| 研究課題/領域番号 |
19K10244
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
山口 哲 大阪大学, 歯学研究科, 准教授 (30397773)
|
|---|
| 研究分担者 |
今里 聡 大阪大学, 歯学研究科, 教授 (80243244)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 人工知能 / 機械学習 / CAD/CAMコンポジットレジン冠 / 修復材料 / 長期耐久性 |
|---|
| 研究実績の概要 |
本研究では，国内で入手可能な全てのCAD/CAM冠用コンポジットレジンの組成と疲労試験により得られるデータを用いて，現在臨床応用されている材料よりもはるかに高い長期耐久性を達成できる理想的な組成を人工知能（Artificial Intelligence: AI）の中でも特に機械学習を用いて明らかにすることを目的とした．研究実施計画に基づき，段階的に研究を遂行した結果，本年度は，市販されている11種のCAD/CAM冠用コンポジットレジンを対象とした学習モデルの基盤構築に成功した．
1. CAD/CAM冠用コンポジットレジンを構成するフィラーとモノマーの組成，フィラー含有率を学習用の入力データとした．該当するフィラーやモノマーを含有する場合は「1」，そうでない場合は「0」とすることで文字列を数値として扱えるようにした．
2. 線形回帰，Ridge回帰，Lasso回帰，ランダムフォレスト回帰，サポートベクター回帰を用いて，作製した入力データをもとに学習モデルを構築するためのPythonプログラムを構築し実装に成功した．
3. 曲げ強さを出力とする学習モデルを試行的に構築し，約69万通りの全ての組成の組み合わせを用いて曲げ強さを予測することで，曲げ強さの向上に寄与している主な要因がフィラー含有量であることを突き止め，これまでに報告されている傾向と合致していることを確認するとともに構築した学習モデルの有用性が高いことを実証した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初の計画では，市販されている5種のCAD/CAM冠用コンポジットレジンを用いる予定であったが，申請時から新たに販売された製品も加えて合計で11種の市販品の材料組成から学習用の入力データを作製できた．以上より，当初の計画どおり学習モデルの基盤を構築することに成功した．
|
| 今後の研究の推進方策 |
作製した入力データの全ての組み合わせは約69万通り存在する．全ての材料組成の組み合わせから最適な組み合わせを選択することも可能だが，計算を実行するために多大なコンピュータ資源を必要とする．そこで，少量のデータから特徴量を抽出することが可能なスパースモデリングを用いて，事前に寄与率の高いものを特定し，効率的に最適な組み合わせを探索する方法を確立する．
|
| 次年度使用額が生じた理由 |
（理由）
当初の計画では，成果発表として第75回日本歯科理工学会学術講演会と98th IADRに出席する予定であったが，新型コロナウイルスの影響で中止となったために，国内/外国旅費ともに大幅な変更が生じたため．
（使用計画）
次年度は，引き続き国内外の学会での発表を計画しつつ，上記の影響を受けない英語論文の執筆に重点を置き，論文投稿費や英文校正費として利用することを予定している．
|
