JP7288628B2

JP7288628B2 - 歯科画像処理システム

Info

Publication number: JP7288628B2
Application number: JP2018055714A
Authority: JP
Inventors: 啓延辻; 洋祐辻; 達郎林; 廣志藤田; 武史原; 向栄周; 千左子村松; 将太沓名; 明敏勝又
Original assignee: Eyetec Co Ltd; Tokai National Higher Education and Research System NUC
Current assignee: Eyetec Co Ltd; Tokai National Higher Education and Research System NUC
Priority date: 2018-03-23
Filing date: 2018-03-23
Publication date: 2023-06-08
Anticipated expiration: 2038-03-23
Also published as: JP2019165970A

Description

本発明は、歯科画像処理装置に係り、特に、歯科のＣＴ画像から金属アーチファクトを低減することができる歯科画像処理装置、歯科画像処理装置用のアーチファクト低減画像生成プログラム作成装置、および歯科画像処理システム（以下、歯科画像処理装置などと略すこともある）に関する。

歯科治療の分野においては、診断や治療の支援のために、ＣＴ画像を撮影することが広く行われている。

この場合に、金属冠などの異物によってアーチファクトが発生する場合が多く、このようなアーチファクトが生ずると、その部分のみならず、周辺の歯部の画像にも悪影響を与え、適切な診断や治療の支援が行えないため、このようなアーチファクトを低減する装置や方法が望まれていた。

例えば、特許文献１には金属の正確な形状を抽出して金属アーチファクトを低減するために、被検体の周囲を回動しながら被検体にＸ線を照射するＸ線照射装置１と、被検体の周囲を回動しながら被検体を透過したＸ線を検出するＸ線撮像装置２と、Ｘ線撮像装置２から得られた画像を処理して被検体の断面画像を得る画像処理装置４とを有する。画像処理装置４は、Ｘ線照射装置１およびＸ線撮像装置２の回動角度毎にＸ線撮像装置２から投影１次元データを収集し、各投影１次元データを回動角度順に並べたシノグラムを生成し、シノグラムを２値化し、２値化後のシノグラムを回動角度毎に計算上で２次元空間に単純逆投影して逆投影画像を生成し、逆投影画像を２値化するＸ線ＣＴ装置の技術思想が開示されている。

また、特許文献２には、補綴物等により発生するメタルアーチファクトを簡単に低減するために、１回目のＸ線によるＣＴスキャン実施の撮影開始時または撮影中に被検者の顔貌の３Ｄデータを取得し、１回目のＸ線によるＣＴスキャンを実施する工程と、被写体に対するアーム旋回平面の角度を相対的に変更可能なＸ線入射角度変更手段とを設け、１回目のＸ線によるＣＴスキャンとは、異なる角度でＸ線ＣＴ撮影を行うためのＸ線入射角度変更工程と、２回目のＸ線によるＣＴスキャン実施の撮影開始時または撮影中に被検者の顔貌の３Ｄデータを取得し、２回目のＸ線によるＣＴスキャンを実施する工程と、１回目と２回目の顔貌の３ＤデータからＸ線の入射角差分を算出し、１回目と２回目のＸ線ＣＴスキャンデータの両方のデータよりＣＴ再構成演算を行う工程とを備える歯科用Ｘ線撮影装置の技術思想が開示されている。

特開２０１０－９９１１４号公報特開２０１５－２２３４５８号公報

しかしながら、特許文献１および特許文献２のいずれの装置においても、その装置が大掛かりになる、あるいは、複数回撮影を行わなければならないなど、複雑な処理が必要となるという問題があった。

そこで、上記問題を解決するため、本発明に係る歯科画像処理装置などでは、歯科のＣＴなどの画像からアーチファクトを低減するための、簡便な装置を提供することを課題とした。

