JP6830082B2 - Dental analysis system and dental analysis X-ray system - Google Patents
Dental analysis system and dental analysis X-ray system Download PDFInfo
- Publication number
- JP6830082B2 JP6830082B2 JP2018107011A JP2018107011A JP6830082B2 JP 6830082 B2 JP6830082 B2 JP 6830082B2 JP 2018107011 A JP2018107011 A JP 2018107011A JP 2018107011 A JP2018107011 A JP 2018107011A JP 6830082 B2 JP6830082 B2 JP 6830082B2
- Authority
- JP
- Japan
- Prior art keywords
- dental
- ray image
- ray
- image
- deep learning
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 70
- 230000003902 lesion Effects 0.000 claims description 77
- 201000010099 disease Diseases 0.000 claims description 58
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 58
- 238000013135 deep learning Methods 0.000 claims description 47
- 208000002925 dental caries Diseases 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 208000031513 cyst Diseases 0.000 claims description 7
- 208000006558 Dental Calculus Diseases 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 12
- 238000013136 deep learning model Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000013016 learning Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009966 trimming Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 206010011732 Cyst Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 241000282465 Canis Species 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004283 incisor Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
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。 The present invention relates to a dental analysis system and a dental analysis X-ray system.
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。 When a dentist treats or diagnoses a tooth, if it is considered that there is a lesion in a place that is difficult to visually confirm from the outside, the diagnosis may be made using a dental radiographing device. In recent years, it has become possible to take dental panoramic X-ray images that can take all teeth at once, so that hidden lesions or features that cannot be visually noticed can be found. became.
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。 For example, in Patent Document 1 (Japanese Unexamined Patent Publication No. 2018-63707), it is possible to acquire tooth number information by deep learning of a dental panoramic X-ray image, and to easily obtain identification information of a person to be identified. An image analysis system that cuts out an image of a single tooth from a dental panoramic X-ray image by deep learning, acquires tooth number information by deep learning, and then manually corrects an error in the tooth number information is disclosed, which makes it easy. It is stated that identification information can be obtained.
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。 Further, Patent Document 2 (Japanese Unexamined Patent Publication No. 2016-198197) provides information on a first terminal for transmitting an image of an affected area in which an image of the affected area is imaged and a disease name corresponding to the image of the affected area by receiving the image of the affected area from the first terminal. A server for transmitting to the first terminal and a second terminal for transmitting information on a disease name indicating a diagnosis result by a doctor to the server are provided. The first terminal sends the necessity of the doctor's diagnosis to the server together with the affected part image, and the server requests the doctor's diagnosis from the image analysis unit that derives the disease name corresponding to the affected part image by image analysis and the first terminal. If so, the diagnosis request processing unit that transmits the affected area image to the second terminal, and the first terminal when the information on the disease name derived by the image analysis unit and the information on the disease name transmitted from the second terminal are received. A diagnostic support system having a disease information generation unit to be transmitted to is disclosed, and it is described that a disease name corresponding to the input affected area information can be provided with high reliability.
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。 Further, Patent Document 3 (Japanese Unexamined Patent Publication No. 2015-154918) describes a lesion candidate detection stage for detecting a lesion candidate in a medical image, a peripheral object detection stage for detecting an anatomical object in a medical image, and a lesion. False-positive lesion candidates among lesion candidates based on the lesion candidate verification stage, which verifies the candidates based on anatomical context information including the relationship information between the position of the lesion candidate and the position of the anatomical object, and based on the verification results. A lesion detection device including a false positive removal step for removing a lesion is disclosed, and it is described that a site related to a lesion can be appropriately detected.
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。
However, identifying the lesion site from the dental X-ray image and determining the disease name requires considerable training, and the wide range of images obtained from the dental panoramic X-ray image places a heavy burden on the dentist. , There was a risk of oversight.
Then, the image analysis system of Patent Document 1 acquires tooth number information from a dental panoramic X-ray image, and cannot identify a lesion site and determine a disease name. In addition, the diagnostic support system of Patent Document 2 analyzes skin diseases, and cannot identify lesions that are difficult to see visually by appearance and determine the disease name. Further, the lesion detection device of Patent Document 3 detects lesion candidates, object detection, and lesion candidate verification in order to detect at least one of skin, fat, line tissue, muscle, and bone as an anatomical object from a chest image. There was a problem that it was not suitable for high-speed processing because it was necessary to perform a procedure for removing false positives.
