JP7398512B2 - データ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラム - Google Patents

Description

本発明は、データ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラムに関する。

従来から、歯科分野において、補綴物などをコンピュータ上でデジタル設計するために、欠損した歯牙である欠損歯牙を含む部位の三次元形状を取得する三次元スキャナが公知である。たとえば、特許文献１には、三次元スキャナの三次元カメラを用いて口腔内を撮像することで、口腔内の形状を記録する技術が開示されている。

特開２０００－７４６３５号公報

歯科医師などの術者は、特許文献１に開示された技術を用いることで、患者の口腔内の形状データ（以下、「三次元データ」とも称する）を記録することができる。記録された三次元データは、欠損歯牙の欠損箇所などを補うための補綴物の作製に用いられる。たとえば、術者は、患者の欠損歯牙を含む三次元データを三次元スキャナによって取得し、取得した三次元データに基づいて、欠損箇所に適合する補綴物を作製するための作製データ（以下、「補綴物データ」とも称する）をコンピュータ上でデジタル設計する。あるいは、術者は、取得した三次元データを歯科技工士に送信し、歯科技工士が三次元データに基づいて欠損箇所に適合する補綴物を作製するための補綴物データをコンピュータ上でデジタル設計する。

ところが、術者や歯科技工士の技術レベルは様々であるため、取得された三次元データに基づいて欠損箇所に適切な補綴物データを生成することは必ずしも容易ではなく、より簡単に適切な補綴物を作製することができる技術が望まれている。

本発明は、このような問題を解決するためになされたものであり、より簡単に適切な補綴物を作製することができるデータ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラムを提供することを目的とする。

本開示の一例に従えば、歯牙の補綴物を作製するための三次元データを生成するデータ生成装置が提供される。データ生成装置は、欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得する取得部と、複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、取得部によって取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出する抽出部と、予め歯牙の特徴に関する潜在変数を蓄積する蓄積部と、複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、抽出部によって抽出された周辺歯牙の特徴に関する潜在変数と、蓄積部によって蓄積されている歯牙の特徴に関する潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための三次元データを生成する生成部とを備える。

本開示の一例に従えば、歯牙の補綴物を作製するための三次元データを生成するスキャナシステムが提供される。スキャナシステムは、三次元カメラを用いて、欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得する三次元スキャナと、三次元スキャナによって取得された三次元データに基づき、欠損歯牙の欠損箇所に適合する補綴物を作製するための三次元データを生成するデータ生成装置とを備える。データ生成装置は、三次元スキャナによって取得されたスキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得する取得部と、複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、取得部によって取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出する抽出部と、予め歯牙の特徴に関する潜在変数を蓄積する蓄積部と、複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、抽出部によって抽出された周辺歯牙の特徴に関する潜在変数と、蓄積部によって蓄積されている歯牙の特徴に関する潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための三次元データを生成する生成部とを含む。

本開示の一例に従えば、歯牙の補綴物を作製するための三次元データをコンピュータが生成するデータ生成方法が提供される。データ生成方法は、コンピュータが実行する処理として、欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得するステップと、複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、取得するステップによって取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出するステップと、複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、抽出するステップによって抽出された周辺歯牙の特徴に関する潜在変数と、予め蓄積されている歯牙の特徴に関する潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための三次元データを生成するステップとを含む。

本開示の一例に従えば、歯牙の補綴物を作製するための三次元データを生成するデータ生成用プログラムが提供される。データ生成用プログラムは、コンピュータに、欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得するステップと、複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、取得するステップによって取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出するステップと、複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、抽出するステップによって抽出された周辺歯牙の特徴に関する潜在変数と、予め蓄積されている歯牙の特徴に関する潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための三次元データを生成するステップとを実行させる。

