JP2022167627A - 情報処理装置、情報処理方法およびプログラム - Google Patents

Abstract

【課題】 学習済みの推論モデルを用いて歯科用補綴物の色を推論する情報処理装置、情報処理方法およびプログラムを提供することを目的とする。
【解決手段】 本発明に係る情報処理装置は、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部と、欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得部と、を有し、前記推論部は、前記学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする。
【選択図】 図６

Description

本発明は学習済みモデルを用いて歯科用補綴物の色の推論を行う情報処理装置、情報処理方法およびプログラムに関する。

従来、インレー、クラウン、ブリッジ等の歯科用補綴物は歯科技工士による鋳造など、人手によって作製されていた。それに対し、コンピュータを用いて、インレー、クラウン、ブリッジ等の歯科用補綴物の設計を行い、切削加工によって歯科用補綴物を作製するＣＡＤ／ＣＡＭシステムが注目されている（特許文献１）。

特許文献１に記載のＣＡＤ／ＣＡＭシステムは、支台歯形成や窩洞形成した歯牙の三次元形状の情報、場合によっては隣在歯や対合歯の三次元形状の情報を読み取る。そして読み取った歯牙の形状等の情報を基に目的の歯科用補綴物をコンピュータで設計し、レジン硬化体、セラミック焼結体、金属体等のブロック状材料を自動切削加工機にセットして切削加工して歯科用補綴物を作製することが開示されている。

特開２００２－２２４１４２号公報

特許文献１には、ＣＡＤ／ＣＡＭシステムによって、歯牙等の三次元形状の情報に基づいてブロック材料を切削加工することで歯科用補綴物を形成するものの、歯科用補綴物の着色に関しては、歯科技工士が、残存する歯との整合性を見ながら行っているためコストがかかる。本発明は、学習済みの推論モデルを用いて歯科用補綴物の色を推論する情報処理装置、情報処理方法およびプログラムを提供することを目的とする。

本発明の目的を達成するために、本発明に係る情報処理装置は、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部と、欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得部と、を有し、前記推論部は、前記学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする。

本発明によれば、学習済みモデルを用いて歯科用補綴物の色を推論することができる。

本発明の歯科用補綴物製造システムの構成を示す図。 本発明の歯科用補綴物の生成フローを示す図。 本発明の歯科用補綴物の生成フローのイメージ図。 本発明の歯科用補綴物製造システムの各部を実現する装置例の概略図。 本発明の口腔内スキャナ１０００の概略図。 本発明の情報処理装置２０００（歯科用ＣＡＤ２０００）の概略図。 本発明の情報処理装置２０００（歯科用ＣＡＤ２０００）による歯科用補綴物の色の推論フロー図。 本発明の情報処理装置２０００（歯科用ＣＡＤ２０００）の推論モデルの学習時の概略図。 本発明の情報処理装置２０００による推論モデルの学習フロー図。 本発明の推論フローの変形例を示すフロー図。 本発明の歯科用ＣＡＭ３０００の概略図。 本発明の歯科用補綴物の形成フローを説明する図。 本発明の着色装置４０００の概略図。 本発明の歯科用補綴物の着色フローを説明する図。

以下、添付図面を参照して本発明の好適な実施形態について説明する。

［第一の実施形態］
図１は、本発明に係る歯科用補綴物製造システムの構成を示す。

本発明の歯科用補綴物製造システムは、口腔内の情報を取得する口腔内情報の取得部１００と、取得した口腔内情報に基づいて、歯科用補綴物の三次元形状データや歯科用補綴物の色データを生成するデータ生成部２００とを含む。さらに歯科用補綴物製造システムは生成された三次元形状データに基づいて歯科用補綴物の形成を行う形成部３００と、生成された色データに基づいて形成された歯科用補綴物の表面に着色を行う着色部４００とから構成される。また形成部３００と着色部４００とは、両加工を行う同一の装置から構成されてもよい。