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。 Therefore, a main object of the present invention is to provide a dental analysis system and a dental analysis X-ray system that assist a dentist in judgment by determining a lesion site and a disease name from a dental panoramic X-ray image. ..
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。 Another object of the present invention is to provide a dental analysis system and a dental analysis X-ray system capable of detecting a lesion site and determining a disease name with high accuracy and high speed.
（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。
(1)
The dental analysis system according to one aspect displays a deep learning unit that detects a lesion site from a dental panoramic X-ray image and determines a disease name, and a lesion site and a disease name identified by the deep learning unit on the dental panoramic X-ray image. It is characterized by including a display unit.
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。 Since the deep learning part (deep learning part) can detect the lesion part of the dentistry and further determine the disease name of the lesion part, it can be effectively used to assist the judgment of the dentist. Furthermore, by using deep learning to detect lesions and identify disease names, it is possible to detect dental lesions and determine disease names with high accuracy and at high speed.
（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。
(2)
The dental analysis system according to the second invention is the dental analysis system according to the one aspect of the invention, and the deep learning unit may include a YOLO (you only look) system.
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。 By using the YOLO system in detecting the lesion site and determining the disease name using the dental panoramic X-ray image, more accurate and high-speed processing can be performed.
（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。
(3)
The dental analysis system according to the third invention is a dental analysis system according to one aspect or the second invention, and the YOLO system has a width of 1000 pixels or more and 10,000 pixels or less and a height of a dental panoramic X-ray image. It may be 500 pixels or more and 5000 pixels or less.
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。 As a result, it is possible to detect the lesion site and determine the disease name with high accuracy.
（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。）
(4)
The dental analysis system according to the fourth invention is the dental analysis system according to any one of the inventions from the first aspect to the third aspect, and the YOLO system is a magnification of the dental panoramic X-ray image in the convolution process according to the following formula (1). It may be R.
R ≧ 7 / min (minW, minH) (1)
(In the formula, minW and minH indicate the minimum width and the minimum height of the rectangle surrounding the lesion to be detected on the dental panoramic X-ray image, and min (minW, minH) is either minW or minH. Indicates the smaller value.)
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。 As a result, it is possible to detect the lesion site and determine the disease name with high accuracy.
（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。
(5)
The dental analysis system according to the fifth invention is a dental analysis system according to any one of the first to fourth aspects, and the disease name is a group consisting of caries, apical lesion, cyst, tartar and root bifurcation lesion. It may be at least one selected from the above.
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。 As a result, the deep learning portion can determine caries, apical lesions, cysts, tartar and root bifurcation lesions, which are usually difficult to determine, with high accuracy.
（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。
(6)
The dental analysis system according to the sixth invention is a dental analysis system according to any one of the inventions from the first aspect to the fifth aspect, and the deep learning unit has 500 or more and 100,000 types or less for each disease name to be detected and determined. Learning may be performed using the teacher data.
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。 As a result, it is possible to detect the lesion site and determine the disease name with high accuracy.
（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。
(7)
The dental analysis system according to the seventh invention is the dental analysis system according to any one of the inventions from the first aspect to the sixth aspect, and the deep learning unit may display the determination probability of the disease name on the display unit.
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。 As a result, the judgment probability of the disease name can be displayed, which can be effectively used to assist the judgment of the dentist.
（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。
(8)
The dental analysis system according to the eighth invention is the dental analysis system according to any one of the inventions from the first aspect to the seventh aspect, further including a pretreatment unit, and the pretreatment unit is a nasal image of a dental panoramic X-ray image. And the jaw image may be deleted and the deleted dental panoramic X-ray extracted image may be given to the deep learning part.
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。 As a result, the deep learning unit can detect the lesion site and determine the disease name based on the image of only the tooth and the periphery of the tooth. That is, by deleting (trimming) extra information, the accuracy and speed of detection and determination can be improved.
（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。
(9)
The dental analysis system according to the ninth invention is the dental analysis system according to any one of the inventions from the first aspect to the eighth aspect, and may further include an image dividing portion for dividing a dental panoramic X-ray image into a plurality of parts.
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。 As a result, the dental panoramic X-ray image can be divided into a plurality of parts to detect the lesion site and determine the disease name, so that the accuracy of the detection and determination can be improved.
