JP2019208831A - 歯科分析システムおよび歯科分析ｘ線システム - Google Patents

Abstract

【課題】歯科医師の判断の補助となる歯科分析システムおよび歯科分析Ｘ線システムを提供する。【解決手段】歯科パノラマＸ線画像４００から病変箇所を検出して病名を判定するディープラーニング部３４０と、ディープラーニング部３４０により特定された病変箇所および病名を歯科パノラマＸ線画像上に表示する表示部３２０と、を含む。また、ディープラーニング部３４０は、ＹＯＬＯ （ｙｏｕ ｏｎｌｙ ｌｏｏｋ ｏｎｃｅ）システムを含んでもよい。【選択図】図５

Description

本発明は、歯科分析システムおよび歯科分析Ｘ線システムに関する。

歯科医師が歯の治療または診断を行うとき、外からの目視では確認が困難な場所に病変箇所があると考えられる場合には、歯科Ｘ線撮影装置を用いて診断をすることがある。また、近年は全ての歯を一度に撮影することができる歯科パノラマＸ線画像の撮影をすることができるようになったため、目視では気がつかない隠れた病変箇所または特徴を発見することもできるようになった。

例えば、特許文献１（特開２０１８−６３７０７号公報）では、歯科パノラマＸ線画像を深層学習により歯番情報を取得し、身元確定対象者の身元確認情報を容易に得ることを可能とし、さらに、深層学習によって歯科パノラマＸ線画像から歯単体の画像を切り出し、深層学習により歯番情報を取得した上で、人手によって歯番情報の誤りを修正する画像分析システムが開示されており、容易に身元確認情報を得ることができる旨が記載されている。

また、特許文献２（特開２０１６−１９８１９７号公報）には、患部を撮像した患部画像を送信する第１端末と、第１端末から患部画像を受け取り、患部画像に対応する疾患名に関する情報を第１端末に送信するサーバと、医師による診断結果を示す疾患名に関する情報をサーバに送信する第２端末と、を備える。第１端末は、医師の診断の要否を患部画像とともにサーバに送信し、サーバは、画像解析によって患部画像に対応する疾患名を導出する画像解析部と、第１端末から医師の診断を要求された場合、患部画像を第２端末に送信する診断要求処理部と、画像解析部により導出された疾患名に関する情報および第２端末から送信された疾患名に関する情報を受け取った場合に第１端末に送信する疾患情報生成部と、を有する診断支援システムが開示されており、入力した患部情報に応じた疾患名を高い信頼性で提供できる旨が記載されている。

また、特許文献３（特開２０１５−１５４９１８号公報）には、医療映像内で病変候補を検出する病変候補検出段階と、医療映像内で解剖学的客体を検出する周辺客体検出段階と、病変候補を病変候補の位置と解剖学的客体の位置との関係情報を含む解剖学的脈絡情報に基づいて検証する病変候補検証段階と、検証結果に基づいて、病変候補のうち、偽陽性病変候補を除去する偽陽性除去段階と、を含む病変検出装置が開示されており、病変に関わる部位を適切に検出できる旨が記載されている。

特開２０１８−６３７０７号公報 特開２０１６−１９８１９７号公報 特開２０１５−１５４９１８号公報

しかし、歯科のＸ線画像から病変箇所を特定し病名の判定をすることは相当の訓練が必要であるうえ、歯科パノラマＸ線画像から得られる画像は広範囲であるため、歯科医師の負担が大きく、見落としが生じる危険性があった。
そして、特許文献１の画像分析システムは、歯科パノラマＸ線画像から歯番情報を取得するものであって、病変箇所を特定し病名の判定をすることはできなかった。また、特許文献２の診断支援システムでは、皮膚の疾患を解析するものであって、外観による目視が困難な箇所の病変箇所を特定し病名の判定をすることができなかった。また、特許文献３の病変検出装置は、胸部映像から解剖学的客体として皮膚、脂肪、線組織、筋肉、骨のうち少なくとも１つを検出するために、病変候補検出と客体検出と病変候補検証と偽陽性除去の手順を行う必要があるため、高速処理に適さないという問題があった。

