JP7381535B2 - 検出装置、検出方法、検出プログラム - Google Patents

Description

本開示は、歯科用のエアタービンハンドピースの回転数を検出する検出装置、検出方法、および検出プログラムに関する。

従来、歯科用のエアタービンハンドピースの回転数を検出する技術が公知である。たとえば、特許文献１および特許文献２は、マイクロホンによって収集された収集音に基づきエアタービンハンドピースのヘッド部に設けられた切削工具の回転数を検出する技術を開示する。

特開平１０－２９０８１０号公報 特開平５－２８５１６１号公報

特許文献１および特許文献２に開示された従来技術では、マイクロホンによって収集された収集音に基づきエアタービンハンドピースの回転数を検出するように構成されているが、収集音には、エアタービンハンドピースの回転音に限らず、歯を削る音、バキュームによる吸引の音、歯科医院で流れる音楽、および歯科医師などの術者と、患者や歯科助手などとの会話など、様々な雑音も含まれる。このため、上述した従来技術では、エアタービンハンドピースの回転数を精度よく検出することが難しかった。

本開示は、かかる問題を解決するためになされたものであり、その目的は、エアタービンハンドピースの回転数を精度よく検出する技術を提供することである。

本開示の一例に従えば、歯科用のエアタービンハンドピースの回転数を検出する検出装置が提供される。検出装置は、エアタービンハンドピースの駆動中に収集される収集音が入力される入力部と、入力部から入力される収集音に基づき回転数を検出する検出部とを備える。検出部は、入力部から入力される収集音と、ニューラルネットワークを含む推定モデルとに基づき、エアタービンハンドピースの回転音を推定し、回転音に基づき回転数を検出する。

本開示の一例に従えば、コンピュータによる歯科用のエアタービンハンドピースの回転数を検出する検出方法が提供される。検出方法は、エアタービンハンドピースの駆動中に収集される収集音が入力されるステップと、収集音とニューラルネットワークを含む推定モデルとに基づきエアタービンハンドピースの回転音を推定するステップと、回転音に基づき前記回転数を検出するステップとを含む。

本開示の一例に従えば、歯科用のエアタービンハンドピースの回転数を検出する検出プログラムが提供される。検出プログラムは、コンピュータに、エアタービンハンドピースの駆動中に収集される収集音が入力されるステップと、収集音とニューラルネットワークを含む推定モデルとに基づき、エアタービンハンドピースの回転音を推定するステップと、回転音に基づき回転数を検出するステップとを実行させる。

本開示は、エアタービンハンドピースの駆動中に収集される収集音と、ニューラルネットワークを含む推定モデルとに基づき、エアタービンハンドピースの回転音を推定し、推定した回転音に基づき回転数を検出するため、収集音に回転音以外の雑音が含まれている場合でも、エアタービンハンドピースの回転音に基づき、回転数を精度よく検出することができる。

本実施の形態に係る検出システムの全体構成を示す模式図である。 本実施の形態に係る検出システムの内部構成を示すブロック図である。 本実施の形態に係る検出装置の機能構成を示すブロック図である。 収集音に基づき回転音から雑音を分離させた場合の音圧波形の一例を示す図である。 回転音の音圧波形に高速フーリエ変換を行った場合の回転音の周波数特性の一例を示す図である。 バンドパスフィルタがかけられた回転音の周波数特性一例を示す図である。 本実施の形態に係る検出装置が実行する検出処理の一例を説明するためのフローチャートである。 変形例に係る検出装置の機能構成を示すブロック図である。 変形例に係る検出装置が実行する検出処理の一例を説明するためのフローチャートである。

本開示の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰り返さない。

＜検出システムの全体構成＞
図１は、本実施の形態に係る検出システム１０００の全体構成を示す模式図である。図１に示すように、検出システム１０００は、診療装置１と、検出装置１００とを備える。

診療装置１は、たとえば、術者が患者に対して歯科の診療を行うためのチェアユニットである。診療装置１は、チェア１１と、ベースンユニット１２と、トレーテーブル１３と、診療器具１５を保持する器具ホルダ１４と、フットコントローラ１６と、ディスプレイ１７と、操作パネル１８と、照明装置（オペライト）１９と、器具制御装置２１と、表示制御装置２２と、スピーカ３５とを備える。

チェア１１は、診療時に患者が座ったり横たわったりするための診療椅子である。チェア１１は、患者の頭を支えるヘッドレスト１１ａと、患者の背中を支える背もたれ１１ｂと、患者の尾尻を支える座面シート１１ｃと、患者の足を支える足置き台１１ｄとを含む。なお、診療装置１は、チェア１１に代えて、患者が横たわる診療台を備えてもよい。

ベースンユニット１２は、排水口が形成された鉢１２ａと、コップが載置されるコップ台１２ｂと、コップに給水するための給水栓１２ｃとを含む給水・排水装置である。

トレーテーブル１３は、診療時の物置台として用いられる。トレーテーブル１３は、チェア１１またはチェア１１が設置された床から延びるアーム（図示は省略する。）に接続されている。なお、トレーテーブル１３は、チェア１１またはチェア１１が設置された床から延びるアーム（図示は省略する。）によって吊り下げられてもよい。たとえば、トレーテーブル１３は、チェア１１またはチェア１１が設置された床から延びるポール５の上部で分岐するアーム６によって吊り下げられてもよい。術者は、トレーテーブル１３をチェア１１に対して手動で回動、水平移動、および垂直移動させることができる。診療中において、術者は、トレーテーブル１３の上面にトレー３０を置くことがある。トレー３０には、患者を診療するための１または複数の診療器具が置かれる。

「診療器具」は、ラバーダム防湿一式、ラバーダムシート、根管長測定器、バーセット、ファイル（リーマ）、口角対極、ファールクリップ、ブローチ、洗浄用ニードル、洗浄用シリンジ、仮封材充填器、クレンザー、タービン、ピンセット、ミラー、エキスカベーター、探針、および根管材料注入器など、術者によって診療中に用いられる診療用の器具である。なお、診療装置１の器具ホルダ１４によって保持される診療器具１５も「診療器具」に含まれるが、トレー３０には、器具ホルダ１４によって保持されない診療器具が主に置かれる。

診療器具１５は、たとえば、エアタービンハンドピース６０（図２参照）、マイクロモータハンドピース、超音波スケーラ、およびバキューム７０（図２参照）などの歯科診療用のインスツルメントであり、器具制御装置２１の制御によって駆動する。なお、診療器具１５は、これらに限らず、口腔内カメラ、光重合用照射器、根管長測定器、３次元スキャナ、および根管拡大器などであってもよいし、ミラー、注射器、および充填器具など、駆動しない器具であってもよい。

フットコントローラ１６は、術者の足踏み操作を受け付ける複数のスイッチ（ペダル）を有する。術者は、これら複数のスイッチの各々に対して所定の機能を割り当てることができる。たとえば、術者は、チェア１１の態様を変更する機能をフットコントローラ１６のスイッチに対して割り当てることができ、フットコントローラ１６が術者による当該スイッチの足踏み操作を受け付けると、当該足踏み操作に基づきヘッドレスト１１ａなどが駆動する。さらに、術者は、診療器具１５を駆動する機能をフットコントローラ１６のスイッチに対して割り当てることもでき、フットコントローラ１６が術者による当該スイッチの足踏み操作を受け付けると、当該足踏み操作に基づく器具制御装置２１の制御によって診療器具１５が駆動する。なお、術者は、照明装置１９の照明および消灯を制御する機能など、フットコントローラ１６のスイッチに対してその他の機能を割り当てることもできる。

ディスプレイ１７は、トレーテーブル１３に取り付けられており、表示制御装置２２の制御によって各種の画像を表示する。

操作パネル１８は、チェア１１および診療器具１５などの動作、あるいは当該動作の設定を行うためのスイッチを含む。たとえば、チェア１１を動作させるための入力操作を操作パネル１８が受け付けると、当該入力操作に基づきチェア１１が動作する。たとえば、エアタービンハンドピース６０の回転速度（回転数）などの設定を行うための入力操作を操作パネル１８が受け付けると、当該入力操作に基づきエアタービンハンドピース６０の回転速度（回転数）などの設定を行うことができる。