（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。
(10)
The dental analysis X-ray system according to the tenth invention may include the dental analysis system according to any one of claims 1 to 9, and an X-ray apparatus for capturing a dental panoramic X-ray image.
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。 In this case, the X-ray image taken by the X-ray apparatus can be determined and displayed by the dental analysis system. As a result, it can be effectively used to assist the dentist's judgment.
（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。
(11)
The dental analysis X-ray system according to the eleventh invention is the dental analysis X-ray system according to the tenth invention, which is a dental panoramic X-ray image and the dental analysis according to any one of claims 1 to 9. It may further include a link portion that links the analysis result of the system with the chart of the subject.
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。 Since the link unit can automatically link to the medical record of the subject, it can be used for medical examination, treatment and management of medical information by a dentist.
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。 According to the present invention, a dental analysis system and a dental analysis X-ray system that assist a dentist's judgment can be obtained.
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。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. In the following description, the same parts are designated by the same reference numerals. Their names and functions are the same. Therefore, the detailed description of them will not be repeated. The present invention will be described in detail below.
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。
The dental analysis X-ray system 100 according to this embodiment includes a dental panoramic X-ray imaging apparatus 200 and a dental analysis system introduced in a computer 300.
The dental panoramic X-ray imaging apparatus 200 captures a dental panoramic X-ray image 400 of a subject. The computer 300 detects the lesion site and determines the name of the disease by analyzing the captured dental panoramic X-ray image 400 with the deep learning unit 340. The result analyzed by the computer 300 is displayed on the display unit 320, and can be effectively used to assist the dentist's judgment. Details of the deep learning unit 340 will be described later.
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。
In the dental analysis system of the present invention, the pretreatment unit 322 and / or the image division unit 324 may be processed before the analysis of the deep learning unit 340 is performed (FIG. 6). Details of the preprocessing unit 322 and the image dividing unit 324 will be described later.
In addition, the dental panoramic X-ray image 400 and the analysis result 460 may be linked to the subject's chart. This makes it possible for the dentist to provide medical examination, treatment, and management of medical information.
（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。
(Dental panorama X-ray imaging device 200)
As shown in FIG. 1, the dental panoramic X-ray imaging apparatus 200 according to the present invention detects and photographs an X-ray source 212 that irradiates an X-ray toward a subject and X-rays that have passed through the subject. It may have an X-ray photographing means 214.
The X-ray source 212 and the X-ray photographing means 214 are arranged so as to face each other so that they can take a picture while turning around the subject. The radiographing system 210 has a swivel arm 216 capable of swiveling the X-ray source 212 and the X-ray radiographing means 214, and swivels while holding the radiographing system 210. In this way, the dental panoramic X-ray image 400 of the subject can be obtained by continuously taking pictures while appropriately adjusting the X-ray focus and the like.
The dental panorama X-ray imaging apparatus 200 may have a slide main body 220 for arranging the imaging system 210 so as to be able to move up and down. Further, the dental panoramic X-ray imaging apparatus 200 may have a head support 230 for positioning the head of the subject. Further, the positioning may be a method in which the subject bites the mouthpiece fixed to the dental panoramic X-ray imaging apparatus 200.
（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。
(Pretreatment unit 322)
In the photographed dental panoramic X-ray image 400, as shown in FIG. 2, usually, not only the tooth portion but also the nose portion and the jaw portion are simultaneously photographed.
Since the object of the present invention is to detect the lesioned portion of the tooth part and determine the disease name, the images of the nose and the jaw are taken from the dental panoramic X-ray image 400 taken as shown in FIG. 3, respectively. Delete (trim). As shown in FIG. 6, by performing the processing of the pretreatment unit 322 before the analysis of the deep learning unit 340, the deep learning unit 340 detects the lesion site and determines the disease name based on the image of only the tooth portion. Therefore, the accuracy and speed of detection and determination can be improved. Although the method of detecting the lesion portion of the tooth part and determining the disease name will be described below, the disease name may be determined by detecting the lesion part of the nose or jaw.
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。
When trimming the images of the nose and jaw from the captured dental panoramic X-ray image 400, even if the position of the tooth is automatically detected from the captured dental panoramic X-ray image 400 and trimmed. Good. Further, if the imaging device does not change, the position of the tooth portion in the central portion does not fluctuate significantly, so that the same size may be trimmed uniformly.
