| 研究課題/領域番号 |
17K12014
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
社会系歯学
|
|---|
| 研究機関 | 長崎大学 |
|---|
研究代表者 |
丸山 陽市 長崎大学, 病院(歯学系), 講師 (50173969)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2017年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | 歯科医療管理 / 個人識別 / 深層学習 / deep learning / 口腔情報 / デンタルチャート / 大規模災害 / 身元確認 / 口腔内情報 / 歯式 / 歯科医療管理学 |
|---|
| 研究成果の概要 |
近年、大規模災害時の身元不明者に対する個人識別を行うには、口腔内情報が有効であると言われている。本研究では深層学習による個人識別の基礎的研究と歯式マトリックスの評価を行った。
口腔内画像から深層学習による歯種分類の自動認識を試み、良好な認識率が得られた。さらに、歯種分類に対する判断根拠の可視化をGradCAMで行い、ニューラルネットワークモデルで解剖学的な特徴を捉えていることが明らかになった。歯式マトリックス定義は口腔診査情報標準コード体系を採用した。しかし、このコード体系では可変長データとなるため、ニューラルネットワーク作成にはLSTM が適切であることが明らかになった。
|
| 研究成果の学術的意義や社会的意義 |
本研究では口腔情報を表現する歯式マトリックスを定義し、深層学習で形成したニューラルネットワークに歯式マトリックスをパターン認識させて個人識別を行うものである。
現在、本院のデータウェアハウスを使用して、初診登録した患者に対して歯式情報で個人識別が可能となっているが、1 歯単位の検索のために個人特定に時間を要する。本研究により高速な個人識別が可能になると予想できる。大規模データベースで歯式マトリックスのニューラルネットワークによるパターン識別で個人識別が可能になれば、高速な検索が可能となることが予測され、東日本大震災のような大規模災害時の身元確認に貢献できる意義がある。
|