かかる課題を解決するため、本発明に係る歯科画像処理装置は、
歯部の画像に含まれるアーチファクトを低減した画像を生成するアーチファクト低減画像生成部と、
前記アーチファクトを低減した画像を表示する画像表示部と
を有することを特徴とする。

ここで、アーチファクト低減画像生成部は、アーチファクト低減画像生成プログラムと言ってもよい。

これによれば、例えば、歯科のＣＴ画像を処理して画像を表示する歯科画像処理装置において、金属冠などの影響によるアーチファクトがあり、診断の支援に支障のある画像から、アーチファクトを低減した表示画像が得られるため、実用上、極めて有益である。

なお、本発明に係る歯科画像処理装置の前記アーチファクト低減画像生成部は、アーチファクトあり画像とアーチファクトなし画像とからアーチファクト低減画像を生成する機械学習によって作成されたものであることを特徴としてもよい。

このようにすると、アーチファクト低減画像生成部が、アーチファクトあり画像とアーチファクトなし画像とを用いたディープラーニングなどを含む機械学習によって、高精度のアーチファクト低減画像を生成するように準備されているため、新たなアーチファクトあり画像についても、良好なアーチファクト低減画像が得られる。

また、本発明に係る歯科画像処理装置用のアーチファクト低減画像生成プログラム作成装置は、アーチファクトあり画像とアーチファクトなし画像とからアーチファクト低減画像を生成する機械学習によってアーチファクト低減画像生成プログラムを作成することを特徴としてもよい。

更に、本発明に係るアーチファクト低減画像生成プログラム作成装置は、アーチファクト低減画像を生成する生成器と、生成された画像とアーチファクトなし画像とを識別する識別器とを有し、前記識別器の識別結果を用いて、前記生成器の精度を向上させることを特徴としてもよい。

このようにして作成されたアーチファクト低減画像生成プログラムは、歯科画像処理装置にインストールされて、歯科画像処理装置を有効に機能させることができる。

これによれば、歯科画像装置とは独立に、アーチファクト低減画像生成プログラムを作成することができ、作成したプログラムは、多数の歯科画像処理装置において利用することができる。

なお、アーチファクト低減画像生成プログラムのインストールについては、ＣＤ、ＤＶＤ、ＢＤなどの記録媒体を介して行う方法や、有線あるいは無線回線を利用する方法、インターネット上のクラウド機能を利用する方法などどのような方法であってもよい。

また、本発明に係る歯科画像処理システムは、前記歯科画像処理装置と前記アーチファクト低減画像生成プログラム作成装置とを含むことを特徴としてもよい。

このようにすると、歯科画像処理装置とアーチファクト低減画像生成プログラム作成装置との間で、適切な処理を実行することができる。

なお、アーチファクトは、歯科用金属以外でも生じることから、歯部に限らず、身体の他の部分のＣＴなどの画像に適用してもよく、更には、Ｘ線を用いないＭＲＩ（核磁気共鳴画像法）による画像に応用できる可能性もある。

本発明に係る歯科画像処理装置などでは、歯科のＣＴ画像からアーチファクトを低減するために、複数の撮影装置や複数回の撮影を必要としない、簡便な装置を提供することが可能となった。

本発明の一実施形態に係る歯科画像処理システムのブロック図である。本発明の一実施形態に係る歯科画像処理装置のハードウエア構成図である。本発明の一実施形態に係る歯科画像処理装置の機能ブロック図である。本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置のハードウエア構成図である。本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置の機能ブロック図である。本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置におけるフローチャートである。本発明の一実施形態に用いられる歯部のアーチファクトあり画像の一例である。本発明の一実施形態に用いられる歯部のアーチファクトなし画像の一例である。本発明の一実施形態に係る歯科画像処理装置のフローチャートである。本発明の一実施形態に係る歯科画像処理装置で生成された画像の一例である。

以下、図面を参照し、本発明の第１の実施形態にかかる歯科画像処理システムについて説明する。なお、以下では本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。

