JP2022033588A - 歯科診断プログラム - Google Patents
歯科診断プログラム Download PDFInfo
- Publication number
- JP2022033588A JP2022033588A JP2020137562A JP2020137562A JP2022033588A JP 2022033588 A JP2022033588 A JP 2022033588A JP 2020137562 A JP2020137562 A JP 2020137562A JP 2020137562 A JP2020137562 A JP 2020137562A JP 2022033588 A JP2022033588 A JP 2022033588A
- Authority
- JP
- Japan
- Prior art keywords
- information
- tooth
- image information
- association
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Endoscopes (AREA)
Abstract
【課題】歯の状態をより人手に頼ることなく高精度かつ自動的に判別する。【解決手段】 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、判別対象の歯を撮像した画像情報と、患者の口臭に関する口臭情報とを取得する情報取得ステップと、過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の口臭に関する参照用口臭情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、口臭情報に応じた参照用口臭情報とに基づき、歯の状態を判別する判別ステップとをコンピュータに実行させることを特徴とする。【選択図】図9
Description
本発明は、歯科診断における歯の状態を判別する歯科診断プログラムに関する。
歯科医により行われる歯科診療は非常に専門性の高い業務である一方、撮影した画像(CT画像、レントゲン画像、スペクトル画像)を利用してもう蝕(虫歯)を見落としてしまう場合もある。かかる場合には、歯科医が診療を行う上で参考にするための歯科診断AIがあると、より診断の精度を高くすることができるが、このような歯科診断AIが実用化されていないのが現状であった。また歯科医院に行く時間が取れない患者が、自宅で自分で画像を撮影するだけである程度AIが自動的に歯科診断を行ってくれれば、歯科医に診断してもらう前に自己診断を行うことができ、歯科医院に行く緊急性も事前に知ることができるが、このような歯科診断AIが実用化されていないのが現状であった。
このため、歯科診断に関して、人工知能による補助を得ることで、その検知の精度を向上させ、患者も事前にある程度の自己診断ができることに対する社会的要請が高まっていた。
そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、歯科診断を高精度かつ自動的に判別することが可能な歯科診断プログラムを提供することにある。
本発明に係る歯科診断プログラムは、歯科診断における歯の状態を判別する歯科診断プログラムにおいて、判別対象の歯を撮像した画像情報と、患者の口臭に関する口臭情報とを取得する情報取得ステップと、過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の口臭に関する参照用口臭情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、口臭情報に応じた参照用口臭情報とに基づき、歯の状態を判別する判別ステップとをコンピュータに実行させることを特徴とする。
特段のスキルや経験が無くても、歯科診断を自動的に行うことで歯のう蝕の状態等を自動的に判別することができる。これにより、歯科医が診療を行う上でその判別結果を参考にすることができ、診断の精度を高くすることができる。歯科医院に行く時間が取れない患者が、自宅で自分で画像を撮影するだけである程度AIが自動的に歯科診断を行ってもらえるため、歯科医に診断してもらう前に自己診断を行うことができ、歯科医院に行く緊急性も事前に知ることができる。
以下、本発明を適用した歯科診断プログラムについて、図面を参照しながら詳細に説明をする。
第1実施形態
図1は、本発明を適用した歯科診断プログラムが実装される歯科診断システム1の全体構成を示すブロック図である。歯科診断システム1は、情報取得部9と、情報取得部9に接続された判別装置2と、判別装置2に接続されたデータベース3とを備えている。
図1は、本発明を適用した歯科診断プログラムが実装される歯科診断システム1の全体構成を示すブロック図である。歯科診断システム1は、情報取得部9と、情報取得部9に接続された判別装置2と、判別装置2に接続されたデータベース3とを備えている。
情報取得部9は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。情報取得部9は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。また情報取得部9は、カメラ等の画像を撮影可能な撮像装置として構成されていてもよい。情報取得部9は、紙媒体の書類から文字列を認識できる機能を備えたスキャナで構成されていてもよい。また情報取得部9は、後述する判別装置2と一体化されていてもよい。情報取得部9は、検知した情報を判別装置2へと出力する。また情報取得部9は地図情報をスキャニングすることで位置情報を特定する手段により構成されていてもよい。また情報取得部9は、温度センサ、湿度センサ、風向センサ、を測るための照度センサで構成されていてもよい。また情報取得部9は、天候についてのデータを気象庁や民間の天気予報会社から取得する通信インターフェースで構成されていてもよい。また情報取得部9は身体に装着して身体のデータを検出するための身体センサで構成されていてもよく、この身体センサは、例えば体温、心拍数、血圧、歩数、歩く速度、加速度を検出するためのセンサで構成されていてもよい。また身体センサは人間のみならず動物の生体データを取得するものであってもよい。また情報取得部9は図面等の情報をスキャニングしたり、或いはデータベースから読み出すことで取得するデバイスとして構成されていてもよい。情報取得部9は、これら以外に臭気や香りを検知する臭気センサにより構成されていてもよい。情報取得部9は、CTカメラ、レントゲン画像、スペクトル画像等を撮像するカメラで構成されていてもよい。
データベース3は、歯科診断を行う上で必要な様々な情報が蓄積される。歯科診断を行う上で必要な情報としては、過去において撮像した歯の参照用画像情報、その参照用画像情報を得る上で撮像した歯における過去の治療履歴に関する参照用治療履歴情報、過去の治療履歴から取得した上記歯への詰め物に関する参照用詰め物情報、過去の患者による歯への自覚症状に関する参照用自覚症状情報等が、出力データとしての、診断したい歯の状態との関係において蓄積されている。
つまり、データベース3には、このような参照用画像情報、参照用治療履歴情報、参照用詰め物情報、参照用自覚症状情報の何れか1以上と歯の状態が互いに紐づけられて記憶されている。
判別装置2は、例えば、パーソナルコンピュータ(PC)等を始めとした電子機器で構成されているが、PC以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判別装置2による探索解を得ることができる。
図2は、判別装置2の具体的な構成例を示している。この判別装置2は、判別装置2全体を制御するための制御部24と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部25と、有線通信又は無線通信を行うための通信部26と、各種判断を行う判別部27と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部28とが内部バス21にそれぞれ接続されている。さらに、この内部バス21には、実際に情報を表示するモニタとしての表示部23が接続されている。
制御部24は、内部バス21を介して制御信号を送信することにより、判別装置2内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部24は、操作部25を介した操作に応じて各種制御用の指令を内部バス21を介して伝達する。
操作部25は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部25は、上記実行命令がユーザから入力された場合には、これを制御部24に通知する。この通知を受けた制御部24は、判別部27を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部25は、前述した情報取得部9として具現化されるものであってもよい。
判別部27は、探索解を判別する。この判別部27は、判別動作を実行するに当たり、必要な情報として記憶部28に記憶されている各種情報や、データベース3に記憶されている各種情報を読み出す。この判別部27は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。
表示部23は、制御部24による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部23は、例えば、液晶ディスプレイ(LCD)等によって実現される。
記憶部28は、ハードディスクで構成される場合において、制御部24による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部28には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部24により読み出されて実行されることになる。
上述した構成からなる歯科診断システム1における動作について説明をする。