照明装置１９は、チェア１１またはチェア１１が設置された床から延びるポール５の上部で分岐するアーム６の先端に設けられている。照明装置１９は、患者の口腔内を中心に光を照射することによって術者による診療をサポートする。なお、照明装置１９に限らず、ディスプレイ１７も、ポール５またはアーム６の先端に取り付けられてもよい。

さらに、検出システム１０００は、歯科診療中の術者および患者の様子を撮影し、撮影によって得られた画像（以下、「撮影画像」とも称する。）を蓄積して記憶するように構成されている。

具体的には、検出システム１０００は、ディスプレイ１７に取り付けられたトレーカメラ５１と、ポール５の上部に取り付けられた全体カメラ５２と、照明装置１９に取り付けられた患者カメラ５３とを備える。トレーカメラ５１、全体カメラ５２、および患者カメラ５３は、ＣＣＤ（Charge Coupled Devices）イメージセンサおよびＣＭＯＳ（Complementary Metal Oxide Semiconductor）イメージセンサなどのイメージングデバイスを搭載したカメラである。

トレーカメラ５１は、トレー３０を少なくとも含む領域を動画または静止画で撮影するように配置されている。トレーカメラ５１によって得られた撮影情報を含む画像データ（以下、「トレー画像データ」とも称する。）は、検出装置１００によって取得される。トレーカメラ５１におけるシャッタースピードなどの各種設定は、トレー３０に置かれた診療器具の有無、形状、種類、およびトレーカメラ５１の撮影領域における診療器具の位置などを検出装置１００が認識できる程度に予め調整されている。なお、トレーカメラ５１は、トレー３０を少なくとも含む領域を撮影することができる場所であれば、いずれの場所に設置されてもよい。

全体カメラ５２は、診療装置１を含む診療空間を少なくとも含む領域を動画または静止画で撮影するように配置されている。具体的には、全体カメラ５２は、診療装置１を用いた診療中の診療空間における、少なくとも、歯科医師、歯科助手、および患者を含む広い領域を動画または静止画で撮影するように配置されている。全体カメラ５２は、ポール５の上部に取り付けられているため、診療中の歯科医師、歯科助手、および患者の各々の行動と、診療装置１の動作とを上空から俯瞰して撮影する。

「診療空間」は、診療空間に含まれるオブジェクト全体を含む空間に限らず、診療中の術者、患者、および診療装置１など、診療空間に含まれるオブジェクトのうちの一部のオブジェクトを含む空間であってもよい。全体カメラ５２によって得られた撮影情報を含む画像データ（以下、「全体画像データ」とも称する。）は、検出装置１００によって取得される。全体カメラ５２におけるシャッタースピードなどの各種設定は、診療中の歯科医師や歯科助手などの術者の行動、患者の行動、および診療装置１の動作などを検出装置１００が認識できる程度に予め調整されている。

なお、全体カメラ５２は、患者を診療する診療空間を少なくとも含む領域を撮影することができる場所であれば、いずれの場所に設置されてもよい。全体カメラ５２は、診療空間を平面で認識する他に、診療空間を奥行き方向で認識可能なデプスカメラであってもよい。全体カメラ５２は、診療空間を全方位で撮影可能な３６０度カメラであってもよい。さらに、全体カメラ５２は、診療空間に存在する撮影対象（たとえば、術者および患者などの人物）を追尾することができるものであってもよい。

患者カメラ５３は、患者の口腔内を少なくとも含む領域を動画または静止画で撮影するように配置されている。具体的には、患者カメラ５３は、患者の口腔内を主として、患者の顔および顔の周辺を撮影する。

患者カメラ５３によって得られた撮影情報を含む画像データ（以下、「患者画像データ」とも称する。）は、検出装置１００によって取得される。患者カメラ５３におけるシャッタースピードなどの各種設定は、診療中の患者の口腔内を検出装置１００が認識できる程度に予め調整されている。

上述したトレー画像データ、全体画像データ、および患者画像データをまとめて「画像関連データ」とも称する。なお、「画像関連データ」という用語は、トレー画像データ、全体画像データ、および患者画像データの全てを意味する場合もあるが、トレー画像データ、全体画像データ、および患者画像データのうちの少なくともいずれか１つを意味する場合もある。

検出装置１００は、主にトレー画像データおよび患者画像データに基づき、撮影画像に含まれる診療器具などのオブジェクトの有無やその種類を検出する。検出装置１００は、主に全体画像データに基づき、撮影画像に含まれる歯科医師、歯科助手、および患者などの人物の位置を検出する。「画像関連データ」は、上述した検出装置１００による検出結果を含んでいてもよい。つまり、「画像関連データ」は、トレー画像データ、全体画像データ、および患者画像データそのものを含んでいてもよいし、これらのデータに基づき検出装置１００の画像認識によって取得された検出結果を含んでいてもよい。

歯科医院においては、歯科医師などの術者がエアタービンハンドピース６０およびバキューム７０などの診療器具１５を用いて患者の歯科診療を行う。エアタービンハンドピース６０は、ヘッド部に設けられた切削工具を圧縮空気の力で高速回転させることによって歯牙を切削する診療器具である。術者は、フットコントローラ１６の踏み込み量を調整することで圧縮空気の出力量を調整し、エアタービンハンドピース６０の切削工具の単位時間当たりの回転数（回転速度）を調整することができる。なお、以下では、エアタービンハンドピース６０の切削工具の単位時間当たりの回転数（回転速度）を、単にエアタービンハンドピース６０の回転数（回転速度）とも称する。

術者などのユーザは、歯の診療（治療）中におけるエアタービンハンドピース６０の回転数を検出することができれば、検出した回転数に基づき様々な制御を実現可能である。たとえば、ユーザは、エアタービンハンドピース６０の回転数に基づき、エアタービンハンドピース６０の異常を検出することが可能である。ユーザは、エアタービンハンドピース６０の回転数に基づき、エアタービンハンドピース６０をフィードバック制御することが可能である。さらに、ユーザは、エアタービンハンドピース６０の回転数に基づき、エアタービンハンドピース６０による治療の態様（治療履歴）を確認することができ、患者の予後の回復に治療が寄与する貢献度を確認することができる。

ここで、エアタービンハンドピース６０の回転数は、切削工具が空回りしている状態と、治療中に切削工具が歯に接触している状態とで異なり得る。具体的には、切削工具が歯を削っている場合は切削工具と歯との間の摩擦力が生じることで、エアタービンハンドピース６０の回転数が減少する。このため、切削工具が歯に接触している状態においては、切削工具が空回りしている状態よりも、エアタービンハンドピース６０の回転数が小さくなる。さらに、切削工具と歯との間の摩擦力は、切削工具と歯との接触具合によって変化するため、エアタービンハンドピース６０の回転数は歯の治療中に変化し得る。すなわち、非治療中におけるエアタービンハンドピース６０の回転数は、フットコントローラ１６の踏み込み量（圧縮空気の出力量）に比例するが、治療中におけるエアタービンハンドピース６０の実際の回転数は、フットコントローラ１６の踏み込み量（圧縮空気の出力量）に比例するとは限らない。マイクロモータハンドピースのようなモータ駆動によって切削工具を回転させる診療器具であれば、モータに接続されたエンコーダを用いて回転数を検出することができるが、エアタービンハンドピース６０の場合は実際（特に治療中）の回転数を検出することは難しい。

そこで、本実施の形態に係る検出システム１０００において、検出装置１００は、エアタービンハンドピース６０を用いた歯の治療中の音を収集し、収集した音（以下、「収集音」とも称する。）に基づきエアタービンハンドピース６０の回転数を検出するように構成されている。