図１は、本発明の一実施形態に係る歯科画像処理システム１のブロック図である。同図に示されるように、歯科画像処理システム１は、歯科画像撮影装置１０と、歯科画像処理装置２０と、アーチファクト低減画像生成プログラム作成装置３０とを有している。

なお、ここで、これらの３つの装置は、近接して設置されて直接接続されていてもよいが、遠隔地に置かれて無線回線などで接続されていてもよいし、接続されておらず記録媒体などを介して相互に利用できるようになっていてもよい。

歯科画像撮影装置１０は、歯部の体軸と垂直方向の横断面の画像が得られる歯科ＣＴ装置が好適であるが、それに限定されず、ＣＴの近縁技術であるトモシンセシス画像、歯科パノラマ画像、歯科Ｘ線画像、その他の断層Ｘ線撮影画像であってもよい。

図２は、本発明の一実施形態に係る歯科画像処理装置２０のハードウエア構成図であり、図３は、本発明の一実施形態に係る歯科画像処理装置２０の機能ブロック図である。

歯科画像処理装置２０は、ハードウエアとしては、文字情報や画像情報を表示する表示部２１、情報を入力するキーボードなどの入力部２２、情報を出力するプリンターなどの出力部２３、情報やプログラムなどを記憶するハードディスクなどの記憶部２５、有線及び／もしくは無線によって外部と接続するインターフェース部２４、これら全体を制御するＣＰＵなどの制御部２６などからなり、パーソナルコンピュータ、サーバなどであればよいし、あるいは専用機であってもよい。また、これらの構成要素が一体で構成されていてもよいし、クラウドコンピューティングのように分散して設置されていてもよいし、これらの部位が統合されたり、更に分割されたりしていてもよい。

また、歯科画像処理装置２０では、これらのハードウエア資源を用いて、画像表示部２７、アーチファクト低減画像生成部２８などの機能要素を構成している。

画像表示部２７は、歯科画像撮影装置１０で撮影され、歯科画像処理装置２０のインターフェース部２４を介して入力された画像、歯科画像処理装置２０内の記憶部２５に記憶されている画像、歯科画像処理装置２０において生成などの処理をされた画像などを表示することができる。

アーチファクト低減画像生成部２８は、歯科画像処理装置２０に入力された画像あるいは歯科画像処理装置２０の記憶部２５に記憶されている画像に含まれるアーチファクトを低減した画像を生成する機能を有する部分であり、プログラムと言ってもよい。

図４は、本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置３０のハードウエア構成図であり、図５は、本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置３０の機能ブロック図である。

アーチファクト低減画像生成プログラム作成装置３０は、ハードウエアとしては、文字情報や画像情報を表示する表示部３１、情報を入力するキーボードなどの入力部３２、情報を出力するプリンターなどの出力部３３、情報やプログラムなどを記憶するハードディスクなどの記憶部３５、有線及び／もしくは無線によって外部と接続するインターフェース部３４、これら全体を制御するＣＰＵなどの制御部３６などからなり、パーソナルコンピュータ、サーバなどであればよいし、あるいは専用機であってもよい。また、これらの構成要素が一体で構成されていてもよいし、クラウドコンピューティングのように分散して設置されていてもよいし、これらの部位が統合されたり、更に分割されたりしていてもよい。

また、アーチファクト低減画像生成プログラム作成装置３０では、これらのハードウエア資源を用いて、アーチファクト低減画像を生成する第１の生成器３０１と、生成された画像とアーチファクトなし画像とを識別する第１の識別器３１１、生成された画像から逆に当初のアーチファクトありの画像に近い画像を生成する第２の生成器３０２と、生成された画像とアーチファクトあり画像とを識別する第２の識別器３１２などの機能要素を構成している。

次に、本発明の一実施形態に係る歯科画像処理システムの動作を説明する。

まず、アーチファクト低減画像生成プログラム作成装置３０において、アーチファクト低減画像生成プログラムが作成される。

図６は、本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置３０におけるプログラム作成のフローチャートである。