歯科診断システム1では、例えば図3に示すように、参照用画像情報と、歯の状態との3段階以上の連関度が予め設定されていることが前提となる。参照用画像情報とは、歯の画像を撮像することにより得られた情報であり、またこの画像情報を解析することで初めて得られる情報も含まれる。この画像は静止画のみならず動画であってもよい。この画像は歯全体をターゲットに当ててカメラにより撮像した画像であってもよいし、個々の歯に対してターゲットを当ててカメラにより撮像した画像であってもよい。この参照用画像情報は、CT画像、レントゲン画像、スペクトル画像により提供されるものであってもよい。
歯の状態は、う蝕が発生していなくても、その危険度の可能性を示してもよい。また単に「う蝕の兆候有り」、「う蝕の兆候無し」の単純な2段階で表示するようにしてもよい。また歯の状態は、健康なのか、う蝕なのか、歯槽膿漏なのか、歯周病なのか、単に汚れが蓄積しているのか等の判別結果を示すようにしてもよいし、う蝕であればそのレベル(C1~C4)を具体的に判定するものであってもよい。また歯の状態は、歯の健康度という度数で定量的に表しても良く、健康であれば100%、不健康になるほど0%に近くしてもよい。
このような歯の状態は、歯科医院等において蓄積されている過去のデータから取得するようにしてもよい。このとき、歯の状態とその歯について実際に撮像した画像との間で互いに紐付けられたデータを取得することが前提となる。
更に歯の状態は、歯科医による以前の経験に基づいてそのレベルを判断してもよいし、実際に過去の診療事例の資料を読み込み、複数人の歯科医がそのレベルについて、評価し、それらを統計的に分析して歯の状態の判別するようにしてもよい。
図3の例では、入力データとして例えば参照用画像情報P01~P03であるものとする。このような入力データとしての参照用画像情報P01~P03は、出力としての歯の状態に連結している。この出力においては、出力解としての、歯の状態A~Dの具体例が示されている。この歯の状態は、う蝕の兆候の高さに応じた百分率で表示されていてもよい。
参照用画像情報は、この出力解としての歯の状態A~Dに対して3段階以上の連関度を通じて互いに連関しあっている。参照用画像情報がこの連関度を介して左側に配列し、各歯の状態が連関度を介して右側に配列している。連関度は、左側に配列された参照用画像情報に対して、何れの歯の状態と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用画像情報が、いかなる歯の状態に紐付けられる可能性が高いかを示す指標であり、参照用画像情報から最も確からしい歯の状態を選択する上での的確性を示すものである。図3の例では、連関度としてw13~w19が示されている。このw13~w19は以下の表1に示すように10段階で示されており、10点に近いほど、中間ノードとしての各組み合わせが出力としての歯の状態と互いに関連度合いが高いことを示しており、逆に1点に近いほど中間ノードとしての各組み合わせが出力としての値段と互いに関連度合いが低いことを示している。
判別装置2は、このような図3に示す3段階以上の連関度w13~w19を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用画像情報と、その場合の歯の状態の何れが採用、評価されたか、過去のデータセットを蓄積しておき、これらを分析、解析することで図3に示す連関度を作り上げておく。
例えば、過去において歯に対して撮像した参照用画像情報に対する歯の状態としては歯の状態A(健康)が多く評価されたものとする。このようなデータセットを集めて分析することにより、参照用画像情報との連関度が強くなる。
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用画像情報P01である場合に、過去の歯の状態の評価を行った結果の各種データから分析する。参照用画像情報P01である場合に、歯の状態A(健康)の事例が多い場合には、この歯の状態の評価につながる連関度をより高く設定し、歯の状態B(う蝕でそのレベルがC2)の事例が多い場合には、この歯の状態の評価につながる連関度をより高く設定する。例えば参照用画像情報P01の例では、歯の状態Aと、歯の状態C(歯槽膿漏)にリンクしているが、以前の事例から歯の状態Aにつながるw13の連関度を7点に、歯の状態Cにつながるw14の連関度を2点に設定している。
また、この図3に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。
かかる場合には、図4に示すように、入力データとして参照用画像情報が入力され、出力データとして歯の状態が出力され、入力ノードと出力ノードの間に少なくとも1以上の隠れ層が設けられ、機械学習させるようにしてもよい。入力ノード又は隠れ層ノードの何れか一方又は両方において上述した連関度が設定され、これが各ノードの重み付けとなり、これに基づいて出力の選択が行われる。そして、この連関度がある閾値を超えた場合に、その出力を選択するようにしてもよい。
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを、以前の評価対象の歯を撮像した画像等と実際に判別・評価した歯の状態とのデータセットを通じて作った後に、実際にこれから新たに歯の状態の判別を行う上で、上述した学習済みデータを利用して歯の状態を探索することとなる。かかる場合には、実際に判別対象の領域において歯を撮像した画像情報を新たに取得する。新たに取得する画像情報は、上述した情報取得部9により入力される。画像情報は、歯の外観を撮像するか、あるいはレントゲン画像やCT画像であれば、歯の内部や詰め物の内部の状態を撮像する音で取得する。この画像情報の取得は、上述した参照用画像情報と同様の手法で行うようにしてもよい。ちなみに画像情報は、歯科医が自らの患者に対して小型カメラにより歯の画像を撮像しても良いし、患者自らが疾患箇所の歯、又は歯全体をカメラで撮像してもよい。
このようにして新たに取得した画像情報に基づいて、歯の状態を判別する。かかる場合には、予め取得した図3(表1)に示す連関度を参照する。例えば、新たに取得した画像情報がP02と同一かこれに類似するものである場合には、連関度を介して歯の状態Bがw15、歯の状態Cが連関度w16で関連付けられている。かかる場合には、連関度の最も高い歯の状態Bを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる歯の状態Cを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。
このようにして、新たに取得する画像情報から、最も好適な歯の状態を探索し、ユーザに表示することができる。この探索結果を見ることにより、歯に対するう蝕の兆候やその状態、歯槽膿漏や汚れ、入れ歯の状態等を判別することができ、歯の健康を確保するための対策に早めに移行することができる。
図5の例では、参照用画像情報と、参照用治療履歴情報との組み合わせの連関度が形成される例である。参照用治療履歴情報とは、参照用画像情報を得る上で撮像した歯における過去の治療履歴に関するものである。過去の治療履歴とは、以前う蝕により治療を行った歯であるか否か、治療を行った歯であれば、そのう蝕のレベルとそれに対する処置の具体的な内容を含む。この参照用治療履歴情報は、う蝕に対して詰め物を詰めたか否か、或いは神経を抜いて金歯等の被せ物を被せているか否か、抜き取って差し歯や入れ歯を利用しているか否か等の情報も含む。例えば詰め物や被せ物を詰めた内側からう蝕が侵食する場合があり、係る場合には、歯の外部からの目視による判定や画像の撮像ではなかなか判別し難い。かかる場合にはレントゲン画像やCT画像と組み合わせ、その詰め物や被せ物の情報と組み合わせて判断することで判別精度を向上させることが可能となる。このため、参照用画像情報に加えて、参照用治療履歴情報を組み合わせて上述した連関度を形成しておく。
図5の例では、入力データとして例えば参照用画像情報P01~P03、参照用治療履歴情報P14~17であるものとする。このような入力データとしての、参照用画像情報に対して、参照用治療履歴情報が組み合わさったものが、図5に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、歯の状態が表示されている。
参照用画像情報と参照用治療履歴情報との各組み合わせ(中間ノード)は、この出力解としての、歯の状態に対して3段階以上の連関度を通じて互いに連関しあっている。参照用画像情報と参照用治療履歴情報がこの連関度を介して左側に配列し、歯の状態が連関度を介して右側に配列している。連関度は、左側に配列された参照用画像情報と参照用治療履歴情報に対して、歯の状態と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用画像情報と参照用治療履歴情報が、いかなる歯の状態に紐付けられる可能性が高いかを示す指標であり、参照用画像情報と参照用治療履歴情報から最も確からしい歯の状態を選択する上での的確性を示すものである。このため、これらの参照用画像情報と参照用治療履歴情報の組み合わせで、最適な歯の状態を探索していくこととなる。
図5の例では、連関度としてw13~w22が示されている。このw13~w22は表1に示すように10段階で示されており、10点に近いほど、中間ノードとしての各組み合わせが出力と互いに関連度合いが高いことを示しており、逆に1点に近いほど中間ノードとしての各組み合わせが出力と互いに関連度合いが低いことを示している。
判別装置2は、このような図5に示す3段階以上の連関度w13~w22を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用画像情報と参照用治療履歴情報、並びにその場合の歯の状態が何れが見合うものであったか、過去のデータを蓄積しておき、これらを分析、解析することで図5に示す連関度を作り上げておく。