具体的には、検出システム１０００は、診療装置１の近傍に設置されるマイクロホン４０を備える。マイクロホン４０は、診療装置１の照明装置１９に取り付けられている。歯科診療中においては、照明装置１９が患者の口腔を照明するために患者の口腔近くに移動して配置されることで、マイクロホン４０も患者の口腔近くに移動して配置される。マイクロホン４０は、歯科診療中の音を収集し、検出装置１００に収集音を検出装置１００に出力する。より具体的には、マイクロホン４０は、収集音に対応する音圧波形データ（図４（Ａ）参照）を検出装置１００に出力する。なお、検出システム１０００は、１つのマイクロホン４０を備える場合に限らず、複数のマイクロホン４０を備えていてもよい。検出システム１０００が複数のマイクロホン４０を備えた場合、検出装置１００は、主音である回転音と、回転音以外の雑音とを区別して取得することができる。

収集音は、歯科診療中にマイクロホン４０によって収集される様々な音を含む。たとえば、収集音は、診療器具１５が発する駆動音、診療器具１５によって歯を治療するときに生じる治療音、歯科医院で流れる音楽、および歯科医と患者との会話などを含む。診療器具１５の駆動音は、エアタービンハンドピース６０の回転音、およびバキューム７０が発する吸気音などを含む。歯の治療音は、エアタービンハンドピース６０による歯の切削音などを含む。言い換えると、収集音は、エアタービンハンドピース６０の回転音と、回転音以外の雑音とを含む。雑音は、上述したように、バキューム７０が発する吸気音、歯の治療音、歯科医院で流れる音楽、および人の会話などを含む。

たとえば、歯科診療が行われる歯科診療室の大きさは、９．９ｍ^２以上であり、歯科医師一人につき１室が好ましいとされている。また、歯科診療室の大きさが９．９ｍ^２の２倍または３倍の大きさであっても、収納部またはカーテンなどによって約９．９ｍ^２ごとに部屋が分けられ、２つまたは３つの診療室が設けられることがある。このような歯科診療室が用いられるため、マイクロホン４０によって収集される収集音は、一定の物（たとえば、予め決められた種類の物）から発生する音のみとなる傾向がある。

また、複数の診療装置１のそれぞれから複数の回転音が発せられる場合、指向性の高いマイクロホン４０を複数の診療装置１の各々に向けることによって、検出装置１００は、複数の診療装置１のそれぞれから発せられる複数の回転音を区別して取得することができる。さらに、検出装置１００は、診療装置１においてエアタービンハンドピース６０が回転する際の動作ログ（後述する診療関連データ）と、回転音とを同期させることによって、現在発せられている回転音が複数の診療装置１のいずれから発せられたものかを判別することができる。

このように、収集音には、エアタービンハンドピース６０の回転音に限らず、バキューム７０が発する吸気音などの雑音も含まれるため、エアタービンハンドピースの回転数を精度よく検出するためには、収集音からエアタービンハンドピースの回転音を精度よく抽出することが必要である。

そこで、本実施の形態に係る検出システム１０００において、検出装置１００は、ＡＩ（Artificial Intelligence）技術を用いて、エアタービンハンドピース６０の駆動中にマイクロホン４０によって収集された収集音から雑音を取り除くことで、エアタービンハンドピース６０の回転音を推定する。そして、検出装置１００は、エアタービンハンドピース６０の回転音に基づきエアタービンハンドピース６０の回転数（回転速度）を検出する。

なお、検出システム１０００は、１つのマイクロホン４０に限らず、複数のマイクロホン４０を備えていてもよい。また、診療装置１が少なくとも１つのマイクロホン４０を備えていてもよいし、検出装置１００が少なくとも１つのマイクロホン４０を備えていてもよい。

なお、本実施の形態においては、表示装置１１０が検出装置１００に接続されているが、表示装置１１０に限らずキーボードやマウスなどの操作ツール（ユーザインターフェース）が検出装置１００に接続されていてもよい。

＜検出システムの内部構成＞
図２は、本実施の形態に係る検出システム１０００の内部構成を示すブロック図である。図２に示すように、検出システム１０００は、複数のカメラ（トレーカメラ５１、全体カメラ５２、患者カメラ５３）と、診療装置１と、検出装置１００とを備える。

［診療装置の内部構成］
診療装置１は、チェア１１と、器具制御装置２１と、表示制御装置２２と、音制御装置３２と、ベースンユニット１２とを備える。診療装置１の内部において、チェア１１、器具制御装置２１、表示制御装置２２、音制御装置３２、およびベースンユニット１２の各々は、ＣＡＮ（Controller Area Network）通信を介してデータの送受信を行うことができる。また、診療装置１は、検出装置１００との間で、有線または無線のＬＡＮ（Local Area Network）通信、たとえばＷｉＦｉによる通信を介してデータの送受信を行うことができる。なお、診療装置１は、検出装置１００との間で、ＵＳＢ（Universal Serial Bus）接続による通信を介してデータの送受信を行ってもよいし、その他の接続による通信を介してデータの送受信を行ってもよい。

チェア１１は、ヘッドレスト１１ａと、背もたれ１１ｂと、座面シート１１ｃと、足置き台１１ｄとを含み、これらの各々は、チェア制御部１１１の制御に基づき駆動する。具体的には、チェア制御部１１１は、フットコントローラ１６または操作パネル１８によって受け付けられた術者の操作に基づく制御データ、あるいは、検出装置１００からの制御データを受信すると、当該制御データに基づき、座面シート１１ｃを上昇または下降させたり、ヘッドレスト１１ａ、背もたれ１１ｂ、および足置き台１１ｄを座面シート１１ｃに対して垂直方向または水平方向に移動させたりする。ヘッドレスト１１ａ、背もたれ１１ｂ、および足置き台１１ｄが座面シート１１ｃに対して垂直方向に位置すると、チェア１１が起立した態様となる。これにより、患者がチェア１１に座った姿勢になる。ヘッドレスト１１ａ、背もたれ１１ｂ、および足置き台１１ｄが座面シート１１ｃに対して水平方向に位置すると、チェア１１が傾斜した態様となる。これにより、患者がチェア１１に横たわり、仰向け姿勢になる。このように、チェア制御部１１１は、ヘッドレスト１１ａ、背もたれ１１ｂ、座面シート１１ｃ、および足置き台１１ｄを駆動させてチェア１１の姿勢を変更する。

器具制御装置２１は、器具制御部２１１を含む。器具制御部２１１は、フットコントローラ１６または操作パネル１８によって受け付けられた術者の操作に基づく制御データ、あるいは、検出装置１００からの制御データを受信すると、当該制御データに基づき、診療器具１５の駆動または設定内容を制御する。たとえば、術者が、フットコントローラ１６におけるエアタービンハンドピース６０を駆動するためのスイッチを足踏み操作すると、器具制御装置２１は、エアタービンハンドピース６０のヘッド部に保持された切削工具を回転させる。たとえば、検出装置１００が、エアハンドピース５０の回転方向または回転速度（回転数）などを制御するための制御データを出力すると、器具制御装置２１は、制御データに基づき、エアタービンハンドピース６０の回転方向または回転数（回転速度）などを設定する。このように、器具制御装置２１は、フットコントローラ１６または操作パネル１８に対する術者の操作に基づき診療器具１５の駆動を制御する。

表示制御装置２２は、ディスプレイ制御部２２１と、パネル制御部２２２とを含む。ディスプレイ制御部２２１は、検出装置１００からの制御データを受信すると、当該制御データに基づき、ディスプレイ１７を制御する。パネル制御部２２２は、検出装置１００の制御に基づく制御データを受信すると、当該制御データに基づき、操作パネル１８を制御する。

ベースンユニット１２は、ベースン制御部１２１と、照明制御部１２２とを含む。ベースン制御部１２１は、検出装置１００からの制御データを受信すると、当該制御データに基づき、ベースンユニット１２における給水および排水を制御する。照明制御部１２２は、検出装置１００からの制御データを受信すると、当該制御データに基づき、照明装置１９の照明および消灯を制御する。

