| 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 – 2023-03-31
|
| キーワード | 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 / 生成モデル |
|---|
| 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。従来の方法ではX線画像上にランドマークとなる点を人力でプロットしてから解析を行っていたのに対して、画像を直接学習データとして使用することで、今まで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。
これまでの成果として、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済みである。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。このこと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。
当初は予測画像を直接生成することを目標としていたが、画像を直接予測することは先鋭度の面から臨床利用が困難であると考えられたことから、昨年度はトレースを用いずに変化を評価する方法について検討を行った。しかしながら、視覚的な変化と一致した評価方法を得るに至らなかったため、今年度はより複雑なGrid generatorを用いて画像の変形を予測する方法が利用できるか検討を行った。
|
| 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
昨年までで検討していた、相互情報量を用いた定量化では実際の臨床的な成長量を定量化できるに至らなかったため、これまでのニューラルネットの構造を一新し、新たに画像の変形を予測するネットワークの構築を行ったため、遅れが生じている。
また、これまで使用していたディープラーニングのフレームワークChainerが開発終了となったため、フレームワークをPyTorchに移行した。これに伴う過去のソフトウェア資産の移行にも時間を要した。
|
| 今後の研究の推進方策 |
これまでの研究で画像を直接出力する方法では、人工的に生成した画像上でトレースが可能なほどの鮮明度を得ることは困難であったこと、トレースを用いない方法での評価で視覚的な変化と一致するものが得られなかったことから、画像の変形を予測するネットワークの構造の検討を中心に行う。
|
| 次年度使用額が生じた理由 |
当初の研究計画では，国内外の学会への参加や研究打ち合わせ等に多くの旅費を計上していたが，コロナ感染症の影響で移動が困難となった．また解析用ワークステーションの保守経費を計上していたが、部品の故障等の大きな問題が発生しなかったため次年度使用額が生じた．今回繰り越す額は，次年度に成果発表や消耗品の経費として使用予定である．
|
