2022 Fiscal Year Research-status Report
部分床義歯の支台歯の部位と支台装置の種類の自動選択システムの開発
| Project/Area Number |
22K10098
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
権田 知也 大阪大学, 歯学部附属病院, 講師 (30324792)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
豆野 智昭 大阪大学, 大学院歯学研究科, 助教 (50845922)
高橋 利士 大阪大学, 歯学部附属病院, 講師 (70610864)
濱田 匠 大阪大学, 歯学部附属病院, 医員 (70908681)
村瀬 晃平 大阪大学, 大学院基礎工学研究科, 特任教授(常勤) (80298934)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 部分床義歯の設計 / 支台歯 / 予測モデル / 人工知能 |
|---|
| Outline of Annual Research Achievements |
われわれはこれまで，患者の情報を与えると自動で部分床義歯の設計をするシステムの開発を進めてきたが，その中で本研究は，部分床義歯の支台歯の部位と支台装置の種類を自動で選択するシステムを人工知能（AI）を用いて開発すること目指す．まず初年度は，支台歯の部位を自動で選択するシステムの開発を目標とした．
大阪大学歯学部附属病院咀嚼補綴科にて，2003年4月～2022年12月の間に日本補綴歯科学会専門医が設計し装着した部分床義歯のうち252床（上顎:127床，下顎:125床）の設計データを使用し，歯の欠損部位から，部分床義歯の支台歯を深層学習により予測するモデル（以後，予測モデルとする）を作成した．
上記の義歯設計データをランダムに2つのデータセット（学習用201床，テスト用51床）に分類した．予測モデルの実装にはPython 3とKerasライブラリを使用し，バックエンドにはTensorFlowを使用した．すべての学習はGoogle Colaboratory環境下（GPUあり）で行ない，予測モデルのハイパーパラメータのチューニングにはKeras Tunerを用いた．
その結果，accuracy, loss, validation_accuracy, validation_lossはそれぞれ0.98，0.04，0.94，0.21となった．また，上記予測モデルを用いて予測した義歯の支台歯の部位は76.5％の義歯で一致した．以上のことから，深層学習により支台歯の部位を予測できる可能性が示された．
また，部分床義歯の設計データを記録，収集し，データを集積している．さらに，日本補綴歯科学会や日本老年歯科医学会，日本口腔インプラント学会などに参加し，情報収集を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
昨年度は，予測の可能性を探る準備期間であり，症例数に限りがあるものの，支台歯部位の予測の可能性を示すことができたと思われる．
また，義歯の設計について，データの収集と蓄積を進めており，予定通りの進行と思われる．さらに，各学会での情報収集については，非常に有意義で有り，様々な情報や意見交換を行うことができた．
|
| Strategy for Future Research Activity |
昨年度の本研究ではデータ数が少なかったため上下顎を分けずに予測モデルを作成したが，今後はデータ数をさらに増やし，予測精度を上げるとともに，上下顎別の予測モデルや，支台歯の位置だけでなく維持装置の種類を予測するモデルを作成予定である．また，情報収集のためとこれまでの成果発表のため国内外の学会参加をするとともに，英文論文作成を進める．
|
| Causes of Carryover |
ほぼ予定通り予算を使用できたものと考えている．次年度使用額は物品費として活用を検討している．
|