上述したチェア制御部１１１、器具制御部２１１、ディスプレイ制御部２２１、パネル制御部２２２、ベースン制御部１２１、および照明制御部１２２の各々は、図示しない基板上に実装されたＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、およびＲＡＭ（Random access memory）などによって構成される。なお、チェア制御部１１１、器具制御部２１１、ディスプレイ制御部２２１、パネル制御部２２２、ベースン制御部１２１、および照明制御部１２２の各々は、予め診療装置１に備え付けられていてもよいし、モジュール化されることでオプションとして任意に診療装置１に取り付け可能であってもよい。

チェア制御部１１１、器具制御部２１１、ディスプレイ制御部２２１、パネル制御部２２２、ベースン制御部１２１、および照明制御部１２２の各々におけるＣＡＮ通信では、各制御部におけるログデータを含む診療関連データを通信パケットにして、制御部間で互いに通信が行われる。なお、制御部間の通信では、診療関連データが送受信されさえすれば当該診療関連データを必ずしも通信パケットにする必要はない。

「診療関連データ」は、診療装置１が備えるチェア１１、ベースンユニット１２、照明装置１９、器具制御装置２１、表示制御装置２２、診療器具１５、フットコントローラ１６、ディスプレイ１７、操作パネル１８の少なくともいずれか１つにおける過去および現在の少なくとも１つの制御データを含む。たとえば、上述したように、「診療関連データ」は、診療装置１が備えるチェア１１、ベースンユニット１２、照明装置１９、器具制御装置２１、表示制御装置２２、診療器具１５、フットコントローラ１６、ディスプレイ１７、および操作パネル１８の各々における動作および制御の履歴を示すログデータを含む。なお、「診療関連データ」は、ログデータのように各種装置における動作および制御の履歴データに限らず、各種装置における動作および制御のリアルタイムのデータを含んでいてもよい。さらに、「診療関連データ」は、各種装置における現在のステータスに関するデータを含んでいてもよい。たとえば、「診療関連データ」は、チェア１１の現在の態様（姿勢および位置など）を特定するためのデータを含んでいてもよい。

ベースンユニット１２は、診療装置１内のログデータを含む診療関連データを蓄積する蓄積部１２３と、蓄積部１２３によって蓄積された診療関連データを通信によって検出装置１００に出力するための通信部１２４とを含む。

蓄積部１２３は、チェア制御部１１１、器具制御部２１１、ディスプレイ制御部２２１、パネル制御部２２２、ベースン制御部１２１、および照明制御部１２２の各々との間でＣＡＮ通信することで、各制御部から診療関連データを収集して蓄積する。蓄積部１２３は、図示しない基板上に実装されたＲＯＭまたはＲＡＭなどのメモリによって構成されてもよいし、メモリカードなどの不揮発の記憶媒体で構成されてもよい。

通信部１２４は、有線または無線のＬＡＮ通信、ＵＳＢ接続、あるいはその他の接続によって検出装置１００との間で通信する。なお、蓄積部１２３がメモリカードなどの不揮発の記憶媒体で構成されている場合、検出装置１００は、通信装置１０１によって診療装置１の通信部１２４を介して、当該記憶媒体に蓄積されている診療関連データを取得してもよい。また、検出装置１００は、一時的に記憶する揮発性の記憶媒体を介して、ＣＡＮ通信に流れている診療関連データを、直接的に取得してもよい。

［検出装置の内部構成］
検出装置１００は、通信装置１０１と、演算装置１０２と、記憶装置１０３とを備える。

通信装置１０１は、診療装置１との間で通信する一方で、トレーカメラ５１、全体カメラ５２、および患者カメラ５３の各々との間で通信可能である。通信装置１０１は、有線または無線のＬＡＮ通信、あるいはＵＳＢ接続によって各カメラとの間で通信することで、各カメラから画像関連データを取得する。なお、通信装置１０１は、その他の形式で各カメラから画像関連データを取得してもよい。たとえば、通信装置１０１は、各カメラから取り出されたメモリカードなどの不揮発の記録媒体に一時的に記録される画像関連データを取得してもよい。なお、診療装置１との間の通信と、各カメラとの間の通信とは、互いに別の装置で行われてもよい。

通信装置１０１は、有線または無線のＬＡＮ通信、あるいはＵＳＢ接続によって診療装置１との間で通信可能である。たとえば、通信装置１０１は、診療装置１との間で通信することで、診療装置１から診療関連データを取得する。なお、通信装置１０１は、その他の形式で診療装置１から診療関連データを取得してもよい。たとえば、上述したように、蓄積部１２３がメモリカードなどの不揮発の記憶媒体で構成されている場合、検出装置１００は、通信装置１０１によって診療装置１の通信部１２４を介して、当該記憶媒体に蓄積されている診療関連データを取得してもよい。

さらに、通信装置１０１は、診療装置１との間で通信することで、演算装置１０２によって検出されたエアタービンハンドピース６０の回転数を示す回転数データを診療装置１に出力する。診療装置１は、検出装置１００から回転数データを取得すると、取得した回転数データに基づき、エアタービンハンドピース６０を制御するための制御データを生成してもよい。

通信装置１０１は、マイクロホン４０との間で通信することで、マイクロホン４０によって収集される収集音に対応する音圧波形のデータを取得する。通信装置１０１に入力された収集音は、演算装置１０２によって処理される。

通信装置１０１は、表示装置１１０との間で通信することで、表示装置１１０が表示する画像に対応する画像データを表示装置１１０に出力する。

なお、検出装置１００は、通信装置１０１を介して、診療装置１、トレーカメラ５１などの各カメラ、マイクロホン４０、および表示装置１１０の各装置との間でデータを送受信するが、これら複数の装置のそれぞれと通信可能な複数の通信装置（インターフェース）を備えていてもよい。すなわち、検出装置１００は、診療装置１、トレーカメラ５１などの各カメラ、マイクロホン４０、および表示装置１１０の各装置に対して共通または異なる通信装置（インターフェース）を備えていてもよい。

演算装置１０２は、各種のプログラムを実行することで、各種の処理を実行する演算主体（コンピュータ）である。演算装置１０２は、たとえば、ＣＰＵ、ＦＰＧＡ（Field-Programmable Gate Array）、およびＧＰＵ（Graphics Processing Unit）などで構成される。

なお、演算装置１０２は、ＣＰＵ、ＦＰＧＡ、およびＧＰＵの少なくとも１つで構成されてもよいし、ＣＰＵとＦＰＧＡ、ＦＰＧＡとＧＰＵ、ＣＰＵとＧＰＵ、あるいはＣＰＵ、ＦＰＧＡ、およびＧＰＵから構成されてもよい。また、演算装置１０２は、演算回路（processing circuitry）で構成されてもよい。

記憶装置１０３は、演算装置１０２が任意のプログラムを実行するにあたって、プログラムコードやワークメモリなどを一時的に格納する揮発性の第１記憶領域（たとえば、ワーキングエリア）を含む。たとえば、記憶装置１０３は、ＤＲＡＭ（Dynamic Random Access Memory）またはＳＲＡＭ（Static Random Access Memory）などの揮発性メモリデバイスで構成される。さらに、記憶装置１０３は、不揮発性の第２記憶領域を含む。たとえば、記憶装置１０３は、ハードディスクまたはＳＳＤ（Solid State Drive）などの不揮発性メモリデバイスで構成される。

なお、本実施の形態においては、揮発性の第１記憶領域と不揮発性の第２記憶領域とが同一の記憶装置１０３に含まれる例を示したが、揮発性の第１記憶領域と不揮発性の第２記憶領域とが互いに異なる記憶装置に含まれていてもよい。たとえば、演算装置１０２が揮発性の第１記憶領域を含んでいてもよい。検出装置１００は、演算装置１０２と、記憶装置１０３とを含むマイクロコンピュータを備えていてもよい。

記憶装置１０３は、検出装置１００が備えるものに限らない。たとえば、診療装置１に通信可能に接続された院内サーバが記憶装置１０３を備えていてもよいし、診療装置１が設置された診療空間外に設置された院外サーバが記憶装置１０３を備えていてもよい。さらに、記憶装置１０３は、複数の診療装置１のそれぞれが備える複数の検出装置１００が通信可能なクラウドコンピューティングの態様で存在してもよい。このようにすれば、複数の診療装置１から取得した画像関連データおよび診療関連データを記憶装置１０３によって一律に蓄積しかつ管理することができる。

