• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2018 年度 実施状況報告書

人工知能(AI)を利用した顎顔面の成長予測技術の開発

研究課題

研究課題/領域番号 18K09856
研究機関長崎大学

研究代表者

古賀 義之  長崎大学, 病院(歯学系), 講師 (50175329)

研究分担者 吉田 教明  長崎大学, 医歯薬学総合研究科(歯学系), 教授 (40230750)
濱中 僚  長崎大学, 医歯薬学総合研究科(歯学系), 助教 (70805986)
研究期間 (年度) 2018-04-01 – 2021-03-31
キーワード成長予測 / ディープラーニング / 人工知能 / 畳み込みニューラルネット / Spatial transformer
研究実績の概要

本研究の目的は近年急速に発達している人工知能技術の一つであるディープラーニング(多層畳み込みニューラルネットを用いた機械学習) を用いる事で、従来の方法より高い精度で顎顔面の成長量と成長方向を予測する事である。画像を直接学習データとして使用することで、従来の方法では切り捨てられていたX線画像の微妙な濃淡などの細かな情報を全て利用することが可能となり、予測精度の向上が期待できる。
当該年度は畳み込みニューラルネットの実装と、電子カルテシステムから出力した学習用データを用いてニューラルネットの学習を行った。畳み込みニューラルネットには顎骨の成長による変形を予測する構造を組み込んだ。学習用データには頭部を基準に重ね合わせを行った約500人の成長前後のX線画像を使用した。これを用いてニューラルネットの学習を行い、人工的に成長前の画像を参考に成長後のX線画像が生成できることを確認した。学習後のネットワークにテストとして成長期の患者のX線画像を入力すると、下顔面が前下方に成長したX線画像が出力された。一方で成人の患者のX線画像を入力すると、入力画像から殆ど変化が無い画像が成長後の画像として出力された。現在のところ人工知能により生成される画像がやや不鮮明であるものの、この結果から学習済みの人工知能がX線画像から自動的に顎顔面の成長に関わる情報を抽出し、将来の成長量や方向を予測することが可能であることが示唆された。

現在までの達成度 (区分)
現在までの達成度 (区分)

3: やや遅れている

理由

本研究を行うに当たっては、大量の患者データを電子カルテから出力する必要があるが、電子カルテシステムがそのような大量のデータの出力を想定しておらず、一括して出力することが不可能であった。その為1件ずつ画像情報を記録用電子メディアに出力することとなったが、マンパワーや出力用機器が旧式であるといった問題があり、放射線科から一日の出力件数を制限されるなど、想定外の部分がボトルネックとなった。

今後の研究の推進方策

現状では人工知能により生成される画像はやや不鮮明で、そのままでは画像のトレースやランドマークのプロットなどの定量化が難しい状態である。定量化可能な程度に鮮明な画像を得るため、近年考案されたGenerative adversarial networksなどの手法の導入を行う。鮮明な画像が得られるようになった時点で人工的に生成された画像と実際の画像で比較を行い、予測精度の評価を行う。

  • 研究成果

    (1件)

すべて 2018

すべて 雑誌論文 (1件) (うち査読あり 1件)

  • [雑誌論文] 細径ワイヤーを用いた固定式保定装置の作成と長期安定性2018

    • 著者名/発表者名
      古賀義之,森田幸子,安田豪,吉田教明
    • 雑誌名

      九州矯正歯科学会雑誌

      巻: 1 ページ: 1-8

    • 査読あり

URL: 

公開日: 2019-12-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi