多元歯形状データベースに基づくAIベース歯科治療支援システムの開発
| Project/Area Number |
23K24871
|
|---|
| Project/Area Number (Other) |
22H03615 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | Kumamoto University (2023-2024)
Okayama University (2022) |
|---|
Principal Investigator |
諸岡 健一 熊本大学, 大学院先端科学研究部(工), 教授 (80323806)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
上岡 寛 岡山大学, 医歯薬学域, 教授 (80253219)
宮内 翔子 九州大学, システム情報科学研究院, 助教 (40828555)
河野 加奈 岡山大学, 医歯薬学域, 助教 (40780862)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2024: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
Fiscal Year 2022: ¥7,020,000 (Direct Cost: ¥5,400,000、Indirect Cost: ¥1,620,000)
|
|---|
| Keywords | 歯科治療支援 / 多元歯データベース / マルチスケール・マルチフィジックス実時間解析 / 多元歯形状データベース |
|---|
| Outline of Research at the Start |
歯科治療の効果・確実性の飛躍的な向上を目指し，申請者が有する実時間有限要素解析システム(neuroFEM)と，3,000人以上からなる歯列の3次元形状データベースを融合することで，患者の3次元歯列形状データから，その歯の様態に適切なオーダーメイド矯正治療計画を提示する，次世代の歯科治療支援システムの開発を目的とする．
|
| Outline of Annual Research Achievements |
当該研究は，歯科治療の効果・確実性の飛躍的な向上を目指し， 申請者が有する実時間有限要素解析システム(neuroFEM) と，3,000 人以上からなる歯列の3次元 形状データベースを融合することで，患者の3 次元歯列形状データから，その歯の様態に適切なオーダーメイド矯正治療計画を提示する，次世代の歯科治療支援 システムの開発を目的とする.
2022年度では，3,000人以上の歯列形状モデルを使って，任意の本数の歯からなる歯列形状データから，個々の歯を自動的に抽出する手法について研究を行っていた．この方法では，既存の歯抽出システムであるMeshSNetを使って，歯列形状モデルから個々の歯領域を抽出する．しかし，MeshSNetで領域抽出精度が悪い場合，提案システムでもその精度向は困難であった．また，MeshSNetは上下歯列がそれぞれ14個から構成されていることが前提である．しかし，歯が抜ける，あるいは親知らずが生えるなど，必ずしも歯列が14個から構成されているとは限らず，この場合MeshSNetの領域抽出精度は劣化する．
そこで，2023年度ではこの問題点を解決し，歯列からの歯領域抽出精度の向上を図った．具体的には，まず，2022年度で開発したシステムを使って歯の候補領域を抽出する．この候補領域は，他の歯のデータを含んでいたり，欠損部を含む場合がある．そこで，各歯の統計的形状モデル（Statistical Shape Model:SSM）に基づいて，候補領域よりデータを選別したり，候補領域に含まれていないデータを歯列データから検出する．開発したシステムにより，歯の抽出精度を向上できただけでなく，任意の本数の歯からなる歯列形状データから，個々の歯を自動的に抽出することを実現した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「研究実績の概要」で述べたように，歯列形状データから，個々の歯を自動的に抽出するシステムの基本的な処理は開発し，その精度は歯科治療支援に対し十分 である.したがって，本研究はおおむね順調に進展している.
|
| Strategy for Future Research Activity |
2023年度は，歯の矯正治療における歯の移動を推定する，マルチスケール・マルチフィジックス実時間解析システム Deep multi scale - multi physics analysis （DeepMSMP）の要素技術を開発しており，その研究を2024年度でも進める．
|
Report
(2 results)
Research Products
(4 results)
