Development of artificial intelligence to generate denture design

开发人工智能生成义齿设计

• 批准号: 21K10016
• 负责人: 笛木 賢治
• 金额: $ 2.41万
• 依托单位: Tokyo Medical and Dental University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K10016/
• 关键词: 部分床義歯; 設計; 人工知能; 深層学習; ニューラルネットワーク

部分床義歯を設計する際には，歯列欠損の状態，残存歯と顎粘膜の3次元形態，支台歯の動揺度などの臨床情報に加え，異物感，患者の審美性への要望，耐久性，費用など多面的な情報も総合的に考慮する必要がある．歯科医師は，その上で，適切な支台歯を選定し，義歯の設計原則にもとづき支台装置の種類と配置，連結子の種類と走行，義歯床の大きさなどの構造因子を決定する．義歯の設計はこのような多変量情報に基づく臨床判断を要する重要なステップであり，歯科医師の経験と技量が義歯の質に大きく影響する．そこで，本研究では，部分床義歯の設計プロセスに人工知能を導入することで，歯科医師の経験と技量に依存せず適切な設計が自動的にできるシステムを開発することを目的とする．具体的には，様々な欠損型と残存歯の状態に応じて，適切な支台歯と義歯の構成要素（支台装置，連結子）を出力する予測プログラムを作成する．第一段階として，２０２１年度は義歯設計の症例情報を収集して電子化とデータベースを作成した．次に，人工知能を構築する際に使用する入力パラメータを設定するための検討を行い，上顎と下顎それぞれの大連結子の種類をアウトカムとし，欠損部位，欠損示数，歯周組織のパラメータ，欠損部顎堤の形状などを予測因子として深層学習の予測モデルを試作した．２０２２年度は，試作した予測モデルの精度の向上を行った．具体的には，モデル作成に使用した個々の症例を精査して，大連結子の予測精度を低下させている症例を抽出した．予測精度を低下させている要因とパラメータを特定し，試行錯誤的にパラメータの選別とアルゴリズムとプログラムの改良を行った．その結果，臨床的に実用レベルに達する予測精度モデルが得られた．

Some of the dental implants are designed to improve the condition of dental defects, the three-dimensional morphology of residual dental mucosa, the clinical information of abutment movement, foreign body sensation, aesthetic expectations of patients, durability, cost, and multi-faceted information integration. The dentist should select the appropriate abutment according to the design principle of the dental prosthesis, the type and configuration of the abutment device, the type and movement of the link, and the structural factors of the dental prosthesis. The design of dentistry has a great impact on the quality of dentistry due to the amount of information needed for basic clinical judgment. In this study, part of the dental design process is based on the introduction of artificial knowledge, and the dental surgeon's medical skills are dependent on the development of appropriate design processes. Specifically, in the case of a failure type and a residual tooth state, the component elements (support devices, links) of the appropriate abutment teeth are used to predict the output of the abutment teeth. The first step is to collect and create information on the case of the 2021 annual plan. Second, the artificial knowledge of the construction of the time when the use of force into the range of settings for the search, upper jaw and lower jaw are included in the large link type, the loss of parts, the loss of the number, the circumference of the organization of the range of loss, the loss of the shape of the jaw bank, the prediction factor, the deep learning of the prediction, the trial. 2022, the trial of the prediction of the accuracy of upward. Specifically, the problem of poor prediction accuracy of large links was identified by examining the symptoms of the use of large links. The prediction accuracy is low due to the selection of errors and the improvement of errors. The results of the clinical practice are accurate and accurate.