人工知能(AI)を利用した顎顔面の成長予測技術の開発

本研究の目的は近年急速に発達している人工知能技術の一つであるディープラーニング（多層畳み込みニューラルネットを用いた機械学習）を用いる事で、従来の方法より高い精度で顎顔面の成長量と成長方向を予測する事である。従来の方法ではX線画像上にランドマークとなる点を人力でプロットしてから解析を行っていたのに対して、画像を直接学習データとして使用することで、今まで切り捨てられていたX線画像の微妙な濃淡などの細かな情報を全て利用することが可能となり、予測精度の向上が期待できる。これまでの成果として、人工的に成長前の画像を参考に成長後のX線画像が生成できることを確認済みである。さらに学習後のネットワークに成長期の患者のX線画像を入力すると、下顔面が前下方に成長したX線画像が出力された。一方で成人の患者のX線画像を入力すると、入力画像から殆ど変化が無い画像が成長後の画像として出力された。当初は予測画像を直接生成することを目標としていたが、画像を直接予測することは先鋭度の面から臨床利用が困難であると考えられたことから、昨年度はより複雑なGrid generatorを用いて画像の変形を予測する方法が利用できるか検討を行った。この方法を利用することで、これまでよりもさらに詳細な画像の生成が可能となり、臨床応用への有効性が高くなったと言える。

本研究の目的は近年急速に発達している人工知能技術の一つであるディープラーニング（多層畳み込みニューラルネットを用いた機械学習）を用いる事で、従来の方法より高い精度で顎顔面の成長量と成長方向を予測する事である。従来の方法ではX線画像上にランドマークとなる点を人力でプロットしてから解析を行っていたのに対して、画像を直接学習データとして使用することで、今まで切り捨てられていたX線画像の微妙な濃淡などの細かな情報を全て利用することが可能となり、予測精度の向上が期待できる。これまでの成果として、人工的に成長前の画像を参考に成長後のX線画像が生成できることを確認済みである。さらに学習後のネットワークに成長期の患者のX線画像を入力すると、下顔面が前下方に成長したX線画像が出力された。一方で成人の患者のX線画像を入力すると、入力画像から殆ど変化が無い画像が成長後の画像として出力された。当初は予測画像を直接生成することを目標としていたが、画像を直接予測することは先鋭度の面から臨床利用が困難であると考えられたことから、昨年度はより複雑なGrid generatorを用いて画像の変形を予測する方法が利用できるか検討を行った。この方法を利用することで、これまでよりもさらに詳細な画像の生成が可能となり、臨床応用への有効性が高くなったと言える。