最初に、歯科画像撮影装置、例えば、ＣＴ撮影装置によって撮影された画像データから、アーチファクト低減画像生成プログラム作成装置３０の制御部３６が、体軸と垂直方向に画像をスライスする（切り出す）。（ステップＳ０１）

なお、画像データは、その時点で歯科画像撮影によって撮影されたものでなくても、それ以前に撮影され、アーチファクト低減画像生成プログラム作成装置３０内の記憶部３４に記憶されているものを用いてもよい。

また、アーチファクトあり画像とアーチファクトなし画像とは、１対１に対応している必要はなく、別人の画像であっても構わない。

次に、制御部３６が切り出されたそれぞれの画像に適切なパラメータで階調処理を行う。（ステップＳ０２）

次に、階調処理済のそれぞれの画像が、アーチファクトの影響が見られる画像（以下、アーチファクトあり画像とも言う）と、アーチファクトの影響がない画像（以下、アーチファクトなし画像とも言う）に、利用者によって区別がなされ、その結果をアーチファクト低減画像生成プログラム作成装置３０の第１の生成器が受け付ける。（ステップＳ０３）

図７は、本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置３０に用いられる歯部のアーチファクトあり画像の一例である。

図中の画像（１）から（５）は、いずれも金属冠などの影響によるアーチファクトがあり、歯科の診断の支援には多大な支障がある。

図８は、本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置３０に用いられる歯部のアーチファクトなし画像の一例である。

図中の画像（１）から（５）は、いずれもアーチファクトが全くないか、あっても極めて少なく、歯科の診断の支援には支障がない。

なお、図７に示す画像と図８に示す画像は同一人のものではない。

ここで、これ以降のステップは、一般的にCycleGAN(Generative Adversarial Network)と呼ばれる深層学習（Deep Learning）による画像変換手法を用いており、この技術は既に公知の技術である。

概略を説明すると、CycleGANは、Generator（生成器、生成ネットワーク）とDiscriminator（識別器、識別ネットワーク）を有しており、訓練したデータと似たような新しいデータを生成する生成モデルの一種で、Generatorが訓練データに似たデータを生成する一方、Discriminatorはそのデータが訓練データなのか生成データなのかを識別する。

すなわち、GeneratorはDiscriminatorをだますように学習し、Discriminatorはうまく識別ができるよう学習する。

具体的には、Generatorに入力が与えられ、これを用いて生成されたものがDiscriminatorに入力され、Discriminatorには更に訓練データが入力され、これらにより、Discriminatorは、識別結果を出力する。

ここで識別結果は、訓練データか生成データかのいずれかであり、Generatorは識別結果が、生成データ＝訓練データとなるように学習し、Discriminatorは訓練データと生成データとがうまく識別できるように学習する。

本発明の一実施形態に係るアーチファクト低減画像生成プログラム作成装置３０においては、以下に述べるように、このような技術思想の歯科画像処理への具体的応用がなされる。

まず、第１の生成器３０１が、２つに区別された歯部の画像群（アーチファクトあり画像データセット３２０とアーチファクトなし画像データセット３３０）の間で、アーチファクトあり画像からアーチファクトなし画像を生成する。（ステップＳ０４）