In addition, the brightness, contrast, and γ value of the captured dental panoramic X-ray image 400 may not be optimal depending on the imaging environment or the subject. Therefore, the brightness, contrast, and γ value of the captured dental panoramic X-ray image 400 may be adjusted as appropriate.
（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。
(Image division 324)
In the present invention, the trimmed dental panoramic X-ray image 420 obtained by the pretreatment unit 322 may be appropriately divided into a plurality of pieces.
As a method of division, for example, a 16-division image in which the upper tooth and the lower tooth are set as one set can be obtained. Further, as shown in FIG. 4, the incisors and canines and the left and right molars can be separated to obtain a three-divided image.
As shown in FIG. 6, using the dental panoramic X-ray image 440 divided by the image dividing unit 324, the deep learning unit 340 is analyzed for each of the divided images (images 442 to 446). It is possible to improve the detection accuracy of the lesion site and improve the determination accuracy of the disease name.
In addition, the lesion site may exist across the site where the image is divided. Therefore, when the images are divided, each image may be acquired so that the divided portions overlap in a range of 0.5 mm or more and 20 mm or less (broken line portion in FIG. 4). As a result, the lesion site existing over the divided portion can be reliably detected and the disease name can be determined.
When displaying the divided dental panorama X-ray image 440 on the display unit 320, the divided dental panorama X-ray image 440 may be displayed independently, or the respective images may be combined to form one dentistry. It may be displayed as a panoramic X-ray image 400.
（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。
(Deep learning section 340)
The dental panoramic X-ray image processed by the pretreatment unit 322 and / or the image division unit 324 is detected by the deep learning unit 340 of the computer 300 and the disease name is determined.
“Deep learning” is machine learning using a multi-layered neural network 342 (deep neural network) as shown in FIG. The deep learning model is an expression showing the structure of the deep neural network. The computer 300 uses the teacher data 344 to generate at least a part of the components of the deep learning model (structure of the deep neural network) without human intervention, and outputs the deep learning model including the generated components. To do.
Therefore, the deep learning model is built automatically. In the present invention, since the dental panoramic X-ray image 400 is analyzed using the neural network 342 thus obtained, the steps such as region search and feature extraction performed in the conventional machine learning are not required. , Can be processed faster.
The algorithm (program to be installed in the information processing device) of the deep learning unit 340 in the present invention is YOLO (You Only Look None), R-CNN (Regions with CNN features), SPPnet, Fast R-CNN, SSD (Single Shot MultiBoo). Director), U-NET and the like can be used.
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。
In the present invention, in order to construct a deep learning model capable of detecting a lesion site and determining a disease name, learning is performed in advance using teacher data 344.
The lesion data used as the teacher data 344 is preferably learned using lesion images of caries, apical lesions, cysts, tartar and root bifurcation lesions. This makes it possible to detect and determine caries, apical lesions, cysts, tartar and root bifurcation lesions, which are usually difficult to determine, with high accuracy using deep learning.
The deep learning unit 340 automatically constructs a deep learning model by performing a large number of learnings based on the teacher data 344. Therefore, the deep learning unit 340 that has learned the lesion location and the disease name can automatically identify the position and category by the algorithm of general object detection by computer vision such as image recognition, so that the lesion location can be identified from the dental panoramic X-ray image. Can be detected and the disease name can be determined at the same time.
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。 In the learning using the teacher data 344 of the present invention, it is preferable to learn using the teacher data 344 of 500 types or more and 100,000 types or less for each disease name to be determined, and to learn using the teacher data 344 of 10,000 types or more and 50,000 types or less. By learning the lower limit value or more in this way, it is possible to detect the lesion site and determine the disease name with high accuracy. On the other hand, if the above upper limit is exceeded, the learning effect is saturated.
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。
As the system (program to be installed in the information processing apparatus) of the deep learning unit 340 in the present invention, YOLO (Redmon, Joseph, et al. "YOLOv3: An Incremental Improvement" arXiv preprint arXiv: 1804.02767) can be used. YOLO divides the entire image into a grid in advance, classifies objects (classification) and calculates the bounding box for each area (Bounding Box Regression), and is constructed with one network, so it is highly accurate and high-speed. Can be processed.