そこで、本発明の主な目的は、歯科パノラマＸ線画像から病変箇所および病名の判定をすることで、歯科医師の判断の補助となる歯科分析システムおよび歯科分析Ｘ線システムを提供することである。

本発明の他の目的は、病変箇所の検出および病名の判定を高い精度で高速に行うことができる歯科分析システムおよび歯科分析Ｘ線システムを提供することである。

（１）
一局面に従う歯科分析システムは、歯科パノラマＸ線画像から病変箇所を検出して病名を判定するディープラーニング部と、ディープラーニング部により特定された病変箇所および病名を歯科パノラマＸ線画像上に表示する表示部と、を含むことを特徴とする。

ディープラーニング部（深層学習部）により歯科の病変箇所を検出し、さらに病変箇所の病名を判定させることができるので、歯科医師の判断の補助に有効利用することができる。さらに、病変箇所の検出および病名の特定に深層学習を用いることで、歯科の病変箇所の検出および病名の判定を高い精度で高速に行うことができる。

（２）
第２の発明に係る歯科分析システムは、一局面の発明に係る歯科分析システムであって、ディープラーニング部は、ＹＯＬＯ （ｙｏｕ ｏｎｌｙ ｌｏｏｋ ｏｎｃｅ）システムを含んでもよい。

歯科パノラマＸ線画像を用いて病変箇所の検出および病名の判定をするにあたりＹＯＬＯシステムを用いることにより、より高精度かつ高速の処理をすることができる。

（３）
第３の発明に係る歯科分析システムは、一局面または第２の発明に係る歯科分析システムであって、ＹＯＬＯシステムは、歯科パノラマＸ線画像の幅を１０００ピクセル以上１００００ピクセル以下とし、高さを５００ピクセル以上５０００ピクセル以下としてもよい。

これにより、病変箇所の検出および病名の判定を高い精度ですることができる。

（４）
第４の発明に係る歯科分析システムは、一局面から第３のいずれかの発明に係る歯科分析システムであって、ＹＯＬＯシステムは、畳み込み処理における歯科パノラマＸ線画像を下記式（１）の倍率Ｒとしてよい。
Ｒ≧７／ｍｉｎ（ｍｉｎＷ， ｍｉｎＨ） （１）
（式中、ｍｉｎＷおよびｍｉｎＨは歯科パノラマＸ線画像上の検出したい病変箇所を囲む矩形の幅の最小値および高さの最小値を示し、ｍｉｎ（ｍｉｎＷ， ｍｉｎＨ）はｍｉｎＷまたはｍｉｎＨのうちいずれか小さい方の値を示す。）

これにより、病変箇所の検出および病名の判定を高い精度ですることができる。

（５）
第５の発明に係る歯科分析システムは、一局面から第４のいずれかの発明に係る歯科分析システムであって、病名は、齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変からなる群より選ばれる少なくとも１種であってもよい。

これにより、ディープラーニング部は、通常判定が難しい齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変を高い精度で判定することができる。

（６）
第６の発明に係る歯科分析システムは、一局面から第５のいずれかの発明に係る歯科分析システムであって、ディープラーニング部は、検出および判定させたい病名ごとに５００種類以上１０００００種類以下の教師データを用いて学習をさせてよい。

これにより、病変箇所の検出および病名の判定を高い精度ですることができる。

（７）
第７の発明に係る歯科分析システムは、一局面から第６のいずれかの発明に係る歯科分析システムであって、ディープラーニング部は、病名の判定確率を表示部に表示してもよい。

これにより、病名の判定確率を表示できるので、歯科医師の判断の補助に有効利用することができる。

（８）
第８の発明に係る歯科分析システムは、一局面から第７のいずれかの発明に係る歯科分析システムであって、前処理部をさらに含み、前処理部は、歯科パノラマＸ線画像の鼻画像および顎画像を削除し、ディープラーニング部に削除後の歯科パノラマＸ線抽出画像を与えてよい。

これにより、ディープラーニング部は、歯および歯の周辺のみの画像に基づいて病変箇所の検出および病名の判定をすることができる。すなわち、余分な情報を削除（トリミング）することで、検出および判定の精度および速度を高めることができる。

