| 研究課題/領域番号 |
20K10250
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
岡村 和俊 九州大学, 歯学研究院, 助教 (20346802)
|
|---|
| 研究分担者 |
吉浦 一紀 九州大学, 歯学研究院, 教授 (20210643)
山本 貴弘 福岡工業大学, 情報工学部, 講師 (20341464)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 口内法X線撮影実習 / 自動評価 |
|---|
| 研究実績の概要 |
学生による模型を対象とした口内法撮影実習評価の自動化を目的とする研究であり、最終的にはいずれの歯も対象とする予定ではあるものの、まずは一部のみを撮影、評価対象とした取り組みを行った。
人骨模型（RINN Inc.)の右側上顎第一大臼歯を対象に、口内法X線発生装置とイメージングプレート(IP)の組み合わせで、様々な位置付けで撮影を行った。これらをIP裏表、IP上下、中心線位置、IP位置、垂直的角度、水平方向角度、IP向き、近遠心的位置の8項目を2～5段階に分類分けを行い、タグ付けを行った。
自動評価システムは、撮影画像の特徴抽出のための前処理とDeep Learningによる評価基準の認識処理から構成される。まず、撮影画像において歯や歯茎の位置を認識しやすくするために、三値化による特徴抽出を行なった。次に、評価項目ごとにCNN（畳み込みニューラルネットワーク）学習モデルを用意し、三値化した画像を入力してそれぞれの評価基準を認識（分類）する処理を実行した。CNN学習モデルとしてVGG16を採用した。撮影した画像を一部処理により増やし、509画像を訓練用約8割、検証用約0.6割に分けて学習させ、テスト用として約1.4割を用いてモデルの認識精度を検証した。
IPの裏表やマーカーを基準とした上下の認識は比較的高い認識精度を示したが、深すぎたり浅すぎたりといったIP位置など認識精度が8割を下回った。三値化による特徴抽出の限界もあるが、元々の評価が定量的ではない点も影響していると考えられた。
|
| 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
初年度研究分担者との間で直接の相談ができなかった遅れが影響しているが、それ以上の遅れは生じていない。
|
| 今後の研究の推進方策 |
対象画像が少ない点が影響しているので、画像の追加を行う。
また、画像処理による特徴抽出とDeep Learningによる学習・認識方法を再検討し，モデルの認識精度を高めたいと考えている。
また、他部位画像を同様に行い、その部位に応じた評価を行う予定である。
|
| 次年度使用額が生じた理由 |
研究の進捗が半年から1年ずれこんだため。
|