Further, the dental panoramic X-ray image input to the YOLO system preferably has a width of 1000 pixels or more and 10000 pixels or less and a height of 500 pixels or more and 5000 pixels or less. Further, the dental panoramic X-ray image input to the YOLO system is preferably reduced to the magnification R of the following formula (1) before the convolution process.
R ≧ 7 / min (minW, minH) (1)
In Equation 1, minW and minH indicate the minimum width and the minimum height of the rectangle surrounding the lesion to be detected on the dental panoramic X-ray image, and min (minW, minH) is either minW or minH. Indicates the smaller value.
As a result, it is possible to detect the lesion site and determine the disease name with high accuracy.
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。
So far, the detection of the lesion site and the determination of the disease name using the dental panoramic X-ray image have been described, but in the present invention, the detection of the lesion site and the determination of the disease site using the dental X-ray image instead of the dental panoramic X-ray image. The name of the disease may be determined. In the dental X-ray image, usually 2 to 5 teeth and gums are photographed, and a narrower range than the panoramic X-ray image can be photographed in detail.
When a dental X-ray image is used, the width of the image input to the YOLO system is preferably 300 pixels or more and 8000 pixels or less, and the height is preferably 200 pixels or more and 6000 pixels or less. This makes it possible to detect the lesion site and determine the disease name with high accuracy using the dental X-ray image.
（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。
(Display unit 320)
As shown in FIG. 5, the analysis result 460 of the dental panoramic X-ray image 400 is displayed on the display unit 320. The analysis result 460 of the dental panoramic X-ray image 400 is superimposed on the dental panoramic X-ray image 400, and the position of the lesion site detected by the deep learning unit 340 is represented by the bounding box 464, and the determined disease name is further indicated. It is displayed in characters 462. By confirming the analysis result 460, the dentist can immediately know the lesion location of the photographed subject (patient) and the name of the disease.
The display unit 320 may be a liquid crystal display, a plasma display, or the like. Further, it may be displayed together with medical information or an image other than the dental panoramic X-ray image. Further, the display unit 320 may be a part of the X-ray apparatus or may be displayed via a network.
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。
Further, the determination probability may be further displayed on the disease name displayed on the display unit 320. As a result, it can be effectively used to assist the dentist's judgment.
Further, the dentist may examine the subject by looking at the analysis result 460, and then let the deep learning unit 340 learn the dental panoramic X-ray image 400 of the subject as the teacher data 344. By repeating this, the determination probability can be further increased.
（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。
(Link part)
The dental panoramic X-ray image 400 and the analysis result 460 of the present invention may be linked to the medical record of the subject. This makes it possible for the dentist to provide medical examination, treatment, and management of medical information.
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。 As an example of the present invention, an experiment was conducted using a dental panoramic X-ray imaging apparatus 200 manufactured by Yoshida Seisakusho Co., Ltd. (XP-63 model). The dental panoramic X-ray image 400 taken by the dental panoramic X-ray imaging apparatus 200 was taken into the computer 300, and processed and analyzed by the computer 300. As a system of the deep learning unit 340, a dental analysis system was constructed using YOLO3 (Redmon, Joseph, et al. "YOLOv3: An Incremental Improvement" -arXiv preprint arXiv: 1804.02767). The width of the dental panoramic X-ray image 400 input to YOLO3 was set to 1000 pixels or more and 10,000 pixels or less, and the height was set to 500 pixels or more and 5000 pixels or less. Then, the dental panoramic X-ray image 400 was reduced before the convolution process, and the magnification R was set as follows. That is, for the set of the width W and the height H of the rectangle surrounding the lesion site to be detected on the dental panoramic X-ray image 400, the minimum values are set to min W and min H, respectively, and the minimum width and height are smaller. With the value of one as min (min W, min H), the magnification R was set as in the above equation (1), and learning and analysis were performed by deep learning.
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。 In order to construct a deep learning model of deep learning, it was trained in advance using dental panoramic X-ray image 400 having lesions of caries, apical lesion, cyst, calculus and root bifurcation lesion as teacher data 344. The dental panoramic X-ray image 400 of each lesion was used as teacher data 344 after deleting (trimming) the nose image and the jaw image and adjusting the contrast. Teacher data 344 trained on caries, apical lesions, cysts, tartar and root bifurcation lesions using 11450, 4078, 2501, 1085 and 2570 images, respectively.