（９）
第９の発明に係る歯科分析システムは、一局面から第８のいずれかの発明に係る歯科分析システムであって、歯科パノラマＸ線画像を複数に分割する画像分割部をさらに含んでよい。

これにより、歯科パノラマＸ線画像を複数に分割して病変箇所の検出および病名の判定をすることができるので、検出および判定の精度を高めることができる。

（１０）
第１０の発明に係る歯科分析Ｘ線システムは、請求項１から９のいずれか１項に記載の歯科分析システムと、歯科パノラマＸ線画像を撮影するＸ線装置と、を含んでもよい。

この場合、Ｘ線装置により撮影されたＸ線画像を歯科分析システムにより判定し、表示させることができる。その結果、歯科医師の判断の補助に有効利用することができる。

（１１）
第１１の発明に係る歯科分析Ｘ線システムは、第１０の発明に係る歯科分析Ｘ線システムであって、歯科パノラマＸ線画像、および請求項１から９のいずれか１項に記載の歯科分析システムの分析結果を被検者のカルテとリンクするリンク部をさらに含んでよい。

リンク部により自動的に被検者のカルテとリンクすることができるため、歯科医師による診察、治療および診療情報の管理に利用することができる。

本発明によれば、歯科医師の判断の補助となる歯科分析システムおよび歯科分析Ｘ線システムが得られる。

本発明の歯科分析Ｘ線システムの一例を示す模式図である。 撮影された歯科パノラマＸ線画像の一例を示す模式図である。 トリミングされた歯科パノラマＸ線画像の一例を示す模式図である。 分割された歯科パノラマＸ線画像の一例を示す模式図である。 歯科パノラマＸ線画像の分析結果の一例を示す模式図である。 コンピュータにおける処理の一例を示す模式図である。 ディープラーニングの一例を示す模式図である。 実施例における歯科医師による診断結果と歯科分析システムの計算結果である。

以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明においては、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。以下に、本発明を詳細に説明する。

本実施例に係る歯科分析Ｘ線システム１００は、歯科パノラマＸ線撮影装置２００と、コンピュータ３００に導入された歯科分析システムとを含む。
歯科パノラマＸ線撮影装置２００は、被検者の歯科パノラマＸ線画像４００を撮影する。コンピュータ３００は、撮影された歯科パノラマＸ線画像４００をディープラーニング部３４０で分析することで、病変箇所を検出し、その病名を判定する。コンピュータ３００で分析された結果は、表示部３２０に表示され、歯科医師の判断の補助に有効利用することができる。ディープラーニング部３４０の詳細は後述する。

本発明の歯科分析システムは、ディープラーニング部３４０の分析を行う前に、前処理部３２２および／または画像分割部３２４の処理を行ってもよい（図６）。前処理部３２２および画像分割部３２４の詳細は後述する。
さらに、歯科パノラマＸ線画像４００および分析結果４６０は、被検者のカルテとリンクしてもよい。これにより、歯科医師による診察、治療および診療情報の管理に供することができる。

（歯科パノラマＸ線撮影装置２００）
本発明に係る歯科パノラマＸ線撮影装置２００は、図１に示すように、被検者に向けてＸ線を照射するＸ線源２１２と、被検者を通過したＸ線を検出し撮影するＸ線撮影手段２１４とを有していてもよい。
Ｘ線源２１２とＸ線撮影手段２１４とは、被検者の周りを旋回しながら撮影することができるよう、対向して配設される。撮影系２１０は、Ｘ線源２１２とＸ線撮影手段２１４とを旋回可能とした旋回アーム２１６を有しており、撮影系２１０を保持しつつ旋回駆動する。このようにしてＸ線のフォーカスなどを適宜調整しながら連続的に撮影することで、被検者の歯科パノラマＸ線画像４００を得ることができる。
なお、歯科パノラマＸ線撮影装置２００は、撮影系２１０を昇降可能に配置するスライド本体部２２０を有していてもよい。また、歯科パノラマＸ線撮影装置２００は被検者の頭部の位置決めをするヘッドサポート２３０を有していてもよい。また、位置決めは、歯科パノラマＸ線撮影装置２００に固定されたマウスピースを被検者に噛ませる方法であってもよい。

