JP2019208832A - 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】デンタルＸ線画像４００からインプラント治療箇所を検出してインプラント情報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により特定されたインプラント治療箇所およびインプラント情報をデンタルＸ線画像４００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３

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。

歯科医師が患者の歯の治療または診断を行うとき、患者のカルテ情報が無い場合、歯科医師は患者の過去の治療状況を確認しつつ、病変箇所の診断をするのが通常である。

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２０１５−１５４９１８号公報

患者のカルテ情報が無い場合、患者にインプラント治療がされていると、歯科医師は患者のインプラントの型番、メーカなどの情報を調べる必要があった。しかし、インプラントのメーカは数百社あり、患者が使用しているインプラントの型番を判定するのは困難であったため、歯科医師の負担となっていた。
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、インプラント治療された患者のインプラントの型番、メーカなどの情報を判定することはできなかった。
また、特許文献２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、インプラント治療された患者のインプラント情報を判定することはできないという問題があった。

そこで、本発明の主な目的は、インプラント治療がされた患者のインプラント治療箇所の検出およびインプラント情報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、インプラント治療箇所の検出およびインプラント情報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、デンタルＸ線画像からインプラント治療箇所を検出してインプラント情報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インプラント治療箇所およびインプラント情報をデンタル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）によりデンタルＸ線画像からインプラント治療箇所を検出し、さらにインプラント情報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、インプラント治療箇所の検出およびインプラント情報の判定に深層学習を用いることで、インプラント治療箇所の検出およびインプラント情報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。

デンタルＸ線画像を用いてインプラント治療箇所の検出およびインプラント情報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、デンタルＸ線画像の幅を３００ピクセル以上８０００ピクセル以下とし、高さを２００ピクセル以上６０００ピクセル以下としてもよい。

これにより、インプラント治療箇所の検出およびインプラント情報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デンタル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はデンタルＸ線画像上の検出したいインプラント治療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、インプラント治療箇所の検出およびインプラント情報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、インプラント情報は、インプラントの型番、サイズ、種類およびメーカ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、通常判定が難しいインプラントの型番、サイズ、種類およびメーカ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インプラント情報ごとに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、インプラント治療箇所の検出およびインプラント情報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、インプラント情報の判定確率を表示部に表示してもよい。

これにより、インプラント情報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Ｘ線システムは、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と、デンタル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。

（９）
第９の発明に係る歯科分析Ｘ線システムは、第８の発明に係る歯科分析Ｘ線システムであって、デンタルＸ線画像、および請求項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管理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。 撮影されたデンタルＸ線画像の一例を示す模式図である。 デンタルＸ線画像の分析結果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。

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、デンタル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。
デンタルＸ線撮影装置２００は、被検者のデンタルＸ線画像４００を撮影する。コンピュータ３００は、撮影されたデンタル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、インプラントの治療箇所を検出し、インプラントの情報を判定する。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、デンタル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。

（デンタルＸ線撮影装置２００）
本発明に係るデンタル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を有していてもよい。
Ｘ線源２１２は、被検者の周りを移動して適宜必要な位置と角度で撮影することができるように配設される。なお、デンタルＸ線撮影装置２００は、撮影位置を詳細に決定するために、Ｘ線源２１２から被検者へ照射する位置決め用のレーザ光線を設けてもよい。また、デンタルＸ線撮影装置２００は、撮影されたデンタルＸ線フィルムを現像する現像機２１４を備えていてもよく、現像されたデンタルＸ線写真をデンタルＸ線画像４００として取り込むスキャナ２１６を備えていてもよい。

また、撮影されたデンタル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、撮影されたデンタル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。