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。
As an example, dental panoramic radiography of a patient with caries was performed. The photographed dental panoramic X-ray image 400 was subjected to deep learning calculation by YOLO3 after deleting (trimming) the nose image and the jaw image and adjusting the contrast on the computer 300.
As a result, as shown in FIG. 6, the dental analysis system of this example was able to detect the same lesion site and determine the disease name as the dentist diagnosed. The time required for the dentist to make a diagnosis from the dental panoramic X-ray image 400 of this example was 120 seconds, but the time required for the dental analysis system to detect the lesion site and determine the disease name was 0. It was 018 seconds.
［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。
[Correspondence between each part in the embodiment and each component of the claim]
The dental analysis X-ray system 100 in the present specification corresponds to the "dental analysis X-ray system", the pretreatment unit 322 corresponds to the "pretreatment unit", and the image division unit 324 corresponds to the "image division unit". The deep learning unit 340 corresponds to the "deep learning unit", the display unit 320 corresponds to the "display unit", and the dental panorama X-ray image 400 corresponds to the "dental panorama X-ray image".
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
100 Dental analysis X-ray system 200 Dental panorama X-ray equipment 300 Computer 320 Display unit 322 Preprocessing unit 324 Image division unit 340 Deep learning unit 342 Neural network 344 Teacher data 400 Dental panorama X-ray image 420 Trimmed dental panorama X-ray Image 440 Divided dental panorama X-ray image 460 Analysis result
Claims (11)
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、を含み、
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、歯科分析システム。 A deep learning part that detects the lesion site from the dental panoramic X-ray image and determines the disease name,
Includes a display unit that displays the lesion site and disease name identified by the deep learning unit on the dental panoramic X-ray image.
The deep learning unit is a dental analysis system including a YOLO (you only lookup) system.
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。） The dental analysis system according to claim 1 or 2 , wherein the YOLO system has a magnification R of the following formula (1) for the dental panoramic X-ray image in the convolution process.
R ≧ 7 / min (minW, minH) (1)
(In the formula, minW and minH indicate the minimum width and the minimum height of the rectangle surrounding the lesion to be detected on the dental panoramic X-ray image, and min (minW, minH) is either minW or minH. Indicates the smaller value.)
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６のいずれか１項に記載の歯科分析システム。 Including the pretreatment part
The pretreatment unit deletes the nose image and the jaw image of the dental panoramic X-ray image, and gives the deleted dental panoramic X-ray extracted image to the deep learning unit, according to any one of claims 1 to 6. Described dental analysis system.
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、を含み、 Includes a display unit that displays the lesion site and disease name identified by the deep learning unit on the dental panoramic X-ray image.
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、歯科分析システム。 The deep learning unit is a dental analysis system that displays the determination probability of the disease name on the display unit.
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。 The dental analysis system according to any one of claims 1 to 9.
A dental analysis X-ray system including an X-ray apparatus for capturing the dental panoramic X-ray image.