（前処理部３２２）
撮影された歯科パノラマＸ線画像４００は、図２に示すように通常、歯部のほか鼻部および顎部も同時に撮影されている。
本発明では、歯部の病変箇所を検出して病名を判定することを目的としているため、図３に示すように撮影された歯科パノラマＸ線画像４００から、鼻部および顎部の画像をそれぞれ削除（トリミング）する。図６に示すように、ディープラーニング部３４０の分析の前に前処理部３２２の処理を行うことで、ディープラーニング部３４０は、歯部のみの画像に基づいて病変箇所の検出および病名の判定をすることができるため、検出および判定の精度および速度を高めることができる。なお、以下では歯部の病変箇所を検出して病名を判定する方法について説明するが、鼻部または顎部の病変箇所を検出し病名を判定してもよい。

撮影された歯科パノラマＸ線画像４００から鼻部および顎部の画像をトリミングするにあたっては、撮影された歯科パノラマＸ線画像４００から、自動的に歯部の位置を検出してトリミングを行ってもよい。また、撮影装置が変わらない場合は、中央部分の歯部の位置は大きく変動しないため、同じ大きさで一律にトリミングしてもよい。
また、撮影された歯科パノラマＸ線画像４００は、撮影環境または被検者によっては、明るさ、コントラストおよびγ値が最適でない場合がある。したがって、撮影された歯科パノラマＸ線画像４００の明るさ、コントラストおよびγ値を適宜調整してもよい。

（画像分割部３２４）
本発明では、前処理部３２２で得られたトリミングされた歯科パノラマＸ線画像４２０を適宜複数に分割してもよい。
分割の方法としては、例えば、上の歯と下の歯を１セットとした１６分割の画像を得ることができる。また、図４に示すように、切歯および犬歯と左右の臼歯とを分けて３分割の画像を得ることもできる。
図６に示すように、画像分割部３２４で分割された歯科パノラマＸ線画像４４０を用いて、分割された画像（画像４４２から画像４４６）それぞれにおいて、ディープラーニング部３４０の分析を行うことにより、病変箇所の検出精度を高め、病名の判定精度を高めることができる。
また、病変箇所が画像を分割した箇所にまたがって存在する場合がある。したがって、画像を分割する場合には、それぞれの画像は分割箇所を０．５ｍｍ以上２０ｍｍ以下の範囲で重複するようにして取得してもよい（図４の破線箇所）。これにより、分割部分にまたがって存在する病変箇所も確実に検出し病名を判定することができる。
分割された歯科パノラマＸ線画像４４０を表示部３２０に表示するにあたっては、分割された歯科パノラマＸ線画像４４０をそれぞれ独立して表示してもよいし、それぞれの画像を結合して一つの歯科パノラマＸ線画像４００として表示してもよい。

（ディープラーニング部３４０）
前処理部３２２および／または画像分割部３２４により加工された歯科パノラマＸ線画像は、コンピュータ３００のディープラーニング部３４０によって、病変箇所の検出および病名の判定が行われる。
「ディープラーニング」とは、図７に示すように多層構造のニューラルネットワーク３４２（深層ニューラルネットワーク）を用いた機械学習である。また、深層学習モデルとは、その深層ニューラルネットワークの構造を示す表現である。コンピュータ３００は、教師データ３４４を用いて、深層学習モデル（深層ニューラルネットワークの構造）の少なくとも一部の構成要素について、人手を介することなく生成し、生成された構成要素を含む深層学習モデルを出力する。
したがって、深層学習モデルは自動的に構築される。本発明では、このようにして得られたニューラルネットワーク３４２を用いて歯科パノラマＸ線画像４００の分析を行うため、従来の機械学習で行われる、領域探索、特徴抽出などの工程を必要としないため、より高速に処理をすることができる。
本発明におけるディープラーニング部３４０のアルゴリズム（情報処理装置にインストールするプログラム）は、ＹＯＬＯ （Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ）、Ｒ−ＣＮＮ （Ｒｅｇｉｏｎｓ ｗｉｔｈ ＣＮＮ ｆｅａｔｕｒｅｓ）、ＳＰＰｎｅｔ、Ｆａｓｔ Ｒ−ＣＮＮ、ＳＳＤ（Ｓｉｎｇｌｅ Ｓｈｏｔ ＭｕｌｔｉＢｏｘ Ｄｅｔｅｃｔｏｒ）、Ｕ−ＮＥＴなどを用いることができる。

