| 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 – 2024-03-31
|
| 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。さらに学習後のネットワークに成長期の患者の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。
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。
この方法を利用することで、これまでよりもさらに詳細な画像の生成が可能となり、臨床応用への有効性が高くなったと言える。
|
| 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
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との間に、予測差が生じたため、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、一昨年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。これに伴い昨年のソフトウェア修正と再構築に時間を要している。
|
| 今後の研究の推進方策 |
これまでに構築した方法を、臨床症例に応用し、より高い精度での成長予測について検討を行う。
|
| 次年度使用額が生じた理由 |
当初の研究計画では、旅費を計上していたが、移動制限がまだ残っていて学会発表等に影響があった。またデータ管理システムを再構築のための経費を計上していたが、比較的安価に構築でき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。
|