例えば、過去にあった実際の事例における参照用画像情報が、画像データαであるものとする。また参照用治療履歴情報が、(過去においてC3のう蝕を患い、神経を抜いて被せ物を被せている)であるものとする。かかる場合に、実際にその歯の状態がいくらであったかを示す歯の状態をデータセットとして学習させ、上述した連関度という形で定義しておく。なお、このような参照用画像情報や、参照用治療履歴情報は、歯科医院が管理する患者のカルテ等のデータベースから抽出するようにしてもよい。
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用画像情報P01で、参照用治療履歴情報P16である場合に、その歯の状態を、過去のデータから分析する。歯の状態がAの事例が多い場合には、この歯の状態Aにつながる連関度をより高く設定し、歯の状態Bの事例が多く、歯の状態Aの事例が少ない場合には、歯の状態Bにつながる連関度を高くし、歯の状態Aにつながる連関度を低く設定する。例えば中間ノード61aの例では、歯の状態Aと品質Bの出力にリンクしているが、以前の事例から歯の状態Aにつながるw13の連関度を7点に、歯の状態Bにつながるw14の連関度を2点に設定している。
また、この図5に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。その他、人工知能に関する構成は、図4における説明と同様である。
図5に示す連関度の例で、ノード61bは、参照用画像情報P01に対して、参照用治療履歴情報P14の組み合わせのノードであり、歯の状態Cの連関度がw15、歯の状態Eの連関度がw16となっている。ノード61cは、参照用画像情報P02に対して、参照用治療履歴情報P15、P17の組み合わせのノードであり、歯の状態Bの連関度がw17、歯の状態Dの連関度がw18となっている。
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから歯の状態を判別する際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、実際に歯の状態を判別しようとする歯の画像情報と、その歯の治療履歴情報を入力又は選択する。歯の治療履歴情報は、歯科医がその患者のカルテから手入力するか、或いはデータベースから抽出するようにしてもよい。患者が自ら自分の歯の治療歴を入力するようにしてもよい。
このようにして新たに取得した画像情報、治療履歴情報に基づいて、最適な歯の状態を探索する。かかる場合には、予め取得した図5(表1)に示す連関度を参照する。例えば、新たに取得した画像情報がP02と同一かこれに類似するものである場合であって、治療履歴情報がP17である場合には、連関度を介してノード61dが関連付けられており、このノード61dは、歯の状態Cがw19、歯の状態Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高い歯の状態Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる歯の状態Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。
また、入力から伸びている連関度w1~w12の例を以下の表2に示す。
この入力から伸びている連関度w1~w12に基づいて中間ノード61が選択されていてもよい。つまり連関度w1~w12が大きいほど、中間ノード61の選択における重みづけを重くしてもよい。しかし、この連関度w1~w12は何れも同じ値としてもよく、中間ノード61の選択における重みづけは何れも全て同一とされていてもよい。
なお、上述した参照用画像情報に加え、上述した参照用治療履歴情報の代わりに、歯への詰め物に関する参照用詰め物情報を利用するようにしてもよい。この参照用詰め物情報は、詰め物であるのか、或いは被せ物であるのかという情報に加え、詰め物であればその形状に関する情報も含まれる。また詰め物の材質に関する情報(例えば、セラミックス、金属、プラチナ等)もこの参照用詰め物情報に含まれる。またこの詰め物を歯に詰めた日や、これを利用している期間に関する情報、更には詰め物自体が欠けていたり磨耗していれば、それに関する情報も含まれる。このような参照用詰め物情報を画像情報との間で連関度を形成していくことで、同様に高精度な歯の状態の診断を行うことができる。この参照用詰め物情報は、参照用治療履歴情報から抽出してもよいし、手入力してもよい。
かかる場合には、診断対象の歯について、過去の治療履歴から歯への詰め物に関する詰め物情報を取得してもよいし、詰め物情報を新たに入力してもよい。このようして取得した詰め物情報に応じた参照用詰め物情報に基づき歯の状態を判別することは、上述した図5に示すような参照用治療履歴情報を用いて連関度を形成して判別する場合と同様のプロセスに基づいて行う。
図6は、上述した参照用画像情報に加え、上述した参照用治療履歴情報の代わりに参照用自覚症状情報との組み合わせと、当該組み合わせに対する歯の状態との3段階以上の連関度が設定されている例を示している。
参照用治療履歴情報の代わりに説明変数として加えられるこの参照用自覚症状情報は、参照用画像情報の撮像対象の歯に関する患者の自覚症状に関するあらゆる情報である。参照用自覚症状情報は、「冷たいものがしみる」、「物をかむと痛い」、「ブラッシングすると出血する」等、歯に関するあらゆる自覚症状を含む。このような参照用自覚症状情報は、歯科医が患者から聞き取り、カルテ等に入力されたものを利用してもよいし、患者自らが入力したものであってもよい。実際に本プログラムを実施する上では、これらの参照用治療履歴情報は電子データ化されていることが前提となる。
このような自覚症状も歯の状態に影響を及ぼすことから、参照用画像情報と組み合わせ、連関度を通じて歯の状態を判別することで、判別精度を向上させることができる。
図6の例では、入力データとして例えば参照用画像情報P01~P03、参照用自覚症状情報P18~21であるものとする。このような入力データとしての、参照用画像情報に対して、参照用自覚症状情報が組み合わさったものが、図6に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、歯の状態が表示されている。
参照用画像情報と参照用自覚症状情報との各組み合わせ(中間ノード)は、この出力解としての、歯の状態に対して3段階以上の連関度を通じて互いに連関しあっている。参照用画像情報と参照用自覚症状情報がこの連関度を介して左側に配列し、歯の状態が連関度を介して右側に配列している。連関度は、左側に配列された参照用画像情報と参照用自覚症状情報に対して、歯の状態と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用画像情報と参照用自覚症状情報が、いかなる歯の状態に紐付けられる可能性が高いかを示す指標であり、参照用画像情報と参照用自覚症状情報から最も確からしい歯の状態を選択する上での的確性を示すものである。
判別装置2は、このような図6に示す3段階以上の連関度w13~w22を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用画像情報と、参照用画像情報を取得する際に得た参照用自覚症状情報、並びにその場合の歯の状態が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図6に示す連関度を作り上げておく。
例えば、過去にあった実際の歯の状態の評価時において、ある参照用画像情報に対して、参照用自覚症状情報が、「冷たいものがしみる」であるものとする。かかる場合に、歯の状態がAと判別されている事例が多い場合には、これらをデータセットとして学習させ、上述した連関度という形で定義しておく。
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用画像情報P01で、参照用自覚症状情報P20である場合に、その歯の状態を過去のデータから分析する。歯の状態Aの事例が多い場合には、この歯の状態がAにつながる連関度をより高く設定し、歯の状態がBの事例が多く、歯の状態がAの事例が少ない場合には、歯の状態がBにつながる連関度を高くし、歯の状態がAにつながる連関度を低く設定する。例えば中間ノード61aの例では、歯の状態Aと歯の状態Bの出力にリンクしているが、以前の事例から歯の状態Aにつながるw13の連関度を7点に、歯の状態Bにつながるw14の連関度を2点に設定している。
また、この図6に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。その他、人工知能に関する構成は、図4における説明と同様である。
図6に示す連関度の例で、ノード61bは、参照用画像情報P01に対して参照用自覚症状情報P18の組み合わせのノードであり、歯の状態Cの連関度がw15、歯の状態Eの連関度がw16となっている。ノード61cは、参照用画像情報P02に対して、参照用自覚症状情報P19、P21の組み合わせのノードであり、歯の状態Bの連関度がw17、歯の状態Dの連関度がw18となっている。
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから歯の状態の探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、実際にその歯の状態の判別対象の画像情報と、自覚症状情報とを取得する。ここで自覚症状情報は、歯の状態を新たに判別する際に画像情報の取得対象の歯について新たに取得するが、その取得方法は、上述した参照用自覚症状情報と同様である。
このようにして新たに取得した画像情報と、自覚症状情報に基づいて、最適な歯の状態を探索する。かかる場合には、予め取得した図6(表1)に示す連関度を参照する。例えば、新たに取得した画像情報がP02と同一かこれに類似するものである場合であって、自覚症状情報がP21と同一か又は類似する場合には、連関度を介してノード61dが関連付けられており、このノード61dは、歯の状態Cがw19、歯の状態Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高い歯の状態Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる歯の状態Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。