本発明によれば、より簡単に適切な補綴物を作製することができる。

本実施の形態に係るデータ処理装置の適用例を示す模式図である。 本実施の形態に係る三次元スキャナのスキャン対象となる歯牙の一例を示す模式図である。 本実施の形態に係る三次元スキャナのスキャン対象となる歯牙の種類を説明するための模式図である。 本実施の形態に係るデータ処理装置の学習段階における機能構成を示す模式図である。 本実施の形態に係るデータ生成部の機能構成を示す模式図である。 本実施の形態に係るデータ処理装置の実用段階における機能構成を示す模式図である。 本実施の形態に係る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データ処理装置のハードウェア構成を示す模式図である。 潜在変数データの蓄積を説明するための模式図である。 潜在変数データの蓄積を説明するための模式図である。 蓄積された潜在変数データの一例を示す模式図である。 学習段階における補綴物データの生成の一例を示す模式図である。 実用段階における補綴物データの生成の一例を示す模式図である。 本実施の形態に係るデータ処理装置が実行する学習処理を説明するためのフローチャートである。 本実施の形態に係るデータ処理装置が実行するデータ生成処理を説明するためのフローチャートである。

本発明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。

［適用例］
図１は、本実施の形態に係るデータ処理装置の適用例を示す模式図である。

図１に示すように、ユーザ１は、スキャナシステム１０を用いることで、対象者２が有する歯牙を含む口腔内の三次元形状のデータ（三次元データ）を取得することができる。なお、「ユーザ」は、歯科医師などの術者、歯科助手、歯科大学の先生または生徒、歯科技工士、メーカの技術者、製造工場の作業者など、スキャナシステム１０を用いる者であればいずれであってもよい。「対象者」は、歯科医院の患者、歯科大学における被験者など、スキャナシステム１０の対象となる者であればいずれであってもよい。また、「対象者」は、生身の人間に限らず、人体模型であってもよいし、頭部模型であってもよい。

本実施の形態に係るスキャナシステム１０は、三次元スキャナ２００と、データ処理装置１００と、ディスプレイ３００とを備える。三次元スキャナ２００は、内蔵された三次元カメラによってスキャン対象の三次元データを取得する。具体的には、三次元スキャナ２００は、対象者２の口腔内をスキャンすることで、スキャン対象の部位を構成する複数の点のそれぞれの位置情報（たとえば、歯牙の横方向、奥行き方向、高さ方向の座標）や色情報（たとえば、歯牙の表面の色）を、光学センサなどを用いて取得する。データ処理装置１００は、三次元スキャナ２００によって取得された三次元データに基づき三次元画像を生成し、生成した三次元画像をディスプレイ３００に表示する。

具体的には、ユーザ１は、対象者２の欠損歯牙の欠損箇所に適合した補綴物を作製するための補綴物データをコンピュータ上でデジタル設計するために、三次元スキャナ２００によって対象者２の口腔内を撮像する。ユーザ１が口腔内を撮像するごとに三次元データが順次取得され、少なくとも欠損歯牙を含む口腔内の三次元画像がディスプレイ３００に表示される。ユーザ１は、ディスプレイ３００に表示された三次元画像を確認しながら三次元データの不足部分を重点的にスキャンしていく。このようにして記録された三次元データは、補綴物の作製に用いられる。

「欠損歯牙」には、たとえば、支台歯、窩洞、およびインプラント体など、う蝕または治療時の切削によってその形状が欠損している歯牙が含まれる。「補綴物」には、たとえば、クラウン、ブリッジ、インプラント、インレーなど、補綴歯科で採用される公知の種々の詰め物や被せ物が含まれる。

たとえば、クラウンによって欠損歯牙の欠損箇所を補綴する場合、術者は、先ずタービンなどの切削器具によって歯のう蝕部分を削り取って支台歯を形成し、その上にクラウンを装着する。このとき、マージンと呼ばれる支台歯の外縁と、クラウンの外縁とを密着させなければ、二次う蝕の原因になる。インレーによって欠損箇所を補綴する場合も同様に、歯のう蝕部分を削り取った後の窩洞に対して、インレーを密着させなければ、二次う蝕の原因になる。

