向から硬組織の特徴点の座標値群で特徴づけし、AIで分類できることがわかった。しかし、顔表面の３次元情報は得られない性質の資料であるため、鼻、唇の軟組織３次元表面データの特徴点を硬組織形態と合わせ、AIの学習データとすることを検討する。これにより、通常の検査資料で得られやすい硬組織の特徴と、通常では得られない軟組織上の表面の特徴とで顎顔面パターンを判定することができる。逆に言えば、顔の軟組織表面の形態データが得られれば、パターンマッチングで硬組織形態をある程度推定できることとなり、エックス線撮影に頼らない顔面骨格のパターン判定の技術を構築することも可能になる。顔の表面の光学スキャンは人体への侵襲が殆どないので、顔の表面形状から顎顔面骨格パターンが推定できれば、スクリーニングシステムへの応用への可能性が広がる。
|
| Causes of Carryover |
当該年度はコロナ禍もあり、シミュレーション作業の比重が大きかった。また、新技術を調べるための書籍などの購入を中心とした。前年度に顔の３次元表面データ取得のための特殊なスキャナーを購入したが、1機では不足のため、次年度でさらに追加することとする。スキャナは年々進化するため、研究費の次年度使用にはなるものの最新のものを購入することで研究上のアドバンテージとすることもできる。ソフトウェアは更新費用がかさみ、スキャナ２機を使用を長期運用するために、次年度使用額とした。
使用計画として、本年度購入した３次元スキャナを追加し、作業効率を上げる予定としている。
|