記憶装置１０３は、推定モデル１５１と、検出プログラム１５２とを格納する。推定モデル１５１は、ニューラルネットワーク１５１１（図３参照）と、ニューラルネットワークにおける処理で用いられるパラメータ１５１２（図３参照）（判定閾値、重み係数など）とを含む。パラメータ１５１２は、ニューラルネットワーク１５１１による計算に用いられる重み付け係数と、推定の判定に用いられる判定値とを含む。ニューラルネットワーク１５１１は、畳み込みニューラルネットワーク（ＣＮＮ：Convolution Neural Network）、リカレントニューラルネットワーク（再帰型ニューラルネットワーク）（ＲＮＮ：Recurrent Neural Network）、あるいはＬＳＴＭネットワーク（Long Short Term Memory Network）など、収集音に基づきエアタービンハンドピース６０の回転音を推定することができるニューラルネットワークであれば、いずれのニューラルネットワークであってもよい。

演算装置１０２は、通信装置１０１から入力される収集音と、推定モデル１５１とに基づき、収集音からエアタービンハンドピース６０の回転音以外の雑音を取り除くことで、エアタービンハンドピース６０の回転音を推定する。推定モデル１５１は、通信装置１０１から入力される収集音に基づき、エアタービンハンドピース６０の回転音を推定するように、機械学習を行うことで最適化（調整）される。

具体的には、推定モデル１５１は、ニューラルネットワーク１５１１における処理で用いられるパラメータ１５１２が教師データなどに基づいて適正化されることで、エアタービンハンドピース６０の回転音の推定精度を向上させることができる。

たとえば、推定モデル１５１の学習段階において用いられる教師データは、入力データとして収集音の音圧波形データ（図４（Ａ）参照）と、正解データとして回転音の音圧波形データ（図４（Ｂ）参照）とを含む。入力データである収集音の音圧波形データとしては、歯科医院などで実際に歯科診療中にマイクロホン４０によって収集された雑音を含む収集音の音圧波形データが用いられる。たとえば、入力データとしては、雑音が生じる歯科医院などにおいてエアタービンハンドピース６０を１０００００～４０００００ｒｐｍの間で変動させながら回転させた状態で歯科診療を行った場合の収集音の音圧波形データが用いられる。また、正解データとしては、雑音が生じない環境においてエアタービンハンドピース６０を１０００００～４０００００ｒｐｍの間で変動させながら回転させた場合の収集音の音圧波形データが用いられる。

学習段階において、推定モデル１５１は、ある特定の回転パターンでエアタービンハンドピース６０が回転した場合の入力データが入力されると、入力データに基づきエアタービンハンドピース６０の回転音の音圧波形データを推定する。推定モデル１５１によって推定された回転音の音圧波形データ（推定結果）は、同じくある特定の回転パターンでエアタービンハンドピース６０が回転した場合の正解データと比較され、両者の差が小さくなるようにパラメータ１５１２が調整される。これにより、推定モデル１５１は、収集音の音圧波形データに基づき、エアタービンハンドピース６０の回転音の音圧波形データを推定するように学習する。

演算装置１０２は、推定したエアタービンハンドピース６０の回転音に基づき、エアタービンハンドピース６０の回転数を検出する。また、演算装置１０２は、検出したエアタービンハンドピース６０の回転数に基づき、エアタービンハンドピース６０の異常を検出するための処理を実行したり、エアタービンハンドピース６０の回転数を所望の回転数にするフィードバック制御のための処理を実行したりすることができる。さらに、演算装置１０２は、エアタービンハンドピース６０による治療の態様（治療履歴）をユーザに確認させるための処理を実行することもできる。たとえば、演算装置１０２は、エアタービンハンドピース６０を用いた治療中におけるエアタービンハンドピース６０の回転数を取得しておくことによって、エアタービンハンドピース６０の回転数と、治療後の患者の歯の状態の経過の相関とを分析することができる。

また、演算装置１０２がエアタービンハンドピース６０の回転音を推定する処理を「推定処理」とも称し、演算装置１０２が推定モデルを学習する処理を「学習処理」とも称する。学習処理によって最適化された推定モデルを、特に「学習済モデル」とも称する。つまり、本実施の形態においては、学習前の推定モデルおよび学習済みの推定モデルをまとめて「推定モデル」と総称する一方で、特に、学習済みの推定モデルを「学習済モデル」とも称する。さらに、演算装置１０２が推定処理によって推定されたエアタービンハンドピース６０の回転音に基づき、エアタービンハンドピース６０の回転数を検出する処理を「検出処理」とも称する。

検出プログラム１５２は、演算装置１０２が推定処理、学習処理、および検出処理を実行するためのプログラムである。

検出装置１００には、表示装置１１０が接続されている。表示装置１１０は、たとえば、回転数に基づきエアタービンハンドピース６０の異常が検出された場合には、術者などのユーザに当該異常を知らせる内容（文字、アイコン、画像など）を表示する。また、表示装置１１０は、回転数に基づきエアタービンハンドピース６０がフィードバック制御される場合には、ユーザにエアタービンハンドピース６０の回転数の調整を指示する内容（文字、アイコン、画像など）を表示する。さらに、表示装置１１０は、回転数に基づき患者の治療の態様（治療履歴）が確認される場合には、ユーザに患者の治療の態様（治療履歴）を知らせる内容（文字、アイコン、画像など）を表示する。

なお、表示装置１１０に限らずキーボードやマウスなどの操作ツール（ユーザインターフェース）が検出装置１００に接続されていてもよく、術者などのユーザによって学習処理用のデータが入力されるように構成されてもよい。表示装置１１０は、検出装置１００が備えていてもよい。

上述した例では、検出装置１００が診療装置１と別体となるように構成されていたが、検出装置１００は、エッジコンピューティングの態様で、診療装置１の内部に小型のコンピュータとして実装されてもよい。この場合、検出装置１００は、診療装置１に含まれるチェア１１、器具制御装置２１、表示制御装置２２、音制御装置３２、およびベースンユニット１２の各々との間で、ＣＡＮ通信を介してデータの送受信を行ってもよい。

＜検出装置による回転数の検出処理＞
図３～図６を参照しながら、検出装置１００によるエアタービンハンドピース６０の回転数の検出処理について説明する。図３は、本実施の形態に係る検出装置１００の機能構成を示すブロック図である。

図３に示すように、検出装置１００は、主な機能部として、入力部１１０１と、検出部１０２０と、記憶部１０３０と、出力部１０１２とを備える。なお、入力部１１０１および出力部１０１２は、通信装置１０１の機能部であり、検出部１０２０は、演算装置１０２の機能部であり、記憶部１０３０は、記憶装置１０３の機能部である。また、図３においては、マイクロホン４０の機能部が、集音部１４０として示されている。

入力部１１０１は、集音部１４０によって収集される収集音を取得する。収集音は、エアタービンハンドピース６０の回転音と、当該回転音以外の雑音とを含む。たとえば、図４は、収集音に基づき回転音から雑音を分離させた場合の音圧波形の一例を示す図である。図４においては、横軸に時間をとり、縦軸に音圧をとった音圧波形のグラフが示されている。図４（Ａ）に示すように、入力部１１０１には、回転音と雑音とを含む収集音の音圧波形データが入力される。

図３に戻り、検出部１０２０は、推定部１０２１と、ＦＦＴ（Fast Fourier Transform）部１０２２と、ＢＰＦ（Band Pass Filter）部１０２３とを備える。

推定部１０２１は、入力部１１０１から入力される収集音と、記憶部１０３０に記憶された推定モデル１５１とに基づき、収集音から雑音を取り除くことで、エアタービンハンドピース６０の回転音を推定する。具体的には、推定部１０２１は、図４（Ａ）に示す収集音の音圧波形を、図４（Ｂ）に示す回転音の音圧波形と、図４（Ｃ）に示す雑音の音圧波形とに音源分離させることで、回転音の音圧波形を算出する。推定部１０２１による回転音の推定結果（図４（Ｂ）の音圧波形データ）は、ＦＦＴ部１０２２に出力される。

