自己組織化マップによる顎矯正手術計画の解析と計画支援システムの開発

2001 Fiscal Year Annual Research Report

• Project/Area Number: 13672181
• Research Institution: Fukuoka College of Health Sciences
• Principal Investigator: 升井 一朗 福岡医療短期大学, 歯科衛生学科, 教授 (50131884)
• Co-Investigator(Kenkyū-buntansha): 神酒 勤 九州工業大学, 大学院・生命体工学研究科, 助教授 (20231607) ; 山川 烈 九州工業大学, 大学院・生命体工学研究科, 教授 (00005547)
• Keywords: 外科的矯正治療 / 顎矯正手術 / 症型分類 / 自己組織化マップ / 遺伝的アルゴリズム / 手術計画支援システム

Research Abstract

本研究では、外科的矯正治療における手術計画を支援するための人工知能システムの開発を目的としている。本年度は、患者のセファロ画像から特徴量を抽出し、それに基づいた症型分類を自己組織化マップと遺伝的アルゴリズムを融合した手法で実現した。
自己組織化マップは、入力されるデータ集合をそれらの類似度に応じて2次元のマップ上に写像するニューラルネットワークである。この特徴を利用して自己組織化マップをパターン分類へ応用した研究が数多く報告されている。しかしながら、自己組織化マップで考慮される類似度は主にユークリッド距離測度に基づいているので、抽出した特徴量に不必要なものが含まれている場合、適当な分類が実現されないという問題点がある。これに対し、エキスパートは、入力データに含まれる各要素に対して重み付けを行い、適当な分類を実現していると考えられる。本研究では、重み付きユークリッド距離測度に基づく自己組織化マップを提案した。各要素に対する適当な重み付け係数を決定するために、最適化問題への応用が注目されている遺伝的アルゴリズムを採用した。自己組織化マップの重み付け係数と分類結果を、それぞれ遺伝的アルゴリズムの個体と適応度に対応させることで、エキスパートと同様の分類を行うことが可能である。この手法を第14回バイオメディカル・ファジィ・システム学会年次大会において発表した。また、エキスパートは多くのクラスの分類を行う際、始めはおおまかに、徐々に細かく分類を行っていると考えられる。エキスパートの分類過程をより忠実に実現するために、重み付きユークリッド距離に基づく自己組織化マップを多段に配置する構成も提案した。提案した分類手法を、顎変形症患者の分類に適用したところ、90%以上の正解率を得ることができた。この結果を第3回自己組織化マップ研究会で発表予定である。