また、補綴物の作製においては、欠損箇所（欠損歯牙）の周辺の歯牙（以下、「周辺歯牙」とも称する）、つまり、欠損歯牙に隣合う歯牙（以下、「隣接歯牙」とも称する）と補綴物との間の距離、および欠損箇所（欠損歯牙）に対向する歯牙（以下、「対向歯牙」とも称する）と補綴物との間の距離が適切であることも重要である。なお、「隣合う」とは、欠損歯牙に接しながら当該欠損歯牙の隣に位置すること、または欠損歯牙に接することなく当該欠損歯牙の隣に位置することを含む。

さらに、詳しくは後述するが、歯牙には、中切歯、側切歯、犬歯、第１小臼歯、第２小臼歯、第１大臼歯、第２大臼歯、および第３大臼歯といったように、様々な種類がある。また、歯牙の種類に応じてその形状が特徴的であり、これらの形状は歯の噛み合わせなどに影響する。よって、欠損歯牙と同じ種類の補綴物、すなわち出来る限り欠損歯牙と同じ形状（特徴）を有する補綴物を作製することが重要である。

このように、補綴物の作製においては、重要な点が多数存在するが、ユーザ１である術者や歯科技工士の技術レベルは様々であるため、欠損箇所に適切な補綴物データを生成することは必ずしも容易ではない。

そこで、本実施の形態に係るスキャナシステム１０は、データ処理装置１００が有するＡＩ（人工知能：Artificial Intelligence）を利用して、三次元スキャナ２００によって取得された三次元データに基づき、欠損箇所に適切な補綴物データを生成するように構成されている。

具体的には、ユーザ１が三次元スキャナ２００を用いて対象者２の口腔内をスキャンすると、少なくとも欠損歯牙を含む三次元データがデータ処理装置１００に入力される。データ処理装置１００は、入力された三次元データおよび生成モデルに基づき、欠損箇所に適合する補綴物データを自動的に生成する。補綴物データは、補綴物そのものを作製するための三次元データとして、補綴物を構成する複数の点のそれぞれの位置情報（縦方向、横方向、高さ方向の各軸の座標）を含む。補綴物データの出力形式は、ＰＣＤファイル、ＳＴＬファイル、またはＰＬＹファイルなどが適用される。

このようにしてデータ処理装置１００によって生成された補綴物データは、歯科技工所に出力される。歯科技工所においては、データ処理装置１００から取得した補綴物データに基づき、歯科技工士が補綴物を作製する。

また、補綴物を自動で製造可能な自動製造装置６００が歯科医院内に配置されている場合、データ処理装置１００によって生成された補綴物データは、自動製造装置６００に出力されてもよい。このようにすれば、ユーザ１は、自動製造装置６００によっても補綴物データに基づき補綴物を作製することができる。自動製造装置６００の一例としては、ミリングマシンおよび３Ｄプリンタなどが挙げられる。

このように、本実施の形態に係るスキャナシステム１０によれば、データ処理装置１００が有するＡＩを利用して、三次元スキャナ２００によって取得された三次元データに基づき補綴物データが自動的に生成される。スキャナシステム１０は、ＡＩを利用することで、ユーザ１では抽出できない歯牙の特徴を見出すこともでき、これにより、ユーザ１は、より簡単に適切な補綴物を得ることができる。

［スキャン対象となる歯牙の一例］
図２は、本実施の形態に係る三次元スキャナ２００のスキャン対象となる歯牙の一例を示す模式図である。なお、図２においては、三次元スキャナ２００のスキャン対象となる歯牙が線図によって表されている。