以下より、図２に示した歯科用補綴物製造システムによる歯科用補綴物の生成フローについて図３のイメージ図を参照しながら説明をする。

ステップＳ２００において、口腔内情報の取得部１００は、記憶装置等から被検者の口腔内情報を取得する。口腔内情報の取得部１００が取得する情報は、欠損領域を含む歯列の情報であり、歯の三次元形状の情報や、歯の色情報を含む画像データである。口腔内情報の取得部１００は、取得した口腔内情報を推論対象の画像データとして、データ生成部２００へと送信する。なお、ここで、口腔内情報の取得部１００が取得する口腔内情報は、口腔内スキャナ等（図３の３０１参照）の撮像手段を用いて撮影された画像データであってもよい。図３の３０１は、ユーザの口腔内情報を取得するイメージを示している。

ステップＳ２０１において、データ生成部２００は取得した推論対象の画像データに対して、学習済みの推論モデルを用いて歯科用補綴物の色を推論する。ここで、学習済みの推論モデルは、欠損領域を含む歯列を撮影した学習画像データと該欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルである。後に詳述するが、推論モデルは、正解データとして、歯科用補綴物の色を示す画素値に対応する正解ラベルを適用したＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）に基づくモデルであってもよい。もしくは、推論モデルは正解データとして、正解画像データを学習したｐｉｘ２ｐｉｘのようなＧＡＮ（Ｇｅｎａｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）に基づくモデルであってもよい。データ生成部２００は、さらに、推論した色および形状に基づいて、歯の三次元形状データと歯の色データを生成する（図３の３０２参照）。なお、データ生成部２００における学習済みの推論モデルによる推論処理と、該推論処理に基づくデータの生成とは、異なる装置から構成されてもよい。データ生成部２００は、例えば歯の形状のマスタ情報と、送信された歯の三次元形状情報との差分に基づいて、歯課用補綴物の三次元形状を推論し、歯の三次元形状データを生成してもよい。データ生成部２００は歯の三次元形状データおよび歯の色データを生成すると、生成した三次元形状データを形成部３００へ送信し、推論した色データを着色部４００へ送信する。ここで、図３の３０２において、歯科用補綴物を濃色、現存する歯を淡色で示している。

ステップＳ２０２において、形成部３００は、取得した歯の三次元形状データに基づいて、形成部３００が歯科用補綴物の母材を切削や研削することで歯科用補綴物を形成する。形成部３００によって歯科用補綴物が形成されると、形成した歯科用補綴物を着色部４００に送る。

ステップＳ２０３において、着色部４００は、取得した学習済みモデルによって推論された歯科用補綴物の色データに基づいて、形成部３００から取得した歯科用補綴物の表面に着色を行う。図３の３０３には、形成部３００によって歯科用補綴物の母材から歯科用補綴物を形成し、形成した歯科用補綴物に対して着色部４００が着色するイメージを示している。本フローによる歯科用補綴物の着色によって、図３の３０４にイメージとして示すような適合性の高い歯科用補綴物が生成することができる。

ここで、図４を用いて歯科用補綴物製造システムの各部を実現する装置の一例について説明をする。口腔内情報の取得部１００の機能は例えば、口腔内スキャナ１０００（図５を用いて後述）によって実現される。口腔内スキャナ１０００で撮影した口腔内情報は、データ生成部２００の機能を有する情報処理装置２０００（図６等を用いて後述）に送信される。また情報処理装置によって生成された歯科用補綴物の三次元形状データは、形成部３００の機能を有する歯科用ＣＡＭ３０００（図１１を用いて後述）に送信される。また情報処理装置２０００が保有する学習済みの推論モデルによって推論された歯科用補綴物の色データは、着色部４００の機能を有する着色装置４０００（図１３を用いて後述）に送信される。また情報処理装置２０００における歯科用補綴物の色の推論と、歯科用補綴物のデータ生成とは、異なる装置によって実現されてもよい。例えば、情報処理装置２０００が保有する学習済みの推論モデルによる出力を、歯科用ＣＡＤ等の他の装置に送信し、歯科用ＣＡＤが歯科用補綴物の色や形状等のデータを生成する。なお、歯科用補綴物製造システムの各部を実現する装置は上述に限定されるものではない。以下より、上述した歯科用補綴物製造システムを構成する各装置について説明をする。

＜口腔内スキャナ１０００＞
まず、図５を用いて歯科用補綴物製造システムにおける口腔内情報取得部１００の機能を実現する口腔内スキャナ１０００の概略図について説明をする。口腔内スキャナ１０００は記憶部５０１と操作部５０２と通信用ＩＦ（Ｉｎｔｅｒｆａｃｅ）５０３と撮影制御部５０４を具備している。記憶部５０１は取得した歯の情報等を記憶し、操作部５０２は、ユーザによる操作を受け付ける。通信ＩＦ５０３は、ＬＡＮカード等で実現され、外部装置（例えば歯科用ＣＡＤ２０００）との間の通信を司る。撮影制御部５０４は歯画像データを取得する。