連関度を通じて求められる歯の状態は、以下に説明する推定補助情報に基づいて修正されるものであってもよい。この推定補助情報としては、判別対象の歯における過去の治療履歴に関する治療履歴情報、上記歯への詰め物に関する詰め物情報、患者による歯への自覚症状に関する自覚症状情報の何れか1以上で構成される。
例えば、図7に示すように、参照用推定補助情報P22~P24と出力解としての歯の状態の修正についてルール化しておくことにより、実際に入力された推定補助情報と同一又は類似の参照用推定補助情報に基づき、そのルールに沿って出力解(歯の状態)を調整する。このとき、実際に出力解(歯の状態)を調整する場合に加え、連関度そのものを調整するようにしてもよい。
例えば、参照用修正補助情報として参照用自覚症状情報が適用される場合において、参照用修正補助情報P22が「冷たいものが歯にしみる」であるものとしたとき、う蝕のレベルを一段階あげることをルール化しておくものとする(例えばう蝕がC1であるときにこれをC2に上げる)。このようなルールの下で、修正補助情報(自覚症状情報)が「冷たいものが歯にしみる」であるとき、これに対応する参照用修正補助情報P22における予め作ったルールに基づき、参照用画像情報により得られた出力(歯の状態)のう蝕のレベルを一段階上げて判定するものとする。
この推定補助情報は、出力(歯の状態)との間で連関度は形成しないものの、画像情報との間で連関度を介して探索された出力(歯の状態)を修正するために利用される。このとき、どのように出力解を修正するかについては、予め参照用推定補助情報との出力(歯の状態)への調整との間でルール化しておき、実際に取得した推定補助情報に対応する(同一又は類似の)参照用推定補助情報との間で定めた出力(歯の状態)への調整ルールに沿って調整を行う。言い換えれば、推定補助情報が入力されたときに、これに基づいて出力(歯の状態)の調整がなされるものであればいかなる形態であってもよい。参照用推定補助情報との出力(歯の状態)への調整との間でルール化は、治療履歴情報として、歯の削った量が多ければ、その削り量が上がることで歯の状態の健康度を下げる調整を行うようにしてもよく、連関度や人工知能を利用することは必須とはならない。
上述した連関度においては、10段階評価で連関度を表現しているが、これに限定されるものではなく、3段階以上の連関度で表現されていればよく、逆に3段階以上であれば100段階でも1000段階でも構わない。一方、この連関度は、2段階、つまり互いに連関しているか否か、1又は0の何れかで表現されるものは含まれない。
上述した構成からなる本発明によれば、特段のスキルや経験が無くても、誰でも手軽に歯の状態の判別・探索を行うことができる。また本発明によれば、この探索解の判断を、人間が行うよりも高精度に行うことが可能となる。更に、上述した連関度を人工知能(ニューラルネットワーク等)で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。
なお、上述した入力データ、及び出力データは、学習させる過程で完全に同一のものが存在しない場合も多々あることから、これらの入力データと出力データを類型別に分類した情報であってもよい。つまり、入力データを構成する情報P01、P02、・・・・P15、16、・・・は、その情報の内容に応じて予めシステム側又はユーザ側において分類した基準で分類し、その分類した入力データと出力データとの間でデータセットを作り、学習させるようにしてもよい。
なお、上述した連関度では、参照用画像情報に加え、参照用治療履歴情報、参照用詰め物情報、参照用自覚症状情報の何れかとの組み合わせで構成されている場合を例にとり説明をしたが、これに限定されるものではない。つまり連関度は、参照用画像情報に加え、参照用治療履歴情報、参照用詰め物情報、参照用自覚症状情報の何れか2以上との組み合わせで構成されていてもよい。また連関度は、参照用画像情報に加え、参照用治療履歴情報、参照用詰め物情報、参照用自覚症状情報の何れか1以上に加え、他のファクターがこの組み合わせに加わって連関度が形成されていてもよい。
いずれの場合も、その連関度の参照情報に合わせたデータの入力がなされ、その連関度を利用して歯の状態を求める。
また本発明は、図8に示すように参照用情報Uと参照用情報Vという2種類以上の情報の組み合わせの連関度に基づいて歯の状態を判別するものである。この参照用情報Yが参照用画像情報であり、参照用情報Vが参照用治療履歴情報、参照用詰め物情報、参照用自覚症状情報の何れかであるものとする。
このとき、図8に示すように、参照用情報Uについて得られた出力をそのまま入力データとして、参照用情報Vとの組み合わせの中間ノード61を介して出力(歯の状態)と関連付けられていてもよい。例えば、参照用情報U(参照用画像情報)について、図3に示すように出力解を出した後、これをそのまま入力として、他の参照用情報Vとの間での連関度を利用し、出力(歯の状態)を探索するようにしてもよい。
また本発明によれば、出力として歯の状態を出力解として得る代わりに、歯の状態に基づいた警報、アラーム等を始めとする注意喚起情報を発信するようにしてもよい。歯の状態が高いほど、注意喚起情報の注意喚起度合が高くなる様にする。これにより外部に対して歯が危険な状態にあることに対する注意喚起を効率的に行うことができる。
また、本発明によれば、3段階以上に設定されている連関度を介して最適な解探索を行う点に特徴がある。連関度は、上述した10段階以外に、例えば0~100%までの数値で記述することができるが、これに限定されるものではなく3段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。
このような3段階以上の数値で表される連関度に基づいて最も確からしい歯の状態、を判別することで、探索解の可能性の候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より確からしい探索解を優先的に表示することも可能となる。
これに加えて、本発明によれば、連関度が1%のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低い判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。
更に本発明によれば、このような3段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が1%のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な探索解を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。
更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。また参照用画像情報を初めとする各参照用情報を取得し、これらに対する歯の状態、改善施策に関する知見、情報、データを取得した場合、これらに応じて連関度を上昇させ、或いは下降させる。
つまり、この更新は、人工知能でいうところの学習に相当する。新たなデータを取得し、これを学習済みデータに反映させることを行っているため、学習行為といえるものである。
また、この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。
また学習済モデルを最初に作り上げる過程、及び上述した更新は、教師あり学習のみならず、教師なし学習、ディープラーニング、強化学習等を用いるようにしてもよい。教師なし学習の場合には、入力データと出力データのデータセットを読み込ませて学習させる代わりに、入力データに相当する情報を読み込ませて学習させ、そこから出力データに関連する連関度を自己形成させるようにしてもよい。
第2実施形態
図9は、上述した参照用画像情報に加え、上述した参照用治療履歴情報の代わりに参照用口臭情報との組み合わせと、当該組み合わせに対する歯の状態との3段階以上の連関度が設定されている例を示している。
図9は、上述した参照用画像情報に加え、上述した参照用治療履歴情報の代わりに参照用口臭情報との組み合わせと、当該組み合わせに対する歯の状態との3段階以上の連関度が設定されている例を示している。
参照用治療履歴情報の代わりに説明変数として加えられるこの参照用口臭情報は、参照用画像情報の撮像対象の歯に関する患者の口臭に関するあらゆる情報である。参照用口臭情報は、例えば臭いセンサ等を介して口臭を計測したデータで構成されていてもよいし、歯科医師が実際に感じた臭いや患者自身が自ら自覚している口臭の種類や程度をデータとして入力してもよい。
図9の例では、入力データとして例えば参照用画像情報P01~P03、参照用口臭情報P18~21であるものとする。このような入力データとしての、参照用画像情報に対して、参照用口臭情報が組み合わさったものが、図9に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、歯の状態が表示されている。
参照用画像情報と参照用口臭情報との各組み合わせ(中間ノード)は、この出力解としての、歯の状態に対して3段階以上の連関度を通じて互いに連関しあっている。参照用画像情報と参照用口臭情報がこの連関度を介して左側に配列し、歯の状態が連関度を介して右側に配列している。連関度は、左側に配列された参照用画像情報と参照用口臭情報に対して、歯の状態と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用画像情報と参照用口臭情報が、いかなる歯の状態に紐付けられる可能性が高いかを示す指標であり、参照用画像情報と参照用口臭情報から最も確からしい歯の状態を選択する上での的確性を示すものである。
判別装置2は、このような図9に示す3段階以上の連関度w13~w22を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用画像情報と、参照用画像情報を取得する際に得た参照用口臭情報、並びにその場合の歯の状態が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図9に示す連関度を作り上げておく。
