Improvement of periodontal tissue judgment with the compound eyes imaging system using deep learning

点击翻译按钮获取中文摘要

本年度は，計測した反射率から歯肉厚を推定するために，モンテカルロシュミレーションのための2層の歯肉モデルを作成した．それぞれの層について妥当な範囲で総ヘモグロビン量，組織酸素飽和度，パワー則に従った換算散乱係数を想定して，モンテカルロシミュレーションによりデータセットを作成した．これを用いて3層ニューラルネットワーク（NN）を学習し，歯肉厚を出力するNNを作成し，被験者実験により得られた反射率データの分布との比較を行い，付着歯肉部でのデータの有効性を確認した．モンテカルロシミュレーションにより2層の歯肉モデルを作成して，4つの波470nm, 660nm,730nm, 850nmに対する反射率のデータセットを作成した．これを用いて入力層のノード数4，中間層のノード数10，出力層のノード数1とした3層ニューラルネットワーク(NN)を学習し，1層目（歯肉）の厚みを出力するNNを作成した．2名の被験者実験により得た実測データの反射率画像からNNにより歯肉厚の分布を推定し,歯肉厚の正解データはX線CTから読み取った．比較の結果，歯槽粘膜部分は誤差が大きくなったが，付着歯肉については歯肉0.24mmRMSEの精度で良く推定されていた．被験者実験により得られた反射率データの分布を吟味したところ，付着歯肉と歯槽粘膜で，データが明らかに異なる分布を示していることが分かった．歯槽粘膜部での誤差が大きくなったのは，血液が豊富な歯槽骨が第2層にあるため，想定した2層モデルと実際の生体組織が異なることが原因と考えられる．