撮影制御部５０４によって取得された画像データは記憶部５０１に記憶され、通信ＩＦ５０３を用いて推論対象の画像データとして情報処理装置２０００に送信される。なお、口腔内情報の取得部１００はあらかじめ撮影された口腔内情報を記憶装置等から取得することで代替されてもよい。また口腔内スキャナ１０００は口腔内の情報を取得するためのスキャナであり、必ずしも口腔内に差し込んで撮影される必要はない。例えば口腔内情報の取得部１００は、口腔内の印章をとり、それをスキャンして歯の三次元形状情報を取得してもよい。

＜情報処理装置２０００＞
次に歯科用補綴物製造システムにおけるデータ生成部２００の機能を実現する情報処理装置の概略図の一例を示す。図６に示すように情報処理装置２０００は通信ＩＦ６０１、ＲＯＭ６０２、ＲＡＭ６０３、記憶部６０４、操作部６０５、表示部６０６と制御部６０７を具備している。

通信ＩＦ６０１は、ＬＡＮカード等で実現され、外部の口腔内スキャナ１０００や、歯科用ＣＡＭ３０００、着色装置４０００との間の通信を司る。ただし通信を行う必要がない場合は、通信ＩＦ６０１は構成として必須ではない。ＲＯＭ６０２は、不揮発性のメモリ等で実現され、各種プログラム等を記憶する。ＲＡＭ６０３は、揮発性のメモリ等で実現され、各種情報を一時的に記憶する。記憶部６０４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で実現され、各種情報を記憶する。操作部６０５は、キーボードやマウス等で実現され、表示部６０６は、ディスプレイ等で実現され、各種情報をユーザに表示する。操作部６０５や表示部６０６は、本図面で示すように歯科用ＣＡＤ２０００の構成として機能してもよいし、歯科用ＣＡＤ２０００とは異なる装置から構成されてもよい。

制御部６０７は、推論対象の画像データを取得する推論対象データの取得部６０８と、欠損領域を含む歯列を撮影した学習画像データと欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部６０９とを含み構成される。また推論部６０９は、学習済みの推論モデルへ推論対象の画像データを入力することにより、推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする。また情報処理装置２０００は、デ推論された歯科用補綴物の色や、三次元形状に基づいて、歯科用補綴物のデータを生成するデータ生成部６１０と、生成したデータや、推論部６０９によって推論された歯科用補綴物の色の情報を表示部６０６に表示処理するための表示制御６１１と、を含み構成される。

尚、データ生成部６１０の機能は異なる装置によって実現されてもよい。

ここで、図７を用いて、情報処理装置２０００によって、歯科用補綴物の色を推論し、データ生成するまでのフローに関して説明をする。尚、情報処理装置２０００における各部の構成が複数の装置から構成されても、一部の構成のみを実現した装置として構成されてもよい。

ステップＳ７００１において、推論対象データの取得部６０８は、撮像手段を用いて得られた推論対象の画像データを取得する。推論対象データの取得部６０８は、推論対象の画像データを取得すると、推論部６０９へと推論対象の画像データを送信し、本ステップを終了する。

ステップＳ７００２において、推論部６０９は、学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論する。ここで、学習に関しては後述するが、推論部６０９は、欠損領域を含む歯列を撮影した学習画像データと欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する。ここで、推論モデルは機械学習に基づくモデルであり、例えばＣＮＮに基づくモデルや、ＧＡＮに基づくモデルである。また、推論部６０９が有する推論モデルは、複数あってもよい。例えば、推論部６０９が歯列に対して欠損領域が所定値よりも小さい場合と、大きい場合とで推論モデルをそれぞれ有する場合について考える。欠損領域とは、例えば、標準的な歯列データに基づく歯列と、前記欠損領域を含む歯列との対比によって算出される値である。歯列に対して欠損領域が大きい場合には、当該欠損領域に配置する歯科用補綴物の色を推論する場合に、配置の対象となる歯の近傍の歯と、噛み合わせの対象となる対応の歯の色をより加味した推論が好ましい場合がある。一方で、欠損領域が小さい場合には、歯科用補綴物の配置の対象となる歯の色を、加味した推論が好ましい場合がある。そのため、欠損領域の大きさで教師データを異ならせた推論モデルを複数有することによって、歯科用補綴物の色の推論精度が向上する。