図２に示すように、三次元スキャナ２００のスキャン対象となる歯牙が上顎の切歯である場合、得られる三次元画像が、上唇側の部位、口蓋側の部位、および切縁側の部位の画像を少なくとも含むように、ユーザ１によって対象者２の口腔内がスキャンされる。また、三次元スキャナ２００のスキャン対象となる歯牙が上顎の犬歯および臼歯である場合、得られる三次元画像が、頬側の部位、口蓋側の部位、および咬合する部位の画像を少なくとも含むように、ユーザ１によって対象者２の口腔内がスキャンされる。三次元スキャナ２００のスキャン対象となる歯牙が下顎の切歯である場合、得られる三次元画像が、下唇側の部位、舌側の部位、および切縁側の部位の画像を少なくとも含むように、ユーザ１によって対象者２の口腔内がスキャンされる。三次元スキャナ２００のスキャン対象となる歯牙が下顎の犬歯および臼歯である場合、得られる三次元画像が、頬側の部位、舌側の部位、および咬合する部位の画像を少なくとも含むように、ユーザ１によって対象者２の口腔内がスキャンされる。

一般的に、対象者２の歯牙は、その種類によって形状および大きさが異なる。たとえば、上顎の切歯の場合、上唇側の面は一般的にＵ字形であるのに対して、上顎の犬歯の場合、頬側の面は一般的に五角形である。各歯牙は、形状および大きさがその種類に応じて特徴的である。よって、各歯牙の特徴（種類）を見極めながら補綴物データをデジタル設計することは、術者や歯科技工士の知見に大きく依存することになる。

［スキャン対象となる歯牙の種類］
図３は、本実施の形態に係る三次元スキャナ２００のスキャン対象となる歯牙の種類を説明するための模式図である。

図３に示すように、各歯牙には、その種類および位置に応じて、中切歯、側切歯、犬歯、第１小臼歯、第２小臼歯、第１大臼歯、第２大臼歯、および第３大臼歯といったように名称が付されている。また、口腔内において、上顎右側、上顎左側、下顎右側、および下顎左側のそれぞれに、上述した各歯牙が一般的には存在する。

さらに、各歯牙には、その種類および位置に応じて、所定の番号が割り当てられている。たとえば、中切歯には１番が割り当てられ、側切歯には２番が割り当てられ、犬歯には３番が割り当てられ、第１小臼歯には４番が割り当てられ、第２小臼歯は５番が割り当てられ、第１大臼歯には６番が割り当てられ、第２大臼歯には７番が割り当てられ、第３大臼歯には８番が割り当てられている。

［データ処理装置の学習段階における機能構成］
図４は、本実施の形態に係るデータ処理装置１００の学習段階における機能構成を示す模式図である。なお、データ処理装置１００は、歯牙の補綴物を作製するための補綴物データを生成する機能を有していてもよく、「データ生成装置」とも称される。

図４に示すように、データ処理装置１００は、入力部１１０２と、データ生成部１１０４と、識別部１１０６とを有する。これらの各機能は、後述するデータ処理装置１００の演算装置１３０が、ＯＳ１２７、識別用プログラム１２０、学習用プログラム１２１、およびデータ処理用プログラム１２５などを実行することで実現される。なお、データ処理用プログラム１２５は、補綴物データを生成する処理を含んでいてもよく、「データ生成用プログラム」とも称される。

入力部１１０２には、歯牙の三次元データが入力される。入力部１１０２に入力される三次元データは、任意の歯牙、当該任意の歯牙と隣合う隣接歯牙、当該任意の歯牙と対向する対向歯牙、対向歯牙と隣合う歯牙、および当該任意の歯牙の反対側（はんたいそく）の歯牙の少なくともいずれか１つの三次元データを含む。

たとえば、図３を参照して、任意の歯牙が上顎左側の犬歯（３番）である場合、各歯牙を以下のように例示することができる。たとえば、上顎左側の犬歯（３番）と隣合う隣接歯牙としては、上顎左側の側切歯（２番）、中切歯（１番）、第１小臼歯（４番）、または第２小臼歯（５番）などが挙げられる。上顎左側の犬歯（３番）と対向する対向歯牙としては、下顎左側の犬歯（３番）などが挙げられる。上顎左側の犬歯（３番）と対向する対向歯牙と隣合う歯牙としては、下顎左側の側切歯（２番）または第１小臼歯（４番）などが挙げられる。また、任意の歯牙の反対側の歯牙とは、任意の歯牙が属する歯列における左右の反対側の歯牙のことである。たとえば、上顎左側の犬歯（３番）の反対側の歯牙としては、上顎右側の犬歯（３番）などが挙げられる。