すなわち、先に述べたGeneratorのネットワークの順伝播 (入力から出力に向かって順番に処理した) そのものであって、具体例としては、下記に示す（０）から（２７）のようになる。
(0): ReflectionPad2d (3,3,3,3)
(1): Conv2d(3, 64, kernel_size=(7,7), stride=(1,1))
(2): InstanceNorm2d(64, eps=1e-05, momentum=0.1, affine=False)
(3): ReLU (inplace)
(4): Conv2d(64, 128, kernel_size=(3,3), stride=(2, 2), padding=(1,1))
(5): InstanceNorm2d(128, eps=1e-05, momentum=0.1, affine=False)
(6): ReLU (inplace)
(7): Conv2d(128, 256, kernel_size=(3,3), stride=(2,2), padding=(1,1))
(8): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False)
(9): ReLU (inplace)
(10): ResnetBlock (
(0): ReflectionPad2d (1, 1, 1, 1)
(1): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1))
(2): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False)
(3): ReLU (inplace)
(4): Dropout (p = 0.5)
(5): ReflectionPad2d (1, 1, 1, 1)
(6): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1))
(7): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False)
)
(11): ResnetBlock
(12): ResnetBlock
(13): ResnetBlock
(14): ResnetBlock
(15): ResnetBlock
(16): ResnetBlock
(17): ResnetBlock
(18): ResnetBlock
(19): ConvTranspose2d(256, 128, kernel_size=(3, 3), stride=(2, 2),
padding=(1, 1), output_padding=(1, 1))
(20): InstanceNorm2d(128, eps=1e-05, momentum=0.1, affine=False)
(21): ReLU (inplace)
(22): ConvTranspose2d(128, 64, kernel_size=(3, 3), stride=(2, 2),
padding=(1, 1), output_padding=(1, 1))
(23): InstanceNorm2d(64, eps=1e-05, momentum=0.1, affine=False)
(24): ReLU (inplace)
(25): ReflectionPad2d (3, 3, 3, 3)
(26): Conv2d(64, 3, kernel_size=(7, 7), stride=(1, 1))
(27): Tanh ()

ここで、第１の識別器３１１が、生成されたアーチファクトなし画像と、当初のアーチファクトなし画像との識別を行う。（ステップＳ０５）

すなわち、先に述べたDiscriminatorのネットワークの順伝播（入力から出力に向かって順番に処理した）そのものであって、具体例としては、下記に示す（０）から（１１）のようになる。
(0): Conv2d(3, 64, kernel_size=(4, 4), stride=(2, 2), padding=(1,1))
(1): LeakyReLU (0.2, inplace)
(2): Conv2d(64, 128, kernel_size=(4, 4), stride=(2, 2), padding=(1,1))
(3): InstanceNorm2d(128, eps=1e-05, momentum=0.1, affine=False)
(4): LeakyReLU (0.2, inplace)
(5): Conv2d(128, 256, kernel_size=(4, 4), stride=(2, 2), padding=(1,1))
(6): InstanceNorm2d(256, eps=1e-05, momentum=0.1, affine=False)
(7): LeakyReLU (0.2, inplace)
(8): Conv2d(256, 512, kernel_size=(4, 4), stride=(1, 1), padding=(1,1))
(9): InstanceNorm2d(512, eps=1e-05, momentum=0.1, affine=False)
(10): LeakyReLU (0.2, inplace)
(11): Conv2d(512, 1, kernel_size=(4, 4), stride=(1, 1), padding=(1,1))
)

ここでは、Generatorで生成したfake画像、もしくはrealの画像を入力すると、fakeとrealを推論する確信度を表す30×30×1のテンソルが出力される。

次に、第２の生成器３０２が、アーチファクトなし画像から逆にアーチファクトあり画像を生成する。（ステップＳ０６）このステップは、アーチファクトあり画像からアーチファクトなし画像を生成するステップ（ステップＳ０４）とは、「入力がアーチファクトなし画像」、「出力がアーチファクトあり画像」になること以外は、同一である。

ここで、第２の識別器３１２が、この生成されたアーチファクトあり画像と当初のアーチファクトあり画像との一致の度合いを識別する。（ステップＳ０７）

なお、第１の生成器３０１及び第２の生成器３０２は、第１の識別器３１１及び第２の識別器３１２の識別結果や、アーチファクトあり画像を逆に生成したときの当初アーチファクトあり画像との誤差（例えばアーチファクト以外の部分の相違）の多少などに基づいて、機械学習を深め、その結果として、第１の生成器３０１及び第２の生成器３０２の性能を向上させる。