推論部６０９は、歯科用補綴物の色を推論するとデータ生成部６１０にデータを送信する。なお、データ生成部６１０は異なる装置から構成されてもよく、また情報処理装置２０００はここまでの機能を実現した独立した装置として機能してもよい。

ステップＳ７００３において、データ生成部６１０は、送信された歯科用補綴物の色の情報に基づいて、歯科用補綴物の色データを生成すると表示制御部６１１を介して生成した色データを表示部６０６へ表示させる。また、生成した色データは、着色装置４０００へ送信され、後述するが着色装置４０００は、形成された歯科用補綴物に対して、推論された色情報に基づく着色を行う。

またここで、推論部６０９によって推論される歯科用補綴物の表面の色は、候補として複数あってもよい。その場合には、表示制御部６１１は表示部６０６に対して複数の歯科用補綴物の表面の色候補を表示する。また、推論部６０９から各色の尤度情報をさらに取得することで、表示制御部６１１は、複数の色候補を尤度情報と合わせて表示することができる。ユーザは、複数の色候補から、操作部６０５等を介して、ユーザが色データを選択できる選択受付を行ってもよい。

ここで、図８や図９を用いて、推論部６０９における学習済みの推論モデルを学習する構成に関して説明をする。図８は、学習をする際の情報処理装置２０００の構成を示しており、制御部８０７は、教師データを取得する教師データ取得部８０８、取得した教師データに基づいて、機械学習に基づく推論モデルを学習する学習部８０９とから構成される。なお、推論部６０９を有する情報処理装置と、本情報処理装置２０００とは同じ情報処理装置であっても、異なる情報処理装置であってもよい。例えば、学習部８０９によって生成された学習済みの推論モデルをクラウドや、他の情報処理装置にコピーすることで推論機能が実現される。

学習部８０９は、推論モデルを学習し、学習済みの推論モデルを生成すると、記憶部６０４に対して、モデルの情報と学習によって取得されたパラメータの情報とを対応づけて記憶する。なお、教師データとは、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にしたデータを指す。また、機械学習に基づく推論モデルは、ＣＮＮに基づくモデルでも、ＧＡＮに基づくモデルでもよい。推論モデルがＣＮＮに基づくモデルの場合には、正解データは、歯科用補綴物の色を示す画素値に対応する正解ラベルから構成されるデータである。また推論モデルがＧＡＮに基づくモデルである場合には、正解データは、歯列の画像データである。学習部８０９は、学習画像と正解データとを対にした学習によって学習済みの推論モデルを生成する。以下、図９を用いて、学習のフローに関して説明をする。

ステップＳ９０００において、教師データの取得部８０８は、教師データを記憶部６０４等より取得をする。ここで、教師データとは、学習画像データと正解データとを対にしたデータである。教師データの取得部８０８は、教師データを学習部８０９に送信する。

ここで教師データの取得部８０８は、健常者の歯列の一部の領域をマスクし、該マスク領域を欠損領域とした学習画像データを生成してもよい。この場合には、該マスク領域にマスクされた色の情報が正解データとなる。また、マスクの大きさや、マスクの形状、角度、歯列画像のサイズや角度、輝度等の変更処理の組み合わせによって学習画像データを拡張してもよい。

ステップＳ９００１において、学習部８０９は、教師データを用いて推論モデルに対して学習処理を実施し、学習済みモデルを生成する。学習部８０９は学習済みモデルを生成すると、推論モデルの情報と、パラメータの情報とを対応づけて記憶部６０４で記憶をする。なお、学習部８０９は、学習画像データにおける歯列に対する欠損領域の大きさに応じて、複数の推論モデルを学習してもよい。例えば、歯列に対して欠損領域が所定の基準以下の学習画像データを教師データとして含む第一の教師データを学習させた第一の推論モデルを生成する。また学習部８０９は、歯列に対する欠損領域が所定の基準よりも大きい学習画像データを教師データとして含む第二の教師データとして含む第二の教師データを学習させた第二の推論モデルを生成する。ここで、含むとは、教師データの構成として、他の教師データを含んでいても、異なる教師データによって追加学習がなされた場合であっても本件の対象である。