ＦＦＴ部１０２２は、推定部１０２１によって推定されたエアタービンハンドピース６０の回転音に対して高速フーリエ変換を行うことで、回転音の周波数特性を算出する。たとえば、図５は、回転音の音圧波形に高速フーリエ変換を行った場合の回転音の周波数特性の一例を示す図である。図５（Ａ）においては、横軸に時間をとり、縦軸に音圧をとった音圧波形が示されている。図５（Ｂ）においては、横軸に周波数をとり、縦軸に音圧をとった周波数特性のグラフが示されている。ＦＦＴ部１０２２は、推定部１０２１から取得した図５（Ａ）に示す回転音の音圧波形に対して高速フーリエ変換を行うことで、図５（Ｂ）に示す回転音の周波数特性のデータを算出する。ＦＦＴ部１０２２による回転音の周波数特性のＦＦＴ結果（図５（Ｂ）の周波数特性のデータ）は、ＢＰＦ部１０２３に出力される。

ＢＰＦ部１０２３は、回転音の周波数特性のデータに対してバンドパスフィルタをかけることで、エアタービンハンドピース６０の回転周波数を算出する。たとえば、図６は、バンドパスフィルタがかけられた回転音の周波数特性一例を示す図である。図６においては、横軸に周波数をとり、縦軸に音圧をとった周波数特性のグラフが示されている。図６に示すように、ＢＰＦ部１０２３は、ＦＦＴ部１０２２によって取得された回転音の周波数特性のデータに対して、有効回転数領域でバンドパスフィルタをかけることで、エアタービンハンドピース６０の回転数を算出する。図６の例においては、ＢＰＦ部１０２３は、約３３３３Ｈｚ（約２０００００ｒｐｍ）～約６６６６Ｈｚ（約４０００００ｒｐｍ）の回転周波数（回転数）を算出している。ＢＰＦ部１０２３によって算出されたＢＰＦ結果（回転周波数（回転数））は、出力部１０１２に出力される。

出力部１０１２は、エアタービンハンドピース６０の回転周波数（回転数）を示す回転数データを、外部に出力する。たとえば、検出装置１００は、出力部１０１２によって、回転数データを診療装置１に出力する。

＜検出装置の検出処理＞
図７を参照しながら、検出装置１００が実行する検出処理について説明する。図７は、本実施の形態に係る検出装置１００が実行する検出処理の一例を説明するためのフローチャートである。図７に示す各ステップ（以下、「Ｓ」で示す。）は、検出装置１００の演算装置１０２が検出プログラム１５２を実行することで実現される。なお、検出装置１００は、診療中に限らず検出処理を常に繰り返し実行してもよいし、患者がチェア１１に座った後に検出処理を繰り返し実行してもよいし、患者がチェア１１に座って診療が開始された後に検出処理を繰り返し実行してもよい。さらに、検出装置１００は、エアタービンハンドピース６０が駆動したことを条件として、検出処理を所定周期（たとえば、１秒間隔）で繰り返し実行してもよい。なお、検出装置１００は、エアタービンハンドピース６０の駆動が停止してから所定時間（たとえば、３秒間）が経過したことを条件に、検出処理を終了してもよい。

図７に示すように、まず、検出装置１００は、マイクロホン４０によって収集される収集音を取得する（Ｓ１）。次に、検出装置１００は、収集音の音圧が一定値以上であるか否かを判定する（Ｓ２）。検出装置１００は、収集音の音圧が一定値未満である場合（Ｓ２でＮＯ）、本処理フローを終了する。一方、検出装置１００は、収集音の音圧が一定値以上である場合（Ｓ２でＹＥＳ）、Ｓ３の処理に移行する。このように、検出装置１００は、収集音の音圧が一定値未満であるために収集音を推定モデル１５１による推定に上手く利用できない場合は、Ｓ３以降の処理を実行しないため、検出装置１００の処理負荷を低減することができる。

Ｓ３の処理において、検出装置１００は、収集音と推定モデル１５１とに基づき、収集音から雑音を取り除くことで、エアタービンハンドピース６０の回転音を推定する（Ｓ３）。次に、検出装置１００は、収集音と推定モデル１５１とに基づきエアタービンハンドピース６０の回転音を推定することができたか否かを判定する（Ｓ４）。検出装置１００は、エアタービンハンドピース６０の回転音を推定することができなかった場合（Ｓ４でＮＯ）、本処理フローを終了する。一方、検出装置１００は、エアタービンハンドピース６０の回転音を推定することができた場合（Ｓ４でＹＥＳ）、Ｓ５の処理に移行する。このように、検出装置１００は、エアタービンハンドピース６０の回転音を推定することができない場合は、Ｓ５以降の処理を実行しないため、検出装置１００の処理負荷を低減することができる。

Ｓ５の処理において、検出装置１００は、推定したエアタービンハンドピース６０の回転音に対して高速フーリエ変換を行うことで、回転音の周波数特性を算出する（Ｓ５）。次に、検出装置１００は、回転音の周波数特性のデータに対してバンドパスフィルタをかけることで、エアタービンハンドピース６０の回転周波数を算出する（Ｓ６）。その後、検出装置１００は、本処理フローを終了する。

以上のように、検出装置１００は、エアタービンハンドピース６０の駆動中に収集される収集音と、ニューラルネットワーク１５１１を含む推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定し、推定した回転音に基づき回転数を検出する。これにより、検出装置１００は、収集音に回転音以外の雑音が含まれていた場合でも、エアタービンハンドピース６０の回転音に基づき、回転数を精度よく検出することができる。

＜変形例＞
本開示は、上記の実施例に限られず、さらに種々の変形、応用が可能である。以下、本開示に適用可能な変形例について説明する。

[推定モデルについて]
本実施の形態においては、検出装置１００は、エアタービンハンドピース６０の駆動中に収集される収集音と推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定していたが、さらに他の情報に基づきエアタービンハンドピース６０の回転音を推定してもよい。

たとえば、検出装置１００は、収集音に加えて、エアタービンハンドピース６０の駆動制御に関する駆動制御情報を取得し、収集音および駆動制御情報と推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定してもよい。具体的には、入力部１１０１には、集音部１４０によって収集される収集音に加えて、エアタービンハンドピース６０の駆動制御に関する駆動制御情報が入力されてもよい。検出部１０２０は、収集音および駆動制御情報と推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定してもよい。駆動制御情報は、エアタービンハンドピース６０を駆動させるための圧縮空気の供給量を含む。たとえば、検出装置１００は、術者がフットコントローラ１６の踏み込み量を調整することによって変化する圧縮空気の供給量を定期的に取得し、取得した圧縮空気の供給量と推定モデル１５１とに基づき、収集音から雑音を取り除いて回転音を推定してもよい。

学習段階において、推定モデル１５１は、ある特定の回転パターンでエアタービンハンドピース６０が回転した場合の収集音の音圧波形データと、その際の圧縮空気の供給量とが入力されると、入力データに基づきエアタービンハンドピース６０の回転音の音圧波形データを推定する。推定モデル１５１によって推定された回転音の音圧波形データは、同じくある特定の回転パターンでエアタービンハンドピース６０が回転しかつ圧縮空気が供給された場合の正解データと比較され、両者の差が小さくなるようにパラメータ１５１２が調整される。これにより、推定モデル１５１は、収集音の音圧波形データおよび圧縮空気の供給量に基づき、エアタービンハンドピース６０の回転音の音圧波形データを推定するように学習する。