この処理は、いずれの生成器及び識別器も同じであるが、深層学習のネットワークの逆伝播処理、すなわち、順伝播で獲得した結果と、教師信号（あらかじめ与えられている正解情報）とを比較し、誤差があればその誤差の大きさに応じて出力から入力に誤差の修正を行う処理そのものである。

一方、第１の識別器、及び第２の識別器に関しても、識別結果や生成時の誤差などに基づいて学習を深め、識別性能が向上していく。

その後、制御部３６が、第１の生成器３０１の性能が十分であるかどうかを判断し、（ステップＳ０８）不十分であればステップＳ０４からのステップが繰り返され、十分であると判断されれば第１の生成器３０１は完成となる。（ステップＳ０９）

なお、ここで、性能の判断基準としては、あらかじめ規定した反復回数の学習を行う、学習時の誤差があらかじめ規定した値未満になるまで行うなどの基準が好適である。

この完成した第１の生成器３０１がアーチファクト低減画像生成プログラムとなる。

次に、歯科画像処理装置２０における操作を説明する。図９は、本発明の一実施形態に係る歯科画像処理装置２０における操作のフローチャートである。

まず、歯科画像処理装置２０の制御部２６が、先に述べたアーチファクト低減画像生成プログラム作成装置３０において作成されたアーチファクト低減画像生成プログラムを歯科画像処理装置２０にインストールする。（ステップＳ１１）

ここで、インストールの方法は、アーチファクト低減画像生成プログラム作成装置３０のインターフェース部３４と歯科画像処理装置２０のインターフェース部２４とを有線で接続して行うものとするが、その他に、ＣＤ、ＤＶＤ、ＢＤなどの記録媒体を介して行う方法や、無線回線を利用する方法、インターネット上のクラウド機能を利用する方法などどのような方法であってもよい。

また、アーチファクト低減画像生成プログラムは、その全体をインストールしてもよいし、パラメータ部分のみをインストールするようにしてもよい。

このようにしてインストールされたアーチファクト低減画像生成プログラムが、機能的にアーチファクト低減画像生成部２８を構成する。

次に、歯科画像処理装置２０のアーチファクト低減画像生成部２８が、処理を必要とする新たなアーチファクトありの画像の入力を受ける。（ステップＳ１２）

ここで、新たな画像は、歯科画像処理装置２０に接続された歯科画像撮影装置１０から送られてきたものであっても、予め撮影され、歯科画像処理装置２０内の記憶部２５などに記憶されているものであってもよい。

次に、アーチファクト低減画像生成部２３が、新たな画像からアーチファクトなし画像を生成する。（ステップＳ１３）

次に、実際に歯科の診断の支援に用いるために、画像表示部２７が、生成されたアーチファクトなし画像を表示する。（ステップＳ１４）

この際に、アーチファクト低減画像生成部２３が、アーチファクトあり画像上の歯牙の形状をある程度保ったままアーチファクトを低減することが望ましい。

図１０は、本発明の一実施形態に係る歯科画像処理装置で生成された画像の一例である。図中の（１）から（４）まで、それぞれアーチファクトあり画像（ａ）からアーチファクトなし画像（ｂ）を生成することができた。

このようにして、アーチファクトのない、あるいはアーチファクトの影響を低減した画像を表示することによって、歯科医に対して、適切な診断の支援を行うことができる。

本発明は、歯部の画像のアーチファクトを低減することができるため、歯科領域での幅広い活用が期待されるため、産業上の利用可能性を有する。

１歯科画像処理システム
１０歯科画像撮影装置
２０歯科画像処理装置
２１表示部
２２入力部
２３出力部
２４記憶部
２５インターフェース部
２６制御部
２７画像表示部
２８アーチファクト低減画像生成部
３０アーチファクト低減画像生成プログラム作成装置
３１表示部
３２入力部
３３出力部
３４記憶部
３５インターフェース部
３６制御部
３０１第１の生成器
３１１第１の識別器
３０２第２の生成器
３１２第２の識別器
３２０アーチファクトあり画像のデータセット
３２１アーチファクトなし画像のデータセット