ここから、欠損領域の大きさに応じて異なる教師データによって生成された複数のモデルがある場合の、推論部６０９の推論フローに関して図１０を用いて説明をする。ここで、図７と同様の処理には同様の図番を付し、適宜説明を省略するものとする。

ステップＳ１０００１において、推論部６０９は、取得した推論対象のデータにおける歯列に対する欠損領域の大きさを算出する。ここで、歯列に対する欠損領域の大きさは例えば、標準的な歯列データに基づく歯列と、前記欠損領域を含む歯列との対比によって算出される値である。また、欠損領域を検出する推論モデルによって、該処理が代替されてもよい。推論部６０９は、歯列に対する欠損領域が所定の値以下か否かを判定し、所定の値以下であった場合には、ステップＳ１０００２へと処理を進め、上述した第一の教師データによって学習された第一の推論モデルによって歯科用補綴物の色を推論する。他方で、所定の値よりも大きい値であった場合には、ステップＳ１０００３へと処理を進め、上述した第二の教師データによって学習された第二の推論モデルによって歯科用補綴物の色を推論する。

（変形例１）
上述の実施形態において、推論部６０９は、歯列に対する欠損領域と、複数の推論モデルの教師データに、所定の欠損領域の大きさの学習画像が含まれるか否かによって、推論を行う推論モデルを選択し、推論を行う旨、説明をした。

ここでは、異なる教師データによって生成された複数の学習済みモデルに対して、検証用の画像データを推論させ、複数の学習済みの推論モデルの精度と、欠損領域の大きさを対応づけて記憶しておいて、推論対象の画像データにおける欠損領域の大きさに対して、精度の高い推論モデルを用いて推論を行わせてもよい。そうすることで、推論対象の画像データに対して、より精度の高い歯科用補綴物の色を推論が実現される。

＜歯科用ＣＡＭ３０００＞
歯科用ＣＡＭ３０００について、図１１を用いて構成の一例について説明し、図１２を用いて歯科用補綴物の形成工程について説明をする。

歯科用ＣＡＭ３０００は通信ＩＦ７０１、加工部７０２、記憶部７０３、操作部７０４、表示部７０５と制御部７０６を具備している。制御部７０６は加工制御部７０７と表示制御部７０８を具備している。

ステップＳ８０１において、歯科用ＣＡＭ３０００は通信ＩＦ８０１を通じて歯科用ＣＡＤ２０００よって生成された３次元形状データを受信する。受信した３次元形状データは記憶部８０３に記憶される。また歯科用ＣＡＭ３０００は歯の色データをさらに取得してもよい。歯の色データは後述のステップにて用いられる。

ステップＳ８０２において、歯科用ＣＡＭ３０００は、受信した三次元形状データや色データに基づいて望ましい補綴物の母材を選択する。該補綴物の母材の選択は、ユーザによる母材の選択によって代替されてもよい。また事前に補綴物の母材がセットされている場合等、本ステップは適宜省略可能である。ここで、歯科用ＣＡＭ３０００によって選択される補綴物の部材は、歯科用ＣＡＭ３０００が歯科用ＣＡＤ２０００から受信した歯の色データに近い補綴物の母材が望ましい。例えば歯科用補綴物の母材として選択されるのは、色データに近く白色度が高い補綴物の母材である。また歯科用補綴物の母材には、セラミックスおよび／または樹脂を含有していてもよい。

ステップＳ８０３において、歯科用ＣＡＭ３０００は、受信した３次元形状データに基づき制御部８０６を構成する加工制御部８０７によって加工部８０２を制御し、歯科用補綴物の母材を加工することで歯科用補綴物を形成する。加工部８０２による加工・形成の結果は表示制御部８０８を通じて表示部８０５で表示することができる。ここで加工部８０２は補綴物の母材を切削および／または研削で加工することで歯科用補綴物を形成しても良い。また加工部８０２は補綴物の母材を光照射により原料を逐次焼結または溶融して凝固させることを繰り返すことで、歯科用補綴物の加工・形成してもよい。加工部８０２は、付加造形法によって歯科用補綴物を形成してもよい。また制御部８０６は操作部８０４を通じて制御されてもよい。歯科用ＣＡＭ３０００によって形成された歯科用補綴物は着色装置４０００による着色工程に用いられる。

