|
本研究は咬合支持域数に対応した咀嚼機能において畳み込みネットワーク｛Convolutional Neural Network（CNN）｝を利用した画像解析を行い，『咬合支持域数に対応した咀嚼機能評価モデルの作成』と『AIによる評価モデルで得られた特徴を再現した口腔シミュレーターの開発』を目的としたものである．
本年度は北海道医療大学の学生，臨床研修医，患者を対象にモーションビジトレーナー（GC），Bitescan（SHARP），咀嚼能力判定試験（グルコラム，GC），咬合圧検査（デンタルプレスケール，GC），オーラルディアドコキネシスをサンプリングし，CNN解析に適した画像データの選択ならびに画像データに紐づける咀嚼機能を検討した．
調査対象者は41名であり，咀嚼機能正常群は16名（男性11名，女性5名，平均年齢25.0±5.0歳，下顎運動経路画像22），咀嚼機能低下群は25名（男性14名，女性11名，平均年齢41.0±21.7歳，下顎運動経路画像33）であった．群間比較において咀嚼機能低下群は咀嚼機能正常群に比べ，有意に高齢で残存歯数が少なかった（p <0.05）．一方で，性別，オーラルディアドコキネシスは統計学的有意差を認めなかったことから，咬合圧検査と咀嚼能力検査はオーラルディアドコキネシスの結果と独立である可能性が考えられる.
そのため，画像と紐づける咀嚼機能は咀嚼機能判定試験および咬合圧検査の結果を採用することとした．
現在までに得られた画像データによるCNN解析による解析モデルで得られた学習曲線は不明瞭であった．これは，学習サンプル数の過少によるものであると考えられる．現段階でのCNN解析では咀嚼機能評価に基づく下顎運動経路スクリーニングモデルの作成は困難であるため，引き続き学習サンプル数を増やしていくことで，スクリーニングモデルを作成していく予定である．
|