（ディープラーニング部３４０）
デンタルＸ線画像４００は、コンピュータ３００のディープラーニング部３４０によって、インプラント治療箇所の検出およびインプラント情報の判定が行われる。
「ディープラーニング」とは、図４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を用いてデンタル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、インプラント治療箇所の検出およびインプラント情報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として用いられるインプラントのデータは、インプラントの型番、サイズ、種類およびメーカ毎によるデンタルＸ線画像４００を用いて学習をすることが好ましい。これにより、通常判定が難しいインプラントの型番、サイズ、種類およびメーカを、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、インプラント治療箇所およびインプラント情報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、デンタルＸ線画像４００からインプラント治療箇所を検出して同時にインプラント情報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、判定するインプラント情報ごとに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、インプラント治療箇所の検出およびインプラント情報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デンタルＸ線画像４００は、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。さらに、ＹＯＬＯシステムに入力するデンタルＸ線画像４００は、畳み込み処理前に下記式（１）の倍率Ｒに縮小して計算させるのが好ましい。
Ｒ≧７／ｍｉｎ（ｍｉｎＷ， ｍｉｎＨ） （１）
式（１）において、ｍｉｎＷおよびｍｉｎＨはデンタルＸ線画像４００上の検出したいインプラント治療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のうち小さい方の値を示す。
これにより、インプラント治療箇所の検出およびインプラント情報の判定を高い精度ですることができる。

これまで、デンタルＸ線画像を用いたインプラント治療箇所の検出およびインプラント情報の判定について説明をしたが、本発明では、デンタルＸ線画像のかわりに歯科パノラマＸ線撮影画像を用いてインプラント治療箇所の検出およびインプラント情報の判定を行っても良い。歯科パノラマＸ線撮影画像では、通常全ての歯およびその周囲が撮影され、デンタルＸ線画像よりも広い範囲を一度に撮影することができる。
また、歯科パノラマ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。これにより歯科パノラマＸ線撮影画像によるインプラント治療箇所の検出およびインプラント情報の判定を高い精度ですることができる。

（表示部３２０）
図３に示すように表示部３２０には、デンタルＸ線画像４００の分析結果４６０が表示される。デンタルＸ線画像４００の分析結果４６０は、デンタル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インプラント治療箇所の位置がバウンディングボックス４６４で表され、さらに判定されたインプラント情報が文字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）のインプラント治療箇所およびインプラント情報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、表示部３２０には被検者の診療情報が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に表示されるインプラント情報には、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デンタル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）
本発明のデンタル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管理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）のデンタルＸ線撮影装置２００を用いて実験を行った。デンタルＸ線画像装置２００で撮影されたデンタル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の入力するデンタルＸ線画像４００の幅は２６００ピクセル、高さは１３５０ピクセルに設定し、畳み込み処理前にデンタルＸ線画像４００を幅８３２ピクセル高さ８３２ピクセルに縮小して、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としてインプラント治療されたデンタルＸ線画像４００および各画像におけるインプラントの型番、サイズ、種類およびメーカを入力して学習させた。なお、デンタルＸ線画像４００は、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、インプラントの型番、サイズ、種類およびメーカのそれぞれについて、１００００枚の画像を利用して学習をさせた。

実施例として、インプラント治療された患者のデンタルＸ線撮影を行った。撮影されたデンタル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、本実施例の歯科分析システムは、歯科医師の診断と同じインプラント治療箇所の検出およびインプラント情報の判定をすることができた。本実施例のデンタルＸ線画像４００から歯科医師が診断をするに要した時間はインプラントメーカーに問い合わせが必要なため数日かかったが、歯科分析システムがインプラント治療箇所の検出およびインプラント情報の判定をするに要した時間は０．０２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、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、デンタルＸ線画像４００が「デンタルＸ線画像」に相当する。

１００ 歯科分析Ｘ線システム
２００ デンタルＸ線撮影装置
３００ コンピュータ
３２０ 表示部
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 デンタルＸ線画像
４６０ 分析結果

Claims (9)

1. デンタルＸ線画像からインプラント治療箇所を検出してインプラント情報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前記インプラント治療箇所および前記インプラント情報を前記デンタル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、前記デンタルＸ線画像の幅を３００ピクセル以上８０００ピクセル以下とし、高さを２００ピクセル以上６０００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デンタル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はデンタルＸ線画像上の検出したいインプラント治療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. 前記インプラント情報は、インプラントの型番、サイズ、種類およびメーカ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インプラント情報ごとに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、前記インプラント情報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. 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と、
   前記デンタル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。
9. 前記デンタルＸ線画像、および請求項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８に記載の歯科分析Ｘ線システム。