＜着色装置４０００＞
図１３を用いて歯科用補綴物製造システムにおける着色部４００の機能を実現する着色装置４０００の一例について説明し、図１３を用いて本装置を含む歯科用補綴物の着色工程について説明をする。

着色装置４０００は通信ＩＦ９０１、操作部９０２、記憶部９０３、回転部９０４、吐出部９０５、制御部９０６を具備している。制御部９０６は位置検出部９０７、形状検出部９０８、回転制御部９０９、吐出制御部９１０を具備している。

以下、図１４を用いて、データ生成部２００によって生成された色データに基づいて、形成された歯科用補綴物に着色する工程の具体例について説明をする。

ステップＳ１００１において着色装置４０００は通信ＩＦ９０１を通じて情報処理装置２０００によって生成された歯科用補綴物の色データを受信する。

着色装置４０００は、受信した色データを記憶部９０３に記録する。着色装置４０００は、歯科用ＣＡＭ３０００で加工・形成した歯科用補綴物を回転部９０４で保持する。位置検出部９０７では歯科用ＣＡＭ３０００で加工・形成された歯科用補綴物の位置データを検出する。形状検出部９０８では、位置検出部９０７によって検出された歯科用補綴物の位置データ、または歯科用ＣＡＤ２０００より３次元形状データを受信することで、歯科用補綴物の形状を検出する。位置検出部９０７によって検出された位置データと受信した３次元形状データを組み合わせると、形状検出部９０８による歯科用補綴物の形状の検出精度が向上する。形状検出部９０８による歯科用補綴物の形状の検出は三次元形状データの受信によって代替されてもよい。

ステップＳ１００２において着色装置４０００は、形成装置３０００で形成された歯科用補綴物の表面に、情報処理装置２０００で生成された色データに基づく着色を行う。具体的には、着色装置４０００は、形状検出部９０８で検出した歯科用補綴物の形状に応じて回転制御部９０９で回転部９０４を制御し、吐出部９０５を吐出制御部９１０で制御しながら歯科用ＣＡＭ３０００で加工・形成した歯科用補綴物を色データに基づく色材で着色する。歯科用補綴物を着色するとステップＳ１００３へと処理を進める。なお、吐出部９０５の吐出方法はインクジェットでもいいし、スプレーでもよい。ここで吐出部９０５には色材量が少ない時はインクジェットが使用されてもよい。また色材量が多い時は吐出部９０５としてスプレーが使用されてもよい。また吐出部９０５はインクジェットとスプレーを切り替え可能な機構としてそれぞれを有していてもよい。また着色装置４０００の歯科用補綴物の着色に係る色材は２種以上用いて歯科用補綴物の色データの再現性を向上させてもよい。さらに着色装置４０００は、歯科用補綴物に対して色材を塗布する塗布部（不図示）を有してもよい。着色装置４０００が色材を塗布する場合には、塗布部は異なる複数の色材を用いて多層塗布が行ってもよい。塗布部による多層塗布により、歯科用補綴物に対して色データに対する着色の再現性が向上する。また複数の色材として、互いに屈折率が異なる色材を用いてもよい。屈折率が異なる色材を歯科用補綴物の着色に用いることで反射率が高まるので、少ない塗布量で着色の再現性を実現することができる。また着色装置４０００によって歯科用補綴物を着色するための色材は、歯の色データと色材とを紐づけるルックアップテーブルを参照することで選択されてもよい。着色装置４０００はルックアップテーブルを事前に保有している場合には、色材を決定に係る演算コストを削減することができる。色材はＢ、Ｓｉ、あるいは樹脂のいずれかを含み構成されてもよい。歯科用補綴物を着色するための色材にＢ、Ｓｉ、あるいは樹脂を含むことで広い色空間を実現できる。

また、着色装置４０００によって、歯科用補綴物に着色するための色材は散乱材を含んでいてもよい。散乱材を含む色材の着色により、より少ない塗布量で着色の再現性が実現できる。散乱材には、屈折率の高い散乱材が用いられてもよい。屈折率の高い散乱材として、ＴｉＯ_２、ＳｉＯ_２、ＺｒＯ_２のうち、少なくともいずれかを含んでいてもよい。