Claims

歯科画像撮影装置と、
表示部、入力部、出力部、インターフェース部、記憶部、及び、制御部を備える歯科アーチファクト低減画像生成プログラム作成装置と、
表示部、入力部、出力部、インターフェース部、記憶部、及び、制御部を備える歯科画像処理装置と
を含む歯科画像処理システムであって、
前記歯科アーチファクト低減画像生成プログラム作成装置が、歯科Ｘ線ＣＴ画像データから区別されるアーチファクトあり歯科画像データセットとアーチファクトなし歯科画像データセットとから、CycleGAN(Generative Adversarial
Network)の機械学習法を用いて歯科アーチファクト低減画像生成プログラムを生成し、前記歯科アーチファクト低減画像生成プログラムを前記歯科画像処理装置にインストールする機能を有し、
前記歯科アーチファクト低減画像生成プログラムがインストールされた前記歯科画像処理装置が、診断すべき診断歯科Ｘ線ＣＴ画像からアーチファクトを低減して前記診断歯科Ｘ線ＣＴ画像のアーチファクトを低減した歯科Ｘ線ＣＴ画像結果を生成する機能を有し、
前記歯科アーチファクト低減画像生成プログラム作成装置の前記記憶部は、前記歯科アーチファクト低減画像生成プログラム作成装置の前記制御部で画像処理された前記歯科Ｘ線ＣＴ画像データを、前記アーチファクトあり歯科画像データセットと前記アーチファクトなし歯科画像データセットとに区別して収容する機能を有し、
前記歯科アーチファクト低減画像生成プログラム作成装置の前記制御部は、前記画像処理を施す機能を有すると共に、第１の生成器、第１の識別器、第２の生成器、第２の識別器を備え、前記アーチファクトあり歯科画像データセットと前記アーチファクトなし歯科画像データセットから前記CycleGANの実行により前記歯科アーチファクト低減画像生成プログラム生成する機能を有し、
前記歯科画像処理装置の前記制御部は、前記歯科アーチファクト低減画像生成プログラムがインストールされて実行されるアーチファクト低減画像生成部を備え、前記診断歯科Ｘ線ＣＴ画像が前記アーチファクト低減画像生成部にインストールされ、前記歯科アーチファクト低減画像生成プログラムにより、前記診断歯科Ｘ線ＣＴ画像のアーチファクトを低減した前記歯科Ｘ線ＣＴ画像結果を生成する機能を有し、
前記歯科画像処理装置の前記表示部は、画像表示部を備え、前記アーチファクト低減歯科Ｘ線ＣＴ画像結果を表示する機能を有し、
前記画像処理が、
前記歯科Ｘ線ＣＴ画像データの体軸と垂直方向に切り出したスライス画像を生成すると共に、
前記スライス画像の階調処理を施すことであることを特徴とする歯科画像処理システム。
前記CycleGANは、
前記第１の生成器において、前記アーチファクトあり画像データセットと前記アーチファクトなし画像データセットとがインストールされ、第１のアーチファクトなし画像を生成した後、
前記第１の識別器において、前記アーチファクトなし画像データセットと前記第１のアーチファクトなし画像との識別を行う一方、
前記第２の生成器において、前記アーチファクトあり画像データセットと前記アーチファクトなし画像データセットとがインストールされ、第１のアーチファクトあり画像を生成した後、
前記第２の識別器において、前記アーチファクトあり画像データセットと前記第１のアーチファクトあり画像との識別を行い、
前記第１の生成器の性能を判断することを繰り返して、前記歯科アーチファクト低減画像生成プログラムを生成することを特徴とする請求項１に記載の歯科画像処理システム。