なお、入力部１１０２には、三次元スキャナ２００によって取得された実際の歯牙の三次元データに限らず、学習用に予め用意された三次元データのモデルが入力されてもよい。さらに、入力部１１０２には、ユーザによって入力された、任意の歯牙、隣接歯牙、対向歯牙、対向歯牙と隣合う歯牙、および反対側の歯牙などの三次元データに含まれる各歯牙の種類（名称または番号）を特定するためのデータ（たとえば、歯牙の名称または番号）が入力される。

図４に示すように、学習段階の一例として、入力部１１０２には、任意の歯牙が省略された歯列における各歯牙の三次元データ、および当該歯列における各歯牙の種類（名称や番号）を特定するためのデータが入力されてもよい。

データ生成部１１０４は、歯牙の三次元データを生成する生成部１１４４を含む。たとえば、生成部１１４４は、入力部１１０２から入力された三次元データおよび生成モデル１１４４ａに基づき、任意の歯牙に適合する三次元データ（以下、補綴物データともいう）を生成する。このような生成部１１４４による補綴物データを生成する処理を「データ生成処理」とも称する。また、三次元データに含まれる各歯牙の種類（名称または番号）が入力部１１０２に入力された場合、生成部１１４４は、ユーザによって入力された、三次元データに含まれる各歯牙の種類（名称または番号）にさらに基づいて、補綴物データを生成する。

ここで、図５を参照しながら、データ生成部１１０４について具体的に説明する。図５は、本実施の形態に係るデータ生成部１１０４の機能構成を示す模式図である。図５に示すように、データ生成部１１０４は、取得部１１４１と、抽出部１１４２と、蓄積部１１４３と、生成部１１４４とを有する。

取得部１１４１は、入力部１１０２から入力された三次元データを取得する。抽出部１１４２は、抽出モデル１１４２ａに基づいて、取得部１１４１によって取得された三次元データから、歯牙の特徴に関する潜在変数を抽出する。

具体的には、抽出モデル１１４２ａは、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズム（「第１アルゴリズム」に対応する）を含む。たとえば、抽出モデル１１４２ａは、図示しないニューラルネットワークと、当該ニューラルネットワークによって用いられるパラメータとを含む。抽出モデル１１４２ａのニューラルネットワークにおいては、中間層が多層構造になることで、ディープラーニングによる処理が行われる。なお、抽出モデル１１４２ａのニューラルネットワークの仕組みには既存のものが適用されてもよい。

抽出部１１４２は、エンコーダと称される機能を有し、抽出モデル１１４２ａに基づき、取得部１１４１によって取得された歯牙の三次元データを解析することで、当該歯牙の特徴を多面的に捉え、その結果に基づいて、歯牙の三次元データから当該歯牙の種類を特徴付ける潜在的な変数を潜在変数として抽出する。たとえば、抽出部１１４２は、歯牙の形状（全体の大きさ、全体の形状、エッジの形状など）、歯牙の位置、歯牙の色、周辺歯牙との関係（位置関係、接触具合など）といった歯牙を特徴付ける各要素について、その特徴となるものを潜在変数として抽出する。なお、抽出部１１４２は、１回の三次元データの取得ごとに１つの潜在変数を抽出するものに限らず、１回の三次元データの取得ごとに複数の潜在変数を抽出するものであってもよい。

蓄積部１１４３は、抽出部１１４２によって抽出された潜在変数を特定するためのデータ（以下、「潜在変数データ」とも称する）を蓄積する。なお、蓄積部１１４３における潜在変数データの蓄積については、図９および図１０を参照しながら後述する。