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用画像情報P01で、参照用口臭情報P20である場合に、その歯の状態を過去のデータから分析する。歯の状態Aの事例が多い場合には、この歯の状態がAにつながる連関度をより高く設定し、歯の状態がBの事例が多く、歯の状態がAの事例が少ない場合には、歯の状態がBにつながる連関度を高くし、歯の状態がAにつながる連関度を低く設定する。例えば中間ノード61aの例では、歯の状態Aと歯の状態Bの出力にリンクしているが、以前の事例から歯の状態Aにつながるw13の連関度を7点に、歯の状態Bにつながるw14の連関度を2点に設定している。
また、この図9に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。その他、人工知能に関する構成は、図4における説明と同様である。
図9に示す連関度の例で、ノード61bは、参照用画像情報P01に対して参照用口臭情報P18の組み合わせのノードであり、歯の状態Cの連関度がw15、歯の状態Eの連関度がw16となっている。ノード61cは、参照用画像情報P02に対して、参照用口臭情報P19、P21の組み合わせのノードであり、歯の状態Bの連関度がw17、歯の状態Dの連関度がw18となっている。
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから歯の状態の探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、実際にその歯の状態の判別対象の画像情報と、口臭情報とを取得する。ここで口臭情報は、歯の状態を新たに判別する際に画像情報の取得対象の歯について新たに取得するが、その取得方法は、上述した参照用口臭情報と同様である。
このようにして新たに取得した画像情報と、口臭情報に基づいて、最適な歯の状態を探索する。かかる場合には、予め取得した図9(表1)に示す連関度を参照する。例えば、新たに取得した画像情報がP02と同一かこれに類似するものである場合であって、口臭情報がP21と同一か又は類似する場合には、連関度を介してノード61dが関連付けられており、このノード61dは、歯の状態Cがw19、歯の状態Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高い歯の状態Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる歯の状態Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。
図10は、上述した参照用画像情報に加え、上述した参照用治療履歴情報の代わりに参照用食生活情報との組み合わせと、当該組み合わせに対する歯の状態との3段階以上の連関度が設定されている例を示している。
参照用治療履歴情報の代わりに説明変数として加えられるこの参照用食生活情報は、参照用画像情報を得る上で撮像した歯の被験者の実際の食事内容に関するものである。食事内容は、実際の食事メニューや献立そのものであってもよいし、具体的な栄養素として、タンパク質、炭水化物、糖分等の分量や摂取比率で表示されていてもよい。う蝕に影響を及ぼす糖分をどの程度摂取しているかを組み合わせて判断することで、判別精度を向上させることが可能となる。このため、参照用画像情報に加えて、参照用食生活情報を組み合わせて上述した連関度を形成しておく。
図10の例では、入力データとして例えば参照用画像情報P01~P03、参照用食生活情報P18~21であるものとする。このような入力データとしての、参照用画像情報に対して、参照用食生活情報が組み合わさったものが、図10に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、歯の状態が表示されている。
参照用画像情報と参照用食生活情報との各組み合わせ(中間ノード)は、この出力解としての、歯の状態に対して3段階以上の連関度を通じて互いに連関しあっている。参照用画像情報と参照用食生活情報がこの連関度を介して左側に配列し、歯の状態が連関度を介して右側に配列している。連関度は、左側に配列された参照用画像情報と参照用食生活情報に対して、歯の状態と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用画像情報と参照用食生活情報が、いかなる歯の状態に紐付けられる可能性が高いかを示す指標であり、参照用画像情報と参照用食生活情報から最も確からしい歯の状態を選択する上での的確性を示すものである。
判別装置2は、このような図10に示す3段階以上の連関度w13~w22を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用画像情報と、参照用画像情報を取得する際に得た参照用食生活情報、並びにその場合の歯の状態が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図10に示す連関度を作り上げておく。
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用画像情報P01で、参照用食生活情報P20である場合に、その歯の状態を過去のデータから分析する。歯の状態Aの事例が多い場合には、この歯の状態がAにつながる連関度をより高く設定し、歯の状態がBの事例が多く、歯の状態がAの事例が少ない場合には、歯の状態がBにつながる連関度を高くし、歯の状態がAにつながる連関度を低く設定する。例えば中間ノード61aの例では、歯の状態Aと歯の状態Bの出力にリンクしているが、以前の事例から歯の状態Aにつながるw13の連関度を7点に、歯の状態Bにつながるw14の連関度を2点に設定している。
また、この図10に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。その他、人工知能に関する構成は、図4における説明と同様である。
図10に示す連関度の例で、ノード61bは、参照用画像情報P01に対して参照用食生活情報P18の組み合わせのノードであり、歯の状態Cの連関度がw15、歯の状態Eの連関度がw16となっている。ノード61cは、参照用画像情報P02に対して、参照用食生活情報P19、P21の組み合わせのノードであり、歯の状態Bの連関度がw17、歯の状態Dの連関度がw18となっている。
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから歯の状態の探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、実際にその歯の状態の判別対象の画像情報と、食生活情報とを取得する。ここで食生活情報は、歯の状態を新たに判別する際に画像情報の取得対象の歯について新たに取得するが、その取得方法は、上述した参照用食生活情報と同様である。
このようにして新たに取得した画像情報と、食生活情報に基づいて、最適な歯の状態を探索する。かかる場合には、予め取得した図10(表1)に示す連関度を参照する。例えば、新たに取得した画像情報がP02と同一かこれに類似するものである場合であって、食生活情報がP21と同一か又は類似する場合には、連関度を介してノード61dが関連付けられており、このノード61dは、歯の状態Cがw19、歯の状態Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高い歯の状態Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる歯の状態Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。
図11は、上述した参照用画像情報に加え、上述した参照用治療履歴情報の代わりに参照用歯並び情報との組み合わせと、当該組み合わせに対する歯の状態との3段階以上の連関度が設定されている例を示している。
参照用治療履歴情報の代わりに説明変数として加えられるこの参照用歯並び情報は、参照用画像情報を得る上で撮像した歯の被験者の実際の歯並びに関するものである。参照用歯並び情報は、歯並びが整然としているか、或いは噛み合わせが良いか悪いかを歯科医が判別して入力してもよいし、歯並びについて被検者から実際に画像を撮像し、これを解析することで取得してもよい。このとき、歯並びがよいパターン、悪いパターンの画像を予め類型化しておき、いかなる類型に当てはまるかを画像解析を通じて判別してもよい。この画像解析ではその歯並びの特徴を示した特徴量を利用し、周知の機械学習技術、ディープラーニング技術を活用して判別してもよい。
図11の例では、入力データとして例えば参照用画像情報P01~P03、参照用歯並び情報P18~21であるものとする。このような入力データとしての、参照用画像情報に対して、参照用歯並び情報が組み合わさったものが、図11に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、歯の状態が表示されている。
参照用画像情報と参照用歯並び情報との各組み合わせ(中間ノード)は、この出力解としての、歯の状態に対して3段階以上の連関度を通じて互いに連関しあっている。参照用画像情報と参照用歯並び情報がこの連関度を介して左側に配列し、歯の状態が連関度を介して右側に配列している。連関度は、左側に配列された参照用画像情報と参照用歯並び情報に対して、歯の状態と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用画像情報と参照用歯並び情報が、いかなる歯の状態に紐付けられる可能性が高いかを示す指標であり、参照用画像情報と参照用歯並び情報から最も確からしい歯の状態を選択する上での的確性を示すものである。