本発明では、病変箇所の検出および病名の判定を行うことができる深層学習モデルの構築をするため、事前に教師データ３４４による学習を行う。
教師データ３４４として用いられる病変データは、齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変による病変画像を用いて学習をすることが好ましい。これにより、通常判定が難しい齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変を、ディープラーニングを用いて高い精度で検出し判定することができる。
ディープラーニング部３４０は、教師データ３４４による学習を多数行うことにより、深層学習モデルが自動的に構築される。したがって、病変箇所および病名を学習したディープラーニング部３４０は、画像認識などコンピュータビジョンによる一般物体検出のアルゴリズムによって、位置とカテゴリーを自動的に特定できるようになるため、歯科パノラマＸ線画像から病変箇所を検出して同時に病名を判定することができるようになる。

本発明の教師データ３４４による学習は、判定する病名ごとに５００種類以上１０００００種類以下の教師データ３４４を用いて学習し、１００００種類以上５００００種類以下の教師データ３４４を用いて学習することが好ましい。このように下限値以上の学習をすることで、病変箇所の検出および病名の判定を高精度ですることができる。一方で、上記上限値を超えると学習の効果が飽和する。

本発明におけるディープラーニング部３４０のシステム（情報処理装置にインストールするプログラム）は、ＹＯＬＯ（Ｒｅｄｍｏｎ， Ｊｏｓｅｐｈ， ｅｔ ａｌ．“ＹＯＬＯｖ３： Ａｎ Ｉｎｃｒｅｍｅｎｔａｌ Ｉｍｐｒｏｖｅｍｅｎｔ“ ａｒＸｉｖ ｐｒｅｐｒｉｎｔ ａｒＸｉｖ：１８０４．０２７６７）を用いることができる。ＹＯＬＯは、あらかじめ画像全体をグリッド分割しておき領域ごとに物体のクラス分類（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）とバウンディングボックスの計算を行い（Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ）、また１つのネットワークで構築されるため、高精度かつ高速の処理をすることができる。
また、ＹＯＬＯシステムに入力する歯科パノラマＸ線画像は、画像の幅を１０００ピクセル以上１００００ピクセル以下、高さを５００ピクセル以上５０００ピクセル以下とすることが好ましい。さらに、ＹＯＬＯシステムに入力する歯科パノラマＸ線画像は、畳み込み処理前に下記式（１）の倍率Ｒに縮小することが好ましい。
Ｒ≧７／ｍｉｎ（ｍｉｎＷ， ｍｉｎＨ） （１）
式１において、ｍｉｎＷおよびｍｉｎＨは歯科パノラマＸ線画像上の検出したい病変箇所を囲む矩形の幅の最小値および高さの最小値を示し、ｍｉｎ（ｍｉｎＷ， ｍｉｎＨ）はｍｉｎＷまたはｍｉｎＨのうちいずれか小さい方の値を示す。
これにより、病変箇所の検出および病名の判定を高い精度ですることができる。

これまで、歯科パノラマＸ線画像を用いた病変箇所の検出および病名の判定について説明をしたが、本発明では、歯科パノラマＸ線画像のかわりにデンタルＸ線撮影画像を用いて病変箇所の検出および病名の判定を行っても良い。デンタルＸ線撮影画像では、通常２本乃至５本の歯及び歯茎が撮影されており、パノラマＸ線画像よりも狭い範囲を詳細に撮影することができる。
また、デンタルＸ線撮影画像を用いる場合は、ＹＯＬＯシステムに入力する画像の幅を３００ピクセル以上８０００ピクセル以下、高さを２００ピクセル以上６０００ピクセル以下とすることが好ましい。これにより、デンタルＸ線撮影画像による病変箇所の検出および病名の判定を高い精度ですることができる。