ステップＳ１００３において、着色装置４０００は、着色処理が完了したか否かを判定する。着色処理が完了したと判定された場合には本処理を終了し、着色処理が完了していないと判定された場合には、ステップＳ１００２へと処理を進め、着色処理を行う。

以下に、実施例を挙げて本発明をより具体的に説明するが、本発明は、以下の実施例により限定されるものではない。

（実施例１）
歯の三次元形状データを用いて、Ｙｂファイバーレーザーを原料に照射して三次元造形を行った。原料としては表１の粉末１を用いた。歯の三次元形状データと同様の補綴物が造形できていることを三次元形状測定機で確認した。造形した補綴物に色材をインクジェットプリンタにより着色した。

（実施例２）
実施例１と同様に原料として粉末２を用いて補綴物を作製した。

実施例１～２の補綴物が歯科用補綴物として使用可能であることを確認した。

（変形例）
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

６０８ 推論対象データの取得部
６０９ 推論部

Claims (15)

1. 欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部と、
   欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得部と、を有し、
   前記推論部は、前記学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする情報処理装置。
2. 前記教師データを取得する教師データ取得部と、
   取得した前記教師データを用いて、前記機械学習に基づく推論モデルを学習する学習部をさらに有することを特徴とする請求項１に記載の情報処理装置。
3. 前記推論モデルは、ＣＮＮに基づく推論モデルであることを特徴とする請求項１または２に記載の情報処理装置。
4. 前記正解データは、前記歯科用補綴物の色を示す画素値に対応する正解ラベルから構成されるデータであることを特徴とする請求項１乃至３のいずれか一項に記載の情報処理装置。
5. 前記学習画像データは、歯列の一部の領域をマスクし、該マスク領域を前記欠損領域とした画像データを含むことを特徴とする請求項１乃至４のいずれか一項に記載の情報処理装置。
6. 前記教師データは、前記マスク領域を前記欠損領域とした学習画像データと、前記歯列の画像データを正解データとして構成されることを特徴とする請求項５に記載の情報処理装置。
7. 前記推論モデルは、ＧＡＮに基づく推論モデルであることを特徴とする請求項５または６に記載の情報処理装置。
8. 前記推論部は、複数の異なる学習済みの推論モデルから、推論する推論モデルを選択し、該選択された推論モデルを用いて推論を行うことを特徴とすることを特徴とする請求項１乃至７のいずれか一項に記載の情報処理装置。
9. 前記推論部は、前記推論対象の画像データにおける歯列の欠損領域の大きさに基づいて、前記複数の学習済みモデルから推論モデルを選択することを特徴とする請求項８に記載の情報処理装置。
10. 前記推論部は、前記歯列に対する欠損領域の大きさが、所定の値より大きいか否かに応じて、推論モデルを選択することを特徴とする請求項９に記載の情報処理装置。
11. 前記複数の推論モデルは、前記歯列に対する欠損領域の大きさが前記所定の値以下の学習画像データを教師データとして含む第一の教師データに基づいて学習された第一の推論モデルと、前記歯列に対する欠損領域の大きさが前記所定の値より大きい学習画像データを教師データとして含む第二の教師データに基づいて学習された第二の推論モデルとを含み構成されることを特徴とする請求項１０に記載の情報処理装置。
12. 前記推論部は、前記複数の学習済みモデルに対して、検証用の画像データを推論させ、該検証用の画像データに対する複数の学習済みモデルの推論の精度と、該検証用の画像データにおける歯列の欠損領域の大きさとに基づいて、推論対象の画像データに対して推論するモデルを選択することを特徴とする請求項８乃至１１の何れか一項に記載の情報処理装置。
13. 前記欠損領域の大きさとは、標準的な歯列データに基づく歯列と、前記欠損領域を含む歯列との対比によって算出される値であることを特徴とする請求項８乃至１１のいずれか一項に記載の情報処理装置。
14. 欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得ステップと、
    機械学習に基づく推論モデルを、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルに対して、前記推論対象の画像データを入力することにより、前記歯科用補綴物の色を推論する推論ステップと、
    を有することを特徴とする情報処理方法。
15. 請求項１４に記載の情報処理方法をコンピュータで実行するためのプログラム。

Images