判別装置2は、このような図11に示す3段階以上の連関度w13~w22を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用画像情報と、参照用画像情報を取得する際に得た参照用歯並び情報、並びにその場合の歯の状態が何れが好適であったか、過去のデータを蓄積しておき、これらを分析、解析することで図11に示す連関度を作り上げておく。
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用画像情報P01で、参照用歯並び情報P20である場合に、その歯の状態を過去のデータから分析する。歯の状態Aの事例が多い場合には、この歯の状態がAにつながる連関度をより高く設定し、歯の状態がBの事例が多く、歯の状態がAの事例が少ない場合には、歯の状態がBにつながる連関度を高くし、歯の状態がAにつながる連関度を低く設定する。例えば中間ノード61aの例では、歯の状態Aと歯の状態Bの出力にリンクしているが、以前の事例から歯の状態Aにつながるw13の連関度を7点に、歯の状態Bにつながるw14の連関度を2点に設定している。
また、この図11に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。その他、人工知能に関する構成は、図4における説明と同様である。
図11に示す連関度の例で、ノード61bは、参照用画像情報P01に対して参照用歯並び情報P18の組み合わせのノードであり、歯の状態Cの連関度がw15、歯の状態Eの連関度がw16となっている。ノード61cは、参照用画像情報P02に対して、参照用歯並び情報P19、P21の組み合わせのノードであり、歯の状態Bの連関度がw17、歯の状態Dの連関度がw18となっている。
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから歯の状態の探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、実際にその歯の状態の判別対象の画像情報と、歯並び情報とを取得する。ここで歯並び情報は、歯の状態を新たに判別する際に画像情報の取得対象の歯について新たに取得するが、その取得方法は、上述した参照用歯並び情報と同様である。
このようにして新たに取得した画像情報と、歯並び情報に基づいて、最適な歯の状態を探索する。かかる場合には、予め取得した図11(表1)に示す連関度を参照する。例えば、新たに取得した画像情報がP02と同一かこれに類似するものである場合であって、歯並び情報がP21と同一か又は類似する場合には、連関度を介してノード61dが関連付けられており、このノード61dは、歯の状態Cがw19、歯の状態Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高い歯の状態Cを最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる歯の状態Dを最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。
また本発明では、上述した参照用画像情報に加え、上述した参照用歯並び情報の代わりに参照用画像情報を得る上で撮像した患者の唾液の成分に関する参照用唾液情報との組み合わせと、当該組み合わせに対する歯の状態との3段階以上の連関度を設定してもよい。ここでいう参照用唾液情報とは、患者の唾液の量、中和力、虫歯の原因となりえる菌の種類や量を、唾液検査を通じて取得したものである。唾液検査では、ミュータンス菌やラクトバチラス菌等、虫歯の進行を左右する菌の検出や菌の量、唾液の酸性度、唾液の緩衝能等も検出する。このような唾液検査結果をデータ化したものが、参照用唾液情報となる。
参照用画像情報に加え、このような参照用唾液情報とを含む組み合わせと歯の状態との3段階以上の連関度を設定しておくことで、上記図9~図11と同様に、歯の状態を推定するケースにおいて、実際に歯の状態を判別したい患者からの唾液情報の入力を受け付ける。この唾液情報の検出方法は、上述した参照用唾液情報の検出と同様に唾液検査を通じて取得する。そして参照用唾液情報とを含む組み合わせと歯の状態との3段階以上の連関度を利用し、入力された唾液情報に応じた参照用唾液情報に基づき、新たに歯の状態を判別する。
また本発明では、上述した参照用画像情報に加え、上述した参照用歯並び情報の代わりに参照用画像情報を得る上で撮像した患者の位相差顕微鏡により検出した患者の口内菌に関する参照用口内菌情報との組み合わせと、当該組み合わせに対する歯の状態との3段階以上の連関度を設定してもよい。ここでいう参照用口内菌情報とは、患者の口内を位相差顕微鏡により、観察した結果を示すものであり、口内菌の種類や量で構成される。
参照用画像情報に加え、このような参照用口内菌情報とを含む組み合わせと歯の状態との3段階以上の連関度を設定しておくことで、上記図9~図11と同様に、歯の状態を推定するケースにおいて、実際に歯の状態を判別したい患者からの口内菌情報の入力を受け付ける。この口内菌情報の検出方法は、上述した参照用口内菌情報の検出と同様に位相差顕微鏡を通じて取得する。そして参照用口内菌情報とを含む組み合わせと歯の状態との3段階以上の連関度を利用し、入力された唾液情報に応じた参照用唾液情報に基づき、新たに歯の状態を判別する。
また第2実施形態においても図7に示すように、参照用推定補助情報P22~P24と出力解としての歯の状態の修正についてルール化しておくことにより、実際に入力された推定補助情報と同一又は類似の参照用推定補助情報に基づき、そのルールに沿って出力解(歯の状態)を調整する。このとき、実際に出力解(歯の状態)を調整する場合に加え、連関度そのものを調整するようにしてもよい。参照用推定補助情報P22~P24は、参照用口臭情報、参照用食生活情報、参照用歯並び情報、参照用唾液情報、参照用口内菌情報の何れかが含まれる。
例えば、参照用修正補助情報として参照用唾液情報が適用される場合において、参照用修正補助情報P22が「唾液の量が○○g~□□mg、唾液中のミュータンス菌の量が○○mg~□□mg」であるものとしたとき、う蝕のレベルを一段階あげることをルール化しておくものとする(例えばう蝕がC1であるときにこれをC2に上げる)。このようなルールの下で、修正補助情報(唾液情報)が「唾液の量が○○g~□□mg、唾液中のミュータンス菌の量が○○mg~□□mg」であるとき、これに対応する参照用修正補助情報P22における予め作ったルールに基づき、参照用画像情報により得られた出力(歯の状態)のう蝕のレベルを一段階上げて判定してもよい。
この推定補助情報は、出力(歯の状態)との間で連関度は形成しないものの、画像情報との間で連関度を介して探索された出力(歯の状態)を修正するために利用される。このとき、どのように出力解を修正するかについては、予め参照用推定補助情報との出力(歯の状態)への調整との間でルール化しておき、実際に取得した推定補助情報に対応する(同一又は類似の)参照用推定補助情報との間で定めた出力(歯の状態)への調整ルールに沿って調整を行う。言い換えれば、推定補助情報が入力されたときに、これに基づいて出力(歯の状態)の調整がなされるものであればいかなる形態であってもよい。参照用推定補助情報との出力(歯の状態)への調整との間でルール化は、治療履歴情報として、歯の削った量が多ければ、その削り量が上がることで歯の状態の健康度を下げる調整を行うようにしてもよく、連関度や人工知能を利用することは必須とはならない。
なお、上述した連関度では、参照用画像情報に加え、参照用口臭情報、参照用食生活情報、参照用歯並び情報、参照用唾液情報、参照用口内菌情報の何れかとの組み合わせで構成されている場合を例にとり説明をしたが、これに限定されるものではない。つまり連関度は、参照用画像情報に加え、参照用口臭情報、参照用食生活情報、参照用歯並び情報、参照用唾液情報、参照用口内菌情報の何れか2以上との組み合わせで構成されていてもよい。また連関度は、参照用画像情報に加え、参参照用口臭情報、参照用食生活情報、参照用歯並び情報、参照用唾液情報、参照用口内菌情報の何れか1以上に加え、他のファクターがこの組み合わせに加わって連関度が形成されていてもよい。
更にこの第2実施形態においては、第1実施形態と組み合わせて歯の状態を判断するようにしてもよい。即ち、第2実施形態において、ニューラルネットワークの入力に当たるいかなる参照用情報と、第1実施形態において、ニューラルネットワークの入力に当たるいかなる参照用情報を組み合わせ、出力に当たる歯の状態を探索するようにしてもよい。
第3実施形態
第3実施形態においては、上述した歯の状態の代わりに、図12に示すように、う蝕の危険度をニューラルネットワークの出力に設定するものである。
第3実施形態においては、上述した歯の状態の代わりに、図12に示すように、う蝕の危険度をニューラルネットワークの出力に設定するものである。
う蝕の危険度は、う蝕が発生していなくても、その危険度の可能性を示してもよい。また単に「う蝕の兆候有り」、「う蝕の兆候無し」の単純な2段階で表示するようにしてもよい。またう蝕の危険度は、健康なのか、う蝕なのか、歯槽膿漏なのか、歯周病なのか、単に汚れが蓄積しているのか等の判別結果を示すようにしてもよいし、う蝕の危険度は、百分率や度数で定量的に表しても良く、危険度が高いほど100%に近く、危険度が低いほど0%に近くしてもよい。
このようなう蝕の危険度は、歯科医院等において蓄積されている過去のデータから取得するようにしてもよい。このとき、う蝕の危険度とその歯について実際に撮像した画像との間で互いに紐付けられたデータを取得することが前提となる。
更にう蝕の危険度は、歯科医による以前の経験に基づいてそのレベルを判断してもよいし、実際に過去の診療事例の資料を読み込み、複数人の歯科医がそのレベルについて、評価し、それらを統計的に分析してう蝕の危険度の判別するようにしてもよい。
このようなう蝕の危険度を、上述した参照用画像情報に加え、第1実施形態において示した参照用治療履歴情報、参照用詰め物情報、参照用自覚症状情報、第2実施形態において示した参照用口臭情報、参照用食生活情報、参照用歯並び情報、参照用唾液情報、参照用口内菌情報の何れか1以上との組み合わせの連関度で学習させておくことで、上述と同様にう蝕の危険度を推定することができる。