（表示部３２０）
図５に示すように表示部３２０には、歯科パノラマＸ線画像４００の分析結果４６０が表示される。歯科パノラマＸ線画像４００の分析結果４６０は、歯科パノラマＸ線画像４００に重ねるようにして、ディープラーニング部３４０によって検出された病変箇所の位置がバウンディングボックス４６４で表され、さらに判定された病名が文字４６２で表示される。分析結果４６０を確認することで、歯科医師は、撮影した被検者（患者）の病変箇所およびその病名を即座に知ることができる。
表示部３２０は、液晶ディスプレイ、プラズマディスプレイなどであってよい。また、歯科パノラマＸ線の画像以外の診療情報または画像と併せて表示されていてもよい。また、表示部３２０はＸ線装置の一部であってもよいし、ネットワークを介して表示するものであってもよい。

また、表示部３２０に表示される病名には、判定確率をさらに表示させてもよい。これにより、歯科医師の判断の補助に有効利用することができる。
さらに、歯科医師は、分析結果４６０を見て被検者を診察したうえで、さらに撮影した被検者の歯科パノラマＸ線画像４００を教師データ３４４としてディープラーニング部３４０に学習させてもよい。これを繰り返すことにより、判定確率をさらに高くすることができる。

（リンク部）
本発明の歯科パノラマＸ線画像４００および分析結果４６０は、被検者のカルテとリンクしてもよい。これにより、歯科医師による診察、治療および診療情報の管理に供することができる。

本発明の実施例として、株式会社吉田製作所製（ＸＰ−６３型式）の歯科パノラマＸ線撮影装置２００を用いて実験を行った。歯科パノラマＸ線撮影装置２００で撮影された歯科パノラマＸ線画像４００をコンピュータ３００に取り込み、コンピュータ３００において加工および分析を行った。ディープラーニング部３４０のシステムとしては、ＹＯＬＯ３ （Ｒｅｄｍｏｎ， Ｊｏｓｅｐｈ， ｅｔ ａｌ．“ＹＯＬＯｖ３： Ａｎ Ｉｎｃｒｅｍｅｎｔａｌ Ｉｍｐｒｏｖｅｍｅｎｔ” −ａｒＸｉｖ ｐｒｅｐｒｉｎｔ ａｒＸｉｖ：１８０４．０２７６７）を用いて歯科分析システムを構築した。ＹＯＬＯ３に入力する歯科パノラマＸ線画像４００の幅は１０００ピクセル以上１００００ピクセル以下、高さは５００ピクセル以上５０００ピクセル以下に設定した。そして、畳み込み処理前に歯科パノラマＸ線画像４００を縮小し、その倍率Ｒは以下のように設定した。すなわち、歯科パノラマＸ線画像４００上の検出したい病変箇所を囲む矩形の幅Ｗおよび高さＨの集合について、それぞれの最小値をｍｉｎ Ｗおよびｍｉｎ Ｈとし、最小の幅および高さのうち、小さい方の値を ｍｉｎ（ｍｉｎ Ｗ， ｍｉｎ Ｈ）として、上記式（１）のように倍率Ｒを設定し、ディープラーニングによる学習および分析を行った。

ディープラーニングの深層学習モデルを構築するため、あらかじめ教師データ３４４として齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変の病変を有する歯科パノラマＸ線画像４００を用いて学習させた。なお、各病変の歯科パノラマＸ線画像４００は、鼻画像および顎画像を削除（トリミング）し、コントラストを調整したうえで教師データ３４４として用いた。教師データ３４４は、齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変のそれぞれについて、１１４５０枚、４０７８枚、２５０１枚、１０８５枚、２５７０枚の画像を利用して学習をさせた。

実施例として、齲蝕を有する患者の歯科パノラマＸ線撮影を行った。撮影された歯科パノラマＸ線画像４００は、コンピュータ３００において、鼻画像および顎画像を削除（トリミング）しコントラストを調整したうえで、ＹＯＬＯ３によるディープラーニングの計算を行った。
その結果、図６に示すように、本実施例の歯科分析システムは、歯科医師の診断と同じ病変箇所の検出および病名の判定をすることができた。本実施例の歯科パノラマＸ線画像４００から歯科医師が診断をするに要した時間は１２０秒であったが、歯科分析システムが病変箇所の検出および病名の判定をするに要した時間は０．０１８秒であった。

