機械学習による手軽な外耳道の三次元計測と補聴器シェルの心地よさの定量化

2019 Fiscal Year Research-status Report

• Project/Area Number: 19K12892
• Research Institution: Saitama Medical University
• Principal Investigator: 加藤 綾子 埼玉医科大学, 保健医療学部, 講師 (30318159)
• Co-Investigator(Kenkyū-buntansha): 白石 直子 (丸山) 埼玉医科大学, 保健医療学部, 助教 (00736259) ; 若山 俊隆 埼玉医科大学, 保健医療学部, 教授 (90438862)
• Project Period (FY): 2019-04-01 – 2022-03-31
• Keywords: 機械学習 / 3次元計測 / 補聴器シェル

Outline of Annual Research Achievements

近年，聴覚障害とうつ病および認知症の関係が指摘され，聴覚障害の早期発見と補聴器によるリハビリの必要性が高まっている．装着感の優れた外耳道挿入型の補聴器は，外耳道を型どりするとき，外耳道や鼓膜を損傷するリスクが高い．申請者らが開発してきた外耳道の3次元光スキャナを用いると，非接触で外耳道形状を撮像できるが，3次元光スキャナの相対座標をあらかじめ計測しなければならないためプロセスが増えるうえ，計測中に動いてはいけないため，患者にとって負担が大きい点が課題であった．このような研究背景から，本研究では，機械学習から3次元光スキャナの相対座標を計測することなく湾曲した外耳道の形状を決定すると共に，フィット感などに代表される感性を機械学習で定量化することを目的とする．
本研究目的を達成するために，本年度は光スキャナで外耳道模型を計測した画像データとそのときの光スキャナの相対座標を用いて，連続した画像列から相対座標の移動量を推定するニューラルネットワークを構築して，画像の特徴を利用した移動量の算出可能性を検討した．学習には3種類の異なる軌道で計測された112枚の画像データを利用し，これを846枚の画像に拡張した．ネットワークはResNetを参考にしてCNNとショートカットを組み合わせて構築し，xとy軸回りの回転量，移動量を出力するものとした．学習済みのネットワークで未学習の画像列について移動量を推定した結果，平均0.8mmの誤差となった．移動量の誤差はこれを元にして最終的に算出される外耳道座標の誤差を生むことになるため，より精度向上を図る必要がある．
次年度以降は他の仕組みのネットワークも検討すると共に，フィット感などの定量化に関する基礎的な検討も始める．

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

3次元光スキャナの相対位置を計測することなく，画像列のみから最終的な3次元形状を復元するために，今年は連続的に移動する画像列からその移動量を推定できるか検討した．移動量の算出可能性は確認できたが，精度にまだ問題があり，やや遅れているとした．

Strategy for Future Research Activity

外耳道はほぼ円形に近いため画像間の対応点を見つけにくい．最終目的は外耳道が計測できるようになることだが，ネットワークを検討する段階においては，より形状特徴が顕著なモデルを用いて検討を進めた方が良いと考え，それらのデータを収集していく．

Causes of Carryover

新型コロナウイルスにより、所属の機関で発注する画像解析装置等の購入に事務的時間を要した。その為、次年度に購入し研究を行う事となった。