あるいは、検出装置１００は、診療装置１の制御に関する診療制御情報を取得し、収集音および診療制御情報と推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定してもよい。具体的には、入力部１１０１には、集音部１４０によって収集される収集音に加えて、診療関連データが入力されてもよい。検出部１０２０は、収集音および診療関連データと推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定してもよい。診療関連データは、チェア１１、ベースンユニット１２、照明装置１９、器具制御装置２１、表示制御装置２２、診療器具１５、フットコントローラ１６、ディスプレイ１７、操作パネル１８の少なくともいずれか１つにおける過去および現在の少なくとも１つの制御データを含む。すなわち、診療関連データは、術者による患者の歯科治療の際の診療装置１の動作を示しているため、推定モデル１５１は、診療関連データに基づき、たとえば、診療装置１の動作（エアタービンハンドピース６０に対する圧縮空気の供給量など）を学習することができる。

より具体的には、検出装置１００は、診療装置１の制御に関する診療制御情報としてバキューム７０の制御情報を取得し、収集音およびバキューム７０の制御情報に基づき、収集音からバキューム７０が発する吸気音などの雑音を取り除くことで、エアタービンハンドピース６０の回転音を推定してもよい。すなわち、検出装置１００は、バキューム７０の動作を学習することで、収集音からバキューム７０が発する吸気音を取り除くことで、エアタービンハンドピース６０の回転音を推定してもよい。

学習段階において、推定モデル１５１は、ある特定の回転パターンでエアタービンハンドピース６０が回転した場合の収集音の音圧波形データと、その際の診療関連データとが入力されると、入力データに基づきエアタービンハンドピース６０の回転音の音圧波形データを推定する。推定モデル１５１によって推定された回転音の音圧波形データは、同じくある特定の回転パターンでエアタービンハンドピース６０が回転しかつ診療装置１が動作した場合の正解データと比較され、両者の差が小さくなるようにパラメータ１５１２が調整される。これにより、推定モデル１５１は、収集音の音圧波形データおよび画像関連データに基づき、エアタービンハンドピース６０の回転音の音圧波形データを推定するように学習する。

あるいは、検出装置１００は、患者を診療する診療空間の撮影画像を取得し、収集音および撮影画像と推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定してもよい。具体的には、入力部１１０１には、集音部１４０によって収集される収集音に加えて、診療空間の撮影画像のデータが入力されてもよい。検出部１０２０は、収集音および撮影画像のデータと推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音を推定してもよい。撮影画像のデータは、トレー画像データ、全体画像データ、および患者画像データといった画像関連データを含む。すなわち、画像関連データは、術者による患者の歯科治療の様子を映し出した画像のデータを含むため、推定モデル１５１は、画像関連データに基づき、たとえば、術者の行動（エアタービンハンドピース６０の取り出し、フットコントローラ１６の踏み込みなど）を学習することができる。

学習段階において、推定モデル１５１は、ある特定の回転パターンでエアタービンハンドピース６０が回転した場合の収集音の音圧波形データと、その際の画像関連データとが入力されると、入力データに基づきエアタービンハンドピース６０の回転音の音圧波形データを推定する。推定モデル１５１によって推定された回転音の音圧波形データは、同じくある特定の回転パターンでエアタービンハンドピース６０が回転しかつ術者および患者が動作した場合の正解データと比較され、両者の差が小さくなるようにパラメータ１５１２が調整される。これにより、推定モデル１５１は、収集音の音圧波形データおよび画像関連データに基づき、エアタービンハンドピース６０の回転音の音圧波形データを推定するように学習する。

[検出装置の出力について]
本実施の形態においては、検出装置１００は、出力部１０１２によって、推定した回転数を示す回転数データを診療装置１に出力していたが、このような制御以外の制御を実行してもよい。

たとえば、検出装置１００は、推定した回転数に基づきエアタービンハンドピース６０を制御するための制御データを生成し、出力部１０１２によって、制御データを診療装置１に出力してもよい。診療装置１の器具制御装置２１（器具制御部２１１）は、検出装置１００から取得した制御データに基づき、エアタービンハンドピース６０を駆動してもよい。

あるいは、検出装置１００は、推定した回転数を示す回転数データを、エアタービンハンドピース６０の異常を検出する異常検出部に出力してもよい。異常検出部は、検出装置１００から取得した回転数データに基づき、エアタービンハンドピース６０の異常を検出してもよい。なお、異常検出部は、診療装置１が備える構成であってもよいし、診療装置１とは異なる他の装置が備える構成であってもよい。

あるいは、検出装置１００は、推定した回転数に基づきエアタービンハンドピース６０の異常を検出するための検出データを生成し、出力部１０１２によって、検出データを診療装置１または表示装置１１０に出力してもよい。診療装置１は、検出装置１００から取得した検出データに基づき、エアタービンハンドピース６０の異常をユーザに通知してもよい。また、表示装置１１０は、検出装置１００から取得した検出データに基づき、エアタービンハンドピース６０の異常をユーザに通知する内容（文字、アイコン、画像など）を表示してもよい。

あるいは、検出装置１００は、検出したエアタービンハンドピース６０の回転数を、図示しない外部の記録装置へ出力してもよい。記録装置は、検出装置１００によって入力された回転数を、メモリおよびハードディスクなどの記憶媒体へ時系列に記録する。なお、この記録媒体は、検出装置１００が備えていてもよい。この場合、検出装置１００が備える記録媒体が、検出されたエアタービンハンドピース６０の回転数を時系列に記録する。

[検出装置について]
本実施の形態においては、検出装置１００は、診療装置１が設置された診療空間内に配置されていたが、診療空間内に設置されたサーバであってもよい。この場合、検出装置１００は、診療空間内に設置された複数の診療装置１に接続され、これら複数の診療装置１の各々について、収集音に基づきエアタービンハンドピース６０の回転音を推定してもよい。このようにすれば、検出装置１００による機械学習の頻度が上がり、検出装置１００は、より精度よく回転音を推定することができる。

検出装置１００は、診療装置１が設置された診療空間外に設置されたサーバなど、クラウドコンピューティングの態様で存在してもよい。この場合、検出装置１００は、診療空間内に設置された複数の診療装置１に接続されるとともに、他の歯科医院に設置された複数の診療装置１にも接続され、これら複数の診療装置１の各々について、収集音に基づきエアタービンハンドピース６０の回転音を推定してもよい。このようにすれば、検出装置１００による機械学習の頻度がさらに上がり、検出装置１００は、より精度よく回転音を推定することができる。また、推定精度が十分な推定モデルを不必要にチューニングして過学習させないようにすることができる。検出装置１００がクラウドコンピューティングの態様で収集した大量のデータを用いて機械学習を行えば、少量のデータを用いて機械学習を行うよりも、過学習を抑制することができる。

上述した検出装置１００は、先に、マイクロホン４０によって収集された収集音と推定モデル１５１とに基づき回転音を推定し、その後に、推定した回転音に対して高速フーリエ変換を行うことで回転音の周波数成分を算出するように構成されていた。しかしながら、図８および図９に示すように、変形例に係る検出装置１００Ａは、先に、マイクロホン４０によって収集された収集音に対して高速フーリエ変換を行うことで雑音および回転音を含む収集音の周波数特性を算出し、その後に、収集音の周波数特性結果と推定モデル１５１とに基づき回転音の周波数成分を推定してもよい。

図８は、変形例に係る検出装置１００Ａの機能構成を示すブロック図である。図８に示すように、検出装置１００Ａは、検出部１１２０と、記憶部１０３０に記憶された推定モデル１６１とを備える。検出部１１２０は、ＦＦＴ部１１２２と、推定部１１２１と、ＢＰＦ部１１２３とを備える。推定モデル１６１は、ニューラルネットワーク１６１１と、パラメータ１６１２とを備える。

ＦＦＴ部１１２２は、入力部１１０１から入力される収集音に対して高速フーリエ変換を行うことで、収集音の周波数特性を算出する。推定部１１２１は、収集音の周波数特性結果と、推定モデル１６１とに基づき、収集音の周波数成分から雑音の周波数成分を取り除くことで、エアタービンハンドピース６０の回転音の周波数成分を推定する。ＢＰＦ部１１２３は、回転音の周波数特性のデータに対してバンドパスフィルタをかけることで、エアタービンハンドピース６０の回転周波数を算出する。