［実施形態における各部と請求項の各構成要素との対応関係］
本明細書における歯科分析Ｘ線システム１００が「歯科分析Ｘ線システム」に相当し、前処理部３２２が「前処理部」に相当し、画像分割部３２４が「画像分割部」に相当し、ディープラーニング部３４０が「ディープラーニング部」に相当し、表示部３２０が「表示部」に相当し、歯科パノラマＸ線画像４００が「歯科パノラマＸ線画像」に相当する。

１００ 歯科分析Ｘ線システム
２００ 歯科パノラマＸ線撮影装置
３００ コンピュータ
３２０ 表示部
３２２ 前処理部
３２４ 画像分割部
３４０ ディープラーニング部
３４２ ニューラルネットワーク
３４４ 教師データ
４００ 歯科パノラマＸ線画像
４２０ トリミングされた歯科パノラマＸ線画像
４４０ 分割された歯科パノラマＸ線画像
４６０ 分析結果

Claims (11)

1. 歯科パノラマＸ線画像から病変箇所を検出して病名を判定するディープラーニング部と、
   前記ディープラーニング部により特定された病変箇所および病名を前記歯科パノラマＸ線画像上に表示する表示部と、を含む歯科分析システム。
2. 前記ディープラーニング部は、ＹＯＬＯ （ｙｏｕ ｏｎｌｙ ｌｏｏｋ ｏｎｃｅ）システムを含む、請求項１に記載の歯科分析システム。
3. 前記ＹＯＬＯシステムは、前記歯科パノラマＸ線画像の幅を１０００ピクセル以上１００００ピクセル以下とし、高さを５００ピクセル以上５０００ピクセル以下とする、請求項１または２に記載の歯科分析システム。
4. 前記ＹＯＬＯシステムは、畳み込み処理における前記歯科パノラマＸ線画像を下記式（１）の倍率Ｒとする、請求項１から３のいずれか１項に記載の歯科分析システム。
   Ｒ≧７／ｍｉｎ（ｍｉｎＷ， ｍｉｎＨ） （１）
   （式中、ｍｉｎＷおよびｍｉｎＨは歯科パノラマＸ線画像上の検出したい病変箇所を囲む矩形の幅の最小値および高さの最小値を示し、ｍｉｎ（ｍｉｎＷ， ｍｉｎＨ）はｍｉｎＷまたはｍｉｎＨのうちいずれか小さい方の値を示す。）
5. 前記病名は、齲蝕、根尖病巣、嚢胞、歯石および根分岐部病変からなる群より選ばれる少なくとも１種である、請求項１から４のいずれか１項に記載の歯科分析システム。
6. 前記ディープラーニング部は、検出および判定させたい病名ごとに５００種類以上１０００００種類以下の教師データを用いて学習をさせる、請求項１から５のいずれか１項に記載の歯科分析システム。
7. 前記ディープラーニング部は、前記病名の判定確率を前記表示部に表示する、請求項１から６のいずれか１項に記載の歯科分析システム。
8. 前処理部をさらに含み、
   前記前処理部は、前記歯科パノラマＸ線画像の鼻画像および顎画像を削除し、前記ディープラーニング部に削除後の歯科パノラマＸ線抽出画像を与える、請求項１から７のいずれか１項に記載の歯科分析システム。
9. 前記歯科パノラマＸ線画像を複数に分割する画像分割部をさらに含む、請求項１から８のいずれか１項に記載の歯科分析システム。
10. 請求項１から９のいずれか１項に記載の歯科分析システムと、
    前記歯科パノラマＸ線画像を撮影するＸ線装置と、を含む、歯科分析Ｘ線システム。
11. 前記歯科パノラマＸ線画像、および請求項１から９のいずれか１項に記載の歯科分析システムの分析結果を被検者のカルテとリンクするリンク部をさらに含む、請求項１０に記載の歯科分析Ｘ線システム。