AIによる撮影技能自動評価に向けた口内法エックス線画像評価システムの開発

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、前年度に引き続き特定の歯牙を対象として、撮影したX線画像を自動評価するシステムを作成した。前年度の自動評価システムでは、畳み込みニューラルネットワーク（CNN）のモデルの一つであるVGG16を用い、評価項目ごとにモデルを用意して自動評価していたためが、手間や時間がかかるなど実用性に欠けることが問題点として挙げられていた。今回は、自動評価モデルをVGG16からVision Transformer（ViT）に変更することで評価結果の精度の向上を図るとともに、マルチ分類タスクの構造にモデルを変更することで一つのモデルですべての評価項目を評価するように改良を図った。ViTとVGGを使用した学習の比較を行い，項目ごとでは5項目においてVGGの精度を上回り、全評価項目の精度の平均としてViTを使用した学習結果の方が高かった結果から，前年度より精度の向上を図ることができたといえる。項目ごとに見ると、IP裏表、中心線位置、IP上下は95%を超えたのに対し、垂直的角度、水平的角度では90%を下回り、IP位置は82.1%という結果であった。これらの結果は、評価項目自体の困難さもあると思うが、不適切設定として用意できた画像が少なかったことが一番の要因と考えられた。今後はより訓練用の不適切画像を用意するとともに、画像の幾何学的変換等を用いることでデータ拡張を行い訓練用の画像枚数を増やして学習させることを考えたい。

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、前年度に引き続き特定の歯牙を対象として、撮影したX線画像を自動評価するシステムを作成した。前年度の自動評価システムでは、畳み込みニューラルネットワーク（CNN）のモデルの一つであるVGG16を用い、評価項目ごとにモデルを用意して自動評価していたためが、手間や時間がかかるなど実用性に欠けることが問題点として挙げられていた。今回は、自動評価モデルをVGG16からVision Transformer（ViT）に変更することで評価結果の精度の向上を図るとともに、マルチ分類タスクの構造にモデルを変更することで一つのモデルですべての評価項目を評価するように改良を図った。ViTとVGGを使用した学習の比較を行い，項目ごとでは5項目においてVGGの精度を上回り、全評価項目の精度の平均としてViTを使用した学習結果の方が高かった結果から，前年度より精度の向上を図ることができたといえる。項目ごとに見ると、IP裏表、中心線位置、IP上下は95%を超えたのに対し、垂直的角度、水平的角度では90%を下回り、IP位置は82.1%という結果であった。これらの結果は、評価項目自体の困難さもあると思うが、不適切設定として用意できた画像が少なかったことが一番の要因と考えられた。今後はより訓練用の不適切画像を用意するとともに、画像の幾何学的変換等を用いることでデータ拡張を行い訓練用の画像枚数を増やして学習させることを考えたい。