そして、このう蝕の危険度を推定できれば、必要な処置や予防方法について助言をすることができ、歯科医から指導することが可能となる。かかる場合には、う蝕の危険度に応じて予め最適な処置や予防方法をそれぞれ紐付けておく。例えばう蝕の危険度が80%である場合には、その最適な予防法として、「甘い食べ物は1日○○gまで、歯磨きは毎食後徹底、糸楊枝を使った歯磨きも行う」等が紐付けられているものとする。このような予防方法が紐付けられたデータベースを予め作りこんでおき、実際にう蝕の危険度を探索した後、これに紐づいている予防方法を表示してもよいことは勿論である。
第4実施形態
本発明は、図13に示すような歯科のリモート診断システム13に適用するようにしてもよい。このリモート診断システム13では、通信網4にそれぞれ接続されたユーザ端末5と状態判別制御部6とを備えている。このリモート診断システム13は、例えば新型コロナウィルスを初めとする伝染病が蔓延し、外出が禁止されているケースにおいて、自宅からリモートで歯科医による診断を受けることができるシステムである、。
本発明は、図13に示すような歯科のリモート診断システム13に適用するようにしてもよい。このリモート診断システム13では、通信網4にそれぞれ接続されたユーザ端末5と状態判別制御部6とを備えている。このリモート診断システム13は、例えば新型コロナウィルスを初めとする伝染病が蔓延し、外出が禁止されているケースにおいて、自宅からリモートで歯科医による診断を受けることができるシステムである、。
通信網4は、インターネット回線等を初めとする公衆通信網である。
ユーザ端末5は、歯の状態の判別を希望する本システムの一般ユーザが所持する端末であり、例えばスマートフォン、タブレット型端末、カメラ付きの携帯電話機、ウェアラブル端末、ノートPC、カメラが設置されたデスクトップPCである。
ユーザ端末5は、歯の状態の判別を希望する本システムの一般ユーザが所持する端末であり、例えばスマートフォン、タブレット型端末、カメラ付きの携帯電話機、ウェアラブル端末、ノートPC、カメラが設置されたデスクトップPCである。
状態判別制御部6は、上述した歯科診断プログラムがインストールされたPCやサーバ、スマートフォン、タブレット型端末、カメラ付きの携帯電話機、ウェアラブル端末等の各種電子機器で具現化される。この状態判別制御部6は歯科診療所に設置され、或いは歯科医が携帯することを想定しており、歯科医が使用することを前提としたものである。この状態判別制御部6にインストールされる歯科診断プログラムは、何れも第1実施形態~第3実施形態の内容を実施可能なものとされている。
このようなリモート診断システム13を実施する場合、先ずユーザ端末5により、判別対象の歯を撮像した画像情報に加え、第1実施形態において示した治療履歴情報、詰め物情報、自覚症状情報、第2実施形態において示した口臭情報、食生活情報、歯並び情報の何れか1以上を取得する。画像情報は、このユーザ端末5に設けられたカメラにより自ら口内を撮像することでこれを取得する。これらの各情報を入力するに当たり、ユーザが自ら自覚してる症状や食生活、歯並びや口臭等の情報をテキスト情報や音声として入力する。
このようにしてユーザ端末5において入力された情報は、通信網4を介して状態判別制御部6へと送られる。
状態判別制御部6は、ユーザ端末5から送られてきた画像情報に加え、治療履歴情報、詰め物情報、自覚症状情報、口臭情報、食生活情報、歯並び情報の何れか1以上に基づき、第1実施形態~第3実施形態と同様に歯の状態を判別する。
次に状態判別制御部6は、この判別した歯の状態をデータ化した、歯状態情報を生成する。状態判別制御部6は、生成した歯状態情報を通信網4を介してユーザ端末5へと送信する。ユーザ端末5は、受信した歯状態情報を自らの表示画面上に表示することでユーザに対して歯の状態を知らせることが可能となる。
推定補助情報を取得するケースにおいても同様にユーザ端末5はこれを、通信網4を介して状態判別制御部6へと送り、状態判別制御部6は、その推定補助情報に基づいて歯の状態を判別した歯状態情報を生成する。
ちなみに、このリモート診断システム13では、歯科医の見解を歯状態情報に含め、反映させるようにしてもよい。歯科医は、状態判別制御部6へ送られてきた画像情報に加え、治療履歴情報、詰め物情報、自覚症状情報、口臭情報、食生活情報、歯並び情報の何れか1以上の内容を確認することができる。また歯科医は、状態判別制御部6において探索された歯の状態を確認することができ、また歯状態情報の内容を確認することができる。歯科医はこれらの情報に基づいて自らの専門的知識に基づいて見解を出し、これを歯状態情報に反映させることができる。この見解の反映のさせ方としては、例えばコメントや所見等をテキスト情報として入力して歯状態情報に含めてもよいし、いくつかの所見の候補の選択項目の中から今回の所見に見合う項目にチェックを入れるようにしてもよい。
特に本発明では、状態判別制御部6において探索された歯の状態を一つの情報として得ることができることから、様々な観点から見落としを防止することもできる。
なお、このリモート診断システム13は、歯状態情報に反映させる歯の状態に応じた歯へのケアの助言を記述したケア助言情報を生成し、これを通信網4を介してユーザ端末5へ送信するようにしてもよい。ユーザ端末5は、通信網を介して受信したケア助言情報をユーザに表示することが可能となる。このケア助言情報は、第3実施形態において説明した予防方法に準ずるものであり、歯状態情報に応じて予め最適な処置や予防方法をそれぞれ紐付けておく。例えばう蝕の危険度が80%である場合には、その最適な予防法として、「甘い食べ物は1日○○gまで、歯磨きは毎食後徹底、糸楊枝を使った歯磨きも行う」等が紐付けられているものとする。このような予防方法が紐付けられたデータベースを予め作りこんでおき、状態判別制御部6において、実際にう蝕の危険度を探索した後、これに紐づいている予防方法をケア助言情報とし、通信網4を介してユーザ端末5へ送信するようにしてもよい。
なお、このリモート診断システム13は、歯の状態の代替としてう蝕の危険度を学習させておくことで、こ歯のう蝕の危険度を判別した結果が反映されたう蝕危険度情報を生成することができる。このう蝕危険度情報を状態判別制御部6から通信網4を介してユーザ端末5へ送信することで、同様にユーザにう蝕の危険度を知らせることが可能となる。
1 歯科診断システム
2 判別装置
21 内部バス
23 表示部
24 制御部
25 操作部
26 通信部
27 判別部
28 記憶部
61 ノード
2 判別装置
21 内部バス
23 表示部
24 制御部
25 操作部
26 通信部
27 判別部
28 記憶部
61 ノード
Claims (14)
- 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、
判別対象の歯を撮像した画像情報と、患者の口臭に関する口臭情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の口臭に関する参照用口臭情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、口臭情報に応じた参照用口臭情報とに基づき、歯の状態を判別する判別ステップとをコンピュータに実行させること
を特徴とする歯科診断プログラム。 - 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、
判別対象の歯を撮像した画像情報と、患者の食生活に関する食生活情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の食生活に関する参照用食生活情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、食生活情報に応じた参照用食生活情報とに基づき、歯の状態を判別する判別ステップとをコンピュータに実行させること
を特徴とする歯科診断プログラム。 - 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、
判別対象の歯を撮像した画像情報と、患者の歯並びに関する歯並び情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の歯並びに関する参照用歯並び情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、歯並び情報に応じた参照用歯並び情報とに基づき、歯の状態を判別する判別ステップとをコンピュータに実行させること
を特徴とする歯科診断プログラム。 - 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、
判別対象の歯を撮像した画像情報と、患者の唾液に関する唾液情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の唾液に関する参照用唾液情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、唾液情報に応じた参照用唾液情報とに基づき、歯の状態を判別する判別ステップとをコンピュータに実行させること
を特徴とする歯科診断プログラム。 - 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、
判別対象の歯を撮像した画像情報と、位相差顕微鏡により検出した患者の口内菌に関する口内菌情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者につき位相差顕微鏡により検出した患者の口内菌に関する参照用口内菌情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、口内菌情報に応じた参照用口内菌情報とに基づき、歯の状態を判別する判別ステップとをコンピュータに実行させること
を特徴とする歯科診断プログラム。 - 上記情報取得ステップでは、上記歯への詰め物に関する詰め物情報を取得し、
上記判別ステップでは、その参照用画像情報を得る上で撮像した歯における詰め物に関する参照用詰め物情報とを有する上記組み合わせと、当該歯の状態との3段階以上の連関度を利用し、更に上記情報取得ステップにおいて取得した詰め物情報に応じた参照用詰め物情報に基づき、歯の状態を判別すること
を特徴とする請求項1~5のうち何れか1項記載の歯科診断プログラム。 - 上記情報取得ステップでは、患者による歯への自覚症状に関する自覚症状情報を取得し、
上記判別ステップでは、上記過去の患者による歯への自覚症状に関する参照用自覚症状情報とを有する組み合わせと、当該歯の状態との3段階以上の連関度を利用し、更に上記情報取得ステップにおいて取得した自覚症状情報に応じた参照用自覚症状情報に基づき、歯の状態を判別すること
を特徴とする請求項1~6のうち何れか1項記載の歯科診断プログラム。 - 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、
判別対象の歯を撮像した画像情報と、推定補助情報として、患者の口臭に関する口臭情報、患者の食生活に関する食生活情報、患者の歯並びに関する歯並び情報、患者の唾液の成分に関する唾液情報、位相差顕微鏡により検出した患者の口内菌に関する口内菌情報の何れか1以上を取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、当該歯の状態との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報に基づき、歯の状態を判別すると共に、上記情報取得ステップにおいて取得した上記推定補助情報に基づいて、判別した歯の状態に関して修正を施す判別ステップとをコンピュータに実行させること
を特徴とする歯科診断プログラム。 - 上記判別ステップでは、人工知能におけるニューラルネットワークのノードの各出力の重み付け係数に対応する上記連関度を利用すること
を特徴とする請求項1~8のうち何れか1項記載の歯科診断プログラム。 - 歯のう蝕の危険度を判別するう蝕危険度判別プログラムにおいて、
判別対象の歯を撮像した画像情報と、患者の口臭に関する口臭情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の口臭に関する参照用口臭情報とを有する組み合わせと、当該歯のう蝕の危険度との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、口臭情報に応じた参照用口臭情報とに基づき、う蝕の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とするう蝕危険度判別プログラム。 - 歯のう蝕の危険度を判別するう蝕危険度判別プログラムにおいて、
判別対象の歯を撮像した画像情報と、患者の歯並びに関する歯並び情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の歯並びに関する参照用歯並び情報とを有する組み合わせと、当該歯のう蝕の危険度の3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、歯並び情報に応じた参照用歯並び情報とに基づき、う蝕の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とするう蝕危険度判別プログラム。 - 歯のう蝕の危険度を判別するう蝕危険度判別プログラムにおいて、
判別対象の歯を撮像した画像情報と、患者の唾液に関する唾液情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者の唾液に関する参照用唾液情報とを有する組み合わせと、当該歯のう蝕の危険度との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、唾液情報に応じた参照用唾液情報とに基づき、う蝕の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とするう蝕危険度判別プログラム。 - 歯のう蝕の危険度を判別するう蝕危険度判別プログラムにおいて、
判別対象の歯を撮像した画像情報と、位相差顕微鏡により検出した患者の口内菌に関する口内菌情報とを取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、その参照用画像情報を得る上で撮像した患者につき位相差顕微鏡により検出した患者の口内菌に関する参照用口内菌情報とを有する組み合わせと、当該歯のう蝕の危険度との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報と、口内菌情報に応じた参照用口内菌情報とに基づき、う蝕の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とするう蝕危険度判別プログラム。 - 歯科診断における歯の状態を判別する歯科診断プログラムにおいて、
判別対象の歯を撮像した画像情報と、推定補助情報として、患者の口臭に関する口臭情報、患者の食生活に関する食生活情報、患者の歯並びに関する歯並び情報、患者の唾液の成分に関する唾液情報、位相差顕微鏡により検出した患者の口内菌に関する口内菌情報の何れか1以上を取得する情報取得ステップと、
過去において撮像した歯の参照用画像情報と、当該歯のう蝕の危険度との3段階以上の連関度を利用し、上記情報取得ステップにおいて取得した画像情報に応じた参照用画像情報に基づき、う蝕の危険度を判別すると共に、上記情報取得ステップにおいて取得した上記推定補助情報に基づいて、判別したう蝕の危険度に関して修正を施す判別ステップとをコンピュータに実行させること
を特徴とする歯科診断プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020137562A JP2022033588A (ja) | 2020-08-17 | 2020-08-17 | 歯科診断プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020137562A JP2022033588A (ja) | 2020-08-17 | 2020-08-17 | 歯科診断プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022033588A true JP2022033588A (ja) | 2022-03-02 |
Family
ID=80375438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020137562A Pending JP2022033588A (ja) | 2020-08-17 | 2020-08-17 | 歯科診断プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022033588A (ja) |
-
2020
- 2020-08-17 JP JP2020137562A patent/JP2022033588A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5841196B2 (ja) | ヒトの健康に関する残差ベースの管理 | |
JP4011071B2 (ja) | 嚥下音解析システム | |
JP2021524958A (ja) | 呼吸器系の音に基づく呼吸状態の管理 | |
US10568716B2 (en) | Methods and systems for employing artificial intelligence in automated orthodontic diagnosis and treatment planning | |
US20180211730A1 (en) | Health information (data) medical collection, processing and feedback continuum systems and methods | |
CN116807476B (zh) | 基于界面式情感交互的多模态心理健康评估系统及方法 | |
CN109313931A (zh) | 用于提供与医学检查有关的反馈的系统、方法和计算机程序产品 | |
CN108652587A (zh) | 一种认知功能障碍预防监测装置 | |
CN114305418B (zh) | 一种用于抑郁状态智能评估的数据采集系统及方法 | |
JP7249572B2 (ja) | 不快感情推定装置 | |
Sathyavathi et al. | Human age estimation using deep convolutional neural network based on dental images (orthopantomogram) | |
WO2021079785A1 (ja) | 肉質判別プログラム及びシステム | |
JP2021074030A (ja) | う蝕危険度判別プログラム及びシステム | |
JP2022033588A (ja) | 歯科診断プログラム | |
JP6755059B1 (ja) | 歯科診断プログラム及びシステム | |
JP2022033680A (ja) | 保険条件出力プログラム | |
WO2022102721A1 (ja) | うつ状態判別プログラム | |
JP2021074503A (ja) | 歯科診断プログラム及びシステム | |
JP2021163006A (ja) | 睡眠健康度判別プログラム | |
WO2023275975A1 (ja) | 認知機能推定装置、認知機能推定方法及び記憶媒体 | |
JP2005284660A (ja) | 歯周疾患検査システム、歯周疾患検査プログラム及びそれを格納した記憶媒体 | |
JP2022106065A (ja) | 認知症兆候判別プログラム | |
JP2021111269A (ja) | 疲労度判別プログラム、改善施策提案プログラム | |
JP2021192195A (ja) | 家畜飼育方法提案プログラム及びシステム | |
JP3721980B2 (ja) | 脳機能検査装置 |