図９は、変形例に係る検出装置１００Ａが実行する検出処理の一例を説明するためのフローチャートである。図９に示すように、まず、検出装置１００Ａは、マイクロホン４０によって収集される収集音を取得する（Ｓ１１）。次に、検出装置１００Ａは、収集音の音圧が一定値以上であるか否かを判定する（Ｓ１２）。検出装置１００Ａは、収集音の音圧が一定値未満である場合（Ｓ１２でＮＯ）、本処理フローを終了する。一方、検出装置１００Ａは、収集音の音圧が一定値以上である場合（Ｓ１２でＹＥＳ）、Ｓ１３の処理に移行する。このように、検出装置１００Ａは、収集音の音圧が一定値未満であるために収集音を推定モデル１６１による推定に上手く利用できない場合は、Ｓ１３以降の処理を実行しないため、検出装置１００Ａの処理負荷を低減することができる。

Ｓ１３の処理において、検出装置１００Ａは、収集音に対して高速フーリエ変換を行うことで、収集音の周波数特性を算出する（Ｓ１３）。次に、検出装置１００Ａは、収集音の周波数特性結果と推定モデル１６１とに基づき、収集音の周波数成分から雑音の周波数成分を取り除くことで、エアタービンハンドピース６０の回転音の周波数成分を推定する（Ｓ１４）。次に、検出装置１００Ａは、収集音の周波数特性結果と推定モデル１６１とに基づきエアタービンハンドピース６０の回転音の周波数成分を推定することができたか否かを判定する（Ｓ１５）。検出装置１００Ａは、エアタービンハンドピース６０の回転音の周波数成分を推定することができなかった場合（Ｓ１５でＮＯ）、本処理フローを終了する。一方、検出装置１００Ａは、エアタービンハンドピース６０の回転音の周波数成分を推定することができた場合（Ｓ１５でＹＥＳ）、Ｓ１６の処理に移行する。このように、検出装置１００Ａは、エアタービンハンドピース６０の回転音の周波数成分を推定することができない場合は、Ｓ１６の処理を実行しないため、検出装置１００Ａの処理負荷を低減することができる。次に、検出装置１００Ａは、回転音の周波数特性のデータに対してバンドパスフィルタをかけることで、エアタービンハンドピース６０の回転周波数を算出する（Ｓ１６）。その後、検出装置１００Ａは、本処理フローを終了する。

以上のように、検出装置１００Ａは、エアタービンハンドピース６０の駆動中に収集される収集音と、ニューラルネットワーク１５１１を含む推定モデル１５１とに基づき、エアタービンハンドピース６０の回転音の周波数成分を推定し、推定した周波数成分に基づき回転数を検出する。これにより、検出装置１００Ａは、収集音に回転音以外の雑音が含まれていた場合でも、エアタービンハンドピース６０の回転音に基づき、回転数を精度よく検出することができる。なお、検出装置１００Ａにおける上述した構成以外の構成については、検出装置１００と同じ構成を備える。

今回開示された実施の形態は全ての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は上記した説明ではなく特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。なお、本実施の形態で例示された構成および変形例で例示された構成は、適宜組み合わせることができる。

１ 診療装置、５ ポール、６ アーム、１１ チェア、１１ａ ヘッドレスト、１１ｂ 背もたれ、１１ｃ 座面シート、１１ｄ 足置き台、１２ ベースンユニット、１２ａ 鉢、１２ｂ コップ台、１２ｃ 給水栓、１３ トレーテーブル、１４ 器具ホルダ、１５ 診療器具、１６ フットコントローラ、１７ ディスプレイ、１８ 操作パネル、１９ 照明装置、２１ 器具制御装置、２２ 表示制御装置、３０ トレー、３２ 音制御装置、３５ スピーカ、４０ マイクロホン、５０ エアハンドピース、５１ トレーカメラ、５２ 全体カメラ、５３ 患者カメラ、６０ エアタービンハンドピース、７０ バキューム、１００，１００Ａ 検出装置、１０１ 通信装置、１０２ 演算装置、１０３ 記憶装置、１１０ 表示装置、１１１ チェア制御部、１２１ ベースン制御部、１２２ 照明制御部、１２３ 蓄積部、１２４ 通信部、１４０ 集音部、１５１，１６１ 推定モデル、１５２ 検出プログラム、２１１ 器具制御部、２２１ ディスプレイ制御部、２２２ パネル制御部、１０００ 検出システム、１０１２ 出力部、１０２０ 検出部、１０２１，１１２１ 推定部、１０２２，１１２２ ＦＦＴ部、１０２３ ＢＰＦ部、１０３０ 記憶部、１１０１ 入力部、１５１１，１６１１ ニューラルネットワーク、１５１２，１６１２ パラメータ。

Claims (10)

1. 歯科用のエアタービンハンドピースの回転数を検出する検出装置であって、
   前記エアタービンハンドピースの駆動中に収集される収集音が入力される入力部と、
   前記入力部から入力される前記収集音に基づき前記回転数を検出する検出部とを備え、
   前記検出部は、
   前記入力部から入力される前記収集音と、ニューラルネットワークを含む推定モデルとに基づき、前記エアタービンハンドピースの回転音を推定し、
   前記回転音に基づき前記回転数を検出する、検出装置。
2. 前記収集音は、前記回転音と雑音とを含み、
   前記検出部は、前記推定モデルに基づき、前記収集音から前記雑音を取り除くことで、前記回転音を推定する、請求項１に記載の検出装置。
3. 前記収集音は、歯科用の診療装置の近傍に設置される集音部によって歯科診療中に収集され、
   前記検出部は、前記推定モデルに基づき、前記収集音から歯科診療中に使用されるバキュームが発する吸気音を少なくとも取り除くことで、前記回転音を推定する、請求項１に記載の検出装置。
4. 前記入力部には、前記エアタービンハンドピースの駆動制御に関する駆動制御情報がさらに入力され、
   前記検出部は、前記入力部から入力される前記収集音および前記駆動制御情報と、前記推定モデルとに基づき、前記回転音を推定する、請求項１～請求項３のいずれか１項に記載の検出装置。
5. 前記入力部には、歯科用の診療装置の制御に関する診療制御情報がさらに入力され、
   前記検出部は、前記入力部から入力される前記収集音および前記診療制御情報と、前記推定モデルとに基づき、前記回転音を推定する、請求項１～請求項３のいずれか１項に記載の検出装置。
6. 前記入力部には、患者を診療する診療空間の撮影画像がさらに入力され、
   前記検出部は、前記入力部から入力される前記収集音および前記撮影画像と、前記推定モデルとに基づき、前記回転音を推定する、請求項１～請求項３のいずれか１項に記載の検出装置。
7. 前記検出部は、推定した前記回転音に対して高速フーリエ変換を行うことで、前記回転数を検出する、請求項１～請求項６のいずれか１項に記載の検出装置。
8. 前記検出部によって検出された前記回転数を出力する出力部をさらに備え、
   前記出力部は、前記回転数に基づき前記エアタービンハンドピースを制御する器具制御部、および、前記回転数に基づき前記エアタービンハンドピースの異常を検出する異常検出部のいずれかに前記回転数を出力する、請求項１～請求項７のいずれか１項に記載の検出装置。
9. コンピュータによる歯科用のエアタービンハンドピースの回転数を検出する検出方法であって、
   前記エアタービンハンドピースの駆動中に収集される収集音が入力されるステップと、
   前記収集音とニューラルネットワークを含む推定モデルとに基づき、前記エアタービンハンドピースの回転音を推定するステップと、
   前記回転音に基づき前記回転数を検出するステップとを含む、検出方法。
10. 歯科用のエアタービンハンドピースの回転数を検出する検出プログラムであって、
    前記検出プログラムは、コンピュータに、
    前記エアタービンハンドピースの駆動中に収集される収集音が入力されるステップと、
    前記収集音とニューラルネットワークを含む推定モデルとに基づき、前記エアタービンハンドピースの回転音を推定するステップと、
    前記回転音に基づき前記回転数を検出するステップとを実行させる、検出プログラム。

Images