The dental analysis according to claim 10, further comprising a link portion linking the dental panoramic X-ray image and the analysis result of the dental analysis system according to any one of claims 1 to 9 with the chart of the subject. X-ray system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018107011A JP6830082B2 (en) | 2018-06-04 | 2018-06-04 | Dental analysis system and dental analysis X-ray system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018107011A JP6830082B2 (en) | 2018-06-04 | 2018-06-04 | Dental analysis system and dental analysis X-ray system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019208831A JP2019208831A (en) | 2019-12-12 |
| JP6830082B2 true JP6830082B2 (en) | 2021-02-17 |
Family
ID=68843902
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018107011A Active JP6830082B2 (en) | 2018-06-04 | 2018-06-04 | Dental analysis system and dental analysis X-ray system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6830082B2 (en) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7491755B2 (en) | 2020-07-13 | 2024-05-28 | 繁 塩澤 | Data generation device, detection device, and program |
| US20230394653A1 (en) | 2020-10-22 | 2023-12-07 | Sunstar Inc. | Oral Condition Evaluation System, Oral Care Recommendation System, and Oral Condition Notification System |
| JP7390666B2 (en) * | 2021-01-09 | 2023-12-04 | 国立大学法人岩手大学 | Image processing method and system for detecting stomatognathic disease sites |
| JP7178016B2 (en) * | 2021-03-01 | 2022-11-25 | アイテック株式会社 | Image processing device and its image processing method |
| JP2022135385A (en) * | 2021-03-05 | 2022-09-15 | 吉泉産業株式会社 | Head vegetable stem core removal device and stem core removal method |
| KR102662008B1 (en) * | 2022-08-18 | 2024-04-30 | 오스템임플란트 주식회사 | Method and system for detecting dental lesions using machine-learned neuralnet method thereof |
| CN116596861B (en) * | 2023-04-28 | 2024-02-23 | 中山大学 | Dental lesion recognition method, system, equipment and storage medium |
| CN118351114A (en) * | 2024-06-17 | 2024-07-16 | 成都信息工程大学 | Performance-perception-based overall channel pruning and YOLOv combined caries detection method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62229474A (en) * | 1986-03-31 | 1987-10-08 | Toshiba Corp | Picture retrieving and diagnostic device |
| KR20160112494A (en) * | 2015-03-19 | 2016-09-28 | (주)바텍이우홀딩스 | Effective oral lesion onset detection method and system in Panorama |
| JP2019502423A (en) * | 2015-11-13 | 2019-01-31 | ラトガース， ザ ステイト ユニバーシティー オブ ニュージャージー | Differential diagnosis of periapical diseases based on image analysis results |
| JP6810395B2 (en) * | 2016-03-18 | 2021-01-06 | メディア株式会社 | Osteoporosis diagnosis support device |
| JP7097545B2 (en) * | 2016-10-13 | 2022-07-08 | メディア株式会社 | Image analysis system |
-
2018
- 2018-06-04 JP JP2018107011A patent/JP6830082B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019208831A (en) | 2019-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6830082B2 (en) | Dental analysis system and dental analysis X-ray system | |
| Jader et al. | Deep instance segmentation of teeth in panoramic X-ray images | |
| US11464467B2 (en) | Automated tooth localization, enumeration, and diagnostic system and method | |
| US10049457B2 (en) | Automated cephalometric analysis using machine learning | |
| US11734825B2 (en) | Segmentation device and method of generating learning model | |
| KR101554272B1 (en) | Diagnosis assitance system utilizing panoramic radiographs, and diagnosis assistance program utilizing panoramic radiographs | |
| JP5607640B2 (en) | Method and apparatus for obtaining images of eye features | |
| US12046357B2 (en) | Methods for determining one or more captured images used in a machine learning assessment of an animal | |
| US20240029901A1 (en) | Systems and Methods to generate a personalized medical summary (PMS) from a practitioner-patient conversation. | |
| KR102428636B1 (en) | Teeth examination system using deep learning algorithms | |
| JP2019208832A (en) | Dental analysis system and dental analysis X-ray system | |
| KR102227439B1 (en) | Method and apparatus for analyzing facial area image | |
| KR20200129599A (en) | Dental panoramic x-ray photographing apparatus and method | |
| Carneiro | Enhanced tooth segmentation algorithm for panoramic radiographs | |
| EP4060609A1 (en) | Detecting abnormalities in an x-ray image | |
| JP7404857B2 (en) | Image judgment device, image judgment method and program | |
| KR102136107B1 (en) | Apparatus and method for alignment of bone suppressed chest x-ray image | |
| RU2815039C1 (en) | Method of assessing quality of teleradiological images | |
| US20240212153A1 (en) | Method for automatedly displaying and enhancing AI detected dental conditions | |
| CN113226186B (en) | Device for visualizing in real time the movement of the lower jaw relative to the upper jaw in the craniomaxillofacial region of a patient in dental diagnosis | |
| JP2024013413A (en) | Dental examination ai system, periodontal disease examination ai system and dental comprehensive examination ai system | |
| Mohan et al. | Development of a Novel UDL-Model for Dental Abnormality Detection from Digital Photographs | |
| EP3788962A1 (en) | X-ray imaging system | |
| Deepho et al. | Toward the Development of an Oral-diagnosis Framework: A Case Study of Teeth Segmentation and Numbering in Bitewing Radiographs via YOLO Models | |
| WO2023156447A1 (en) | Method of generating a training data set for determining periodontal structures of a patient |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191024 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200916 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200929 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201102 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210119 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210125 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6830082 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |