Development of Machine Learning Models for Teeth Recognition Using Intraoral Photographs

点击翻译按钮获取中文摘要

第一の課題は大量の画像を集めることであるが、我々はコンピュータグラフィクス（computer graphics, CG）を用いて口腔内を再現することで、個人情報を持たず、任意の歯牙欠損パターンを持つ疑似口腔内写真を得ることに成功した。前年度は約8万枚のCGを生成し、今年度はさらに2倍の画像を生成した。さらに今年度は、カメラの位置や傾き、光源の明るさ等の撮影条件をランダムに変化させることで歯牙欠損パターン以外でも多様性のある画像の生成を行っている。第二の課題であるAI学習そのものに関しては、前年度と比較して様々な条件で実験を行うことができた。前年度では1つのモデルを作ったのみであったが、これに対して入力画像の解像度、畳み込み層の数、バッチサイズ、エポック数、転移学習の有無などの細かい条件について精度の関連を検証した。加えてVGG16, VGG19, ResNet, MobileNet, InceptionV3, Xeption, DenseNet等（すべてImageNetでの事前学習あり）のいわゆる有名どころでも残存歯認識タスクを行った。精度は、上位モデルはほぼ100%であった。次の段階として、CGで良い精度を達成したモデルに対して、実際の患者さんから得た口腔内写真（リアルデータと呼ぶ）を与えた。補綴物（銀歯や入れ歯）の少ない症例に関しては、残存歯を正確に識別することがわかったが、虫歯や歯石等で歯に変色がある場合や、歯が一部欠けているなどCGとは大きく異なる場合では精度が著しく低下し、約20%ほどになってしまうことが明らかになった。私たちはさらに発展的な内容で研究資金を獲得することができたため、本研究内容を基盤とした挑戦を次年度以降も継続していき、リアルデータにおいてもより高い精度で歯牙を認識するモデルの開発に努める。