| 研究課題/領域番号 |
19K10417
|
|---|
| 研究機関 | 福岡歯科大学 |
|---|
研究代表者 |
玉置 幸雄 福岡歯科大学, 口腔歯学部, 教授 (40369046)
|
|---|
| 研究分担者 |
堀尾 恵一 九州工業大学, 大学院生命体工学研究科, 教授 (70363413)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| キーワード | AI / 自己組織化マップ / 顎顔面形態 / 骨格性下顎前突 / 診断支援システム |
|---|
| 研究実績の概要 |
本研究では、個成長や顎顔面形態の個体差を考慮した矯正診断を行うため、AIを用いた症例の類似パターンの抽出と治療結果予測を行うことを目的とする。本年度は、第一段階として、正面頭部エックス線規格写真および側面頭部エックス線規格写真を資料とし、AIの演算アルゴリズムを用いたパターン分類を行った。
AIによる症例の学習アルゴリズムの構築：まず、治療結果が判明している既存の症例をAIに学習させた。AIは自己組織化マップをベースとし、AIの反復学習機能を使い、学習に用いる症例群の顎顔面形態として正面頭部エックス線規格写真画像上の計測点のデータ群（55点、110次元）を62名について取得した。これらのデータ群を、AIの記憶マップに反復学習（10万回の学習）させ、4つの計算ユニット（U）に演算結果を視覚的に抽出した。その結果、U1は上顎臼歯部、下顎臼歯部と前歯部、下顎枝から下顎下縁までのx座標に有意差がみられ、U2には前頭頬骨縫合部、鼻孔外縁、上顎歯槽基底、上下顎臼歯と前歯、下顎下縁のx座標および上下顎臼歯部と下顎角のy座標に有意差がみられ、U3には臼歯部のx座標のみに有意差がみられ、U4には鼻孔外縁、前歯部、臼歯部、下顎下縁のx座標に有意差がみられた。つまりAIで抽出された４つのパターンについて、U1は下顎骨が水平的に偏位し上顎の偏位側のみに臼歯部デンタルコンペンセーションがみられるパターン、U2には上顎骨の非対称と下顎角部の高さの違いを伴う下顎骨の非対称および歯槽基底部を含む臼歯部のデンタルコンペンセーションがみられるパターン、U3には軽度な非対称で臼歯部のデンタルコンペンセーションのみがみられるパターン、U4には下顎骨の水平的に偏位し前歯部および臼歯部の歯性偏位と鼻孔付近の非対称を有するパターンが抽出されたものと考えられた。これらの成果について、国内学会で２回発表することができた。
|
| 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
本研究では、顎顔面形態のAIによるパターン認識が必要である。これについて、画像データから特徴点を介してパターン抽出する必要があるが、AIの学習プログラムの構築に時間が多くかかり、正面セファログラムの形態分類についての先行研究が少ないため、情報収集に時間が必要となった。また、学習結果の視覚化ツールの作成も必要であり、作成とツールの動作検証に多くの時間が必要であった。
AIのプログラムについては、自己組織化アルゴリズムをもとにC言語で構築したもの、pythonによるアルゴリズム構築を行い２つの方法を比較したが、今年度は使用実績のあるC言語による学習システム構築を優先したため、学会発表まで行うことができた。このため、AIによるパター認識のアルゴリズム作成については想定以上に推移したものと考えられる。
一方、症例数について、AIのプログラムのテストのための資料採得が中心となり、62名を試験的にAIのデータとして用い反復学習を行った。本研究での予定例数は300以上であるため、2020年度は収集をさらに強化する必要がある。また、顔の３次元情報収集のためのツールを購入し、操作の習熟と条件出しとを行っている。
これらを総合的に判断すると、AIのプログラミングの関連を中心に、おおむね順調に進展したと考えられる。
|
| 今後の研究の推進方策 |
学習アルゴリズムの構築と学習結果の視覚化については、予想されたプログラミングの問題を克服できたため、今後は正面セファログラムの例数を250程度に増やし、側面セファログラムのデータと合わせて再学習を行う。演算ユニット数についても、詳細な形態分類を可能とするため20×20ユニットで規模を大きくする。演算ユニット数については、いくつかのパターンを検証する必要があるため、同じ学習データを用いて10×10、15×15を検討し、学習パターンの細分化の状態と最適なユニット数を比較検討する。次に、歯列模型の３次元形状を側面セファログラムへ直接合成、あるいは、座標点の数値データをセファログラムの座標データに組み合わせることを検討する。３次元スキャンは精度とスキャンスピードが相反するため、ステレオ撮影を基に３次元化するスキャナーを用いる。また、異なる計測座標系の異なるデータをソフトウェア上で合成するため、今後、効率的な合成方法を検討する必要がある。これらの技術的な点に配慮し、診断支援システムの核となる初診時の顎顔面データ全体の特徴をAIでマッピングする。
最終的には、マッピングされた初診時の顎顔面形態を基に、AIの学習に用いていない外部症例をあてはめ、パターン認識結果の一致率を検討する。
|
| 次年度使用額が生じた理由 |
本年度はAIの学習アルゴリズムの構築をメインとしたため、AIの演算用のPCを購入したが、歯列模型の３次元データ取得のための機器について、最新のものを購入することでスキャン精度とスキャンスピードを両立する必要があり、３次元処理のソフトウェアも年々進化するため、ソフトウェアは当該年度の購入としなかった。これにより、模型の３次元スキャンやデータの合成をより早く正確に行うことが可能になる。また、ソフトウェア更新の費用も1年分圧縮することが可能であると判断し、次年度使用額とした。
使用計画として、本年度購入した３次元計測器ソフトウエァの上位互換バージョンを購入する予定としている。
|
