2022 Fiscal Year Annual Research Report
パターン認識技術を応用したイ ンプラント体判別システムの開発
| Project/Area Number |
20K09993
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
若林 一道 大阪大学, 歯学部附属病院, 助教 (50432547)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中村 隆志 大手前短期大学, ライフデザイン総合学科, 教授 (20198211)
中野 環 大阪大学, 大学院歯学研究科, 助教 (40379079)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | インプラント / AI / 自動認識 |
|---|
| Outline of Annual Research Achievements |
本研究では、ディプラーニングを用いて、インプラント体のメーカーや種類を判別させるためのシステムを構築することを目的とした。ディプラーニングによる画像識別を行うためには、一つの対象物に対し数百枚の画像が必要であるが、各インプラント毎に数百のレントゲン画像を集めることは、極めて難しい。そのため、インプラント体のSTLデータで構築した三次元データから二次元画像を構築する方法を考案した。
方法として、Straumann 社製の 3 種類のインプラントシステム BL(ボーンレベル + パラレルウォール)、BLT(ボーンレベル + 先端 がテーパータイプ)、TL(ティッシュレベル)において、直径、長さの異なる 83 個の STL データをレンダリングシステム Mitsuba 2 に入力した。3 種類のインプラントシステムについて、各 22,896 枚、計 68,688 枚の人工デンタルX線画像を生成したのち、トレーニングデータセット(n=61,819, 90%)をLeNet、Midsize、および Google Inception v3 に学習させた。その結果、Google Inception が最も識別精度が高く、識別時間が短かった。
そこで本年度は、BL、BLT、およびTL 3つのインプラントシステムのいずれかを含む295枚のX線写真を収集後、Google Inception v3、および、大阪大学歯学部附属病院口腔補綴科所属のインプラント埋入経験1年、5年、6年の歯科医師3名に識別させ、比較した。 その結果、Google Inception v3と歯科医師3名の識別精度および識別時間はそれぞれ、92.5%、0.02秒、98.3%、1.98秒、99.3%、1.42秒、98.6%、および1.56秒であった。識別精度は歯科医師の方が高かったが、識別時間はGoogle Inception v3が最も早かった。加えて、アブレーションスタディにおいて、この３種類のインプラントシステムの識別では、トレーニング画像の数は61,819で十分であることが示された。
|
Research Products
(3 results)
-
-
[Presentation] An automatic implant identification system using deep learning with artificial X-ray images generated fron STL dat2022
Author(s)
Wang Z, Wakabayashi K, Nakano T, Nishiyama T, Tanaka M, Ji F, Namikawa M, Tamiya S, Kudo H, Nakashima Y, Li C, Nagahara H, Ishigaki S
Organizer
International Dental Materials Congress 2022
-