生成部１１４４の生成モデル１１４４ａは、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズム（「第２アルゴリズム」に対応する）を含む。たとえば、生成モデル１１４４ａは、図示しないニューラルネットワークと、当該ニューラルネットワークによって用いられるパラメータとを含む。生成モデル１１４４ａのニューラルネットワークにおいては、中間層が多層構造になることで、ディープラーニングによる処理が行われる。なお、生成モデル１１４４ａのニューラルネットワークの仕組みには既存のものが適用されてもよい。

生成部１１４４は、デコーダと称される機能を有し、任意の歯牙が省略された歯列における各歯牙の三次元データが取得部１１４１によって取得されると、生成モデル１１４４ａに基づき、任意の歯牙の周辺に位置する歯牙である周辺歯牙（たとえば、任意の歯牙と隣合う隣接歯牙、任意の歯牙と対向する対向歯牙、対向歯牙と隣合う歯牙、任意の歯牙の反対側の歯牙）の特徴に関する潜在変数と、蓄積部１１４３によって既に蓄積されている潜在変数データによって特定される潜在変数とを用いて、任意の歯牙に適合する三次元データ（補綴物データ）を生成する。たとえば、生成部１１４４は、任意の歯牙の種類（名称または番号）と同じ種類（名称または番号）の歯牙の三次元データ（補綴物データ）を生成する。

上述したデータ生成部１１０４には、３次元画像に特化した処理を行うプログラムとして、たとえば、AAE、“Learning Representations and Generative Models”、ShapeVAE、“Shape Generation using Spatially Partitioned Point Clouds”、FoldingNet、P2P-Net、PCN(Point Completion Network)、PPF-FoldingNet、PC-GAN、およびDeepSDFなどが用いられるが、その他のプログラムが用いられてもよい。

図４に戻り、生成部１１４４によって生成された補綴物データは、識別部１１０６に出力される。識別部１１０６は、生成部１１４４によって生成された補綴物データと、ユーザによって入力された正解データとに基づき、当該補綴物データが適切か否かを識別する。補綴物データが適切か否かの識別としては、補綴物データに基づき作製される補綴物の形状が正解データとして入力された見本となる歯牙の形状と一致しているか否かを識別すること、補綴物データに基づき作製される補綴物の形状と正解データとして入力された見本となる歯牙の形状との類似度が基準値以上であるか否かを識別すること、補綴物データに基づき作製される補綴物の歯牙の種類（名称または番号）が正解データとして入力された任意の歯牙の種類（名称または番号）と一致しているか否かを識別すること、などが挙げられる。このような識別部１１０６による補綴物データが適切か否かを識別する処理を「識別処理」とも称する。

本実施の形態においては、識別部１１０６は、生成部１１４４によって生成された補綴物データに基づき作製される補綴物の形状と正解データとして入力された見本となる歯牙の形状とが一致するか否かを識別する。

たとえば、任意の歯牙として、下顎右側における６番の第１大臼歯が省略された場合、ユーザ１は、正解データとして当該６番の第１大臼歯に対応する三次元データをデータ処理装置１００に予め入力する。データ処理装置１００においては、６番の第１大臼歯が省略されている口腔内の三次元データが入力されると、生成部１１４４は、入力された三次元データと生成モデル１１４４ａとに基づき、出来る限り６番の第１大臼歯の特徴を有する補綴物を作製するための補綴物データを生成しようとする。識別部１１０６は、生成部１１４４によって生成された補綴物データと、ユーザによって予め入力された６番の第１大臼歯に対応する三次元データとを比較し、両者が一致するか否かを識別する。

識別部１１０６によって得られた識別結果は、生成部１１４４にフィードバックされる。生成モデル１１４４ａは、識別部１１０６からフィードバックされた識別結果に基づき、機械学習される。このような生成モデル１１４４ａを機械学習させる処理を「学習処理」とも称する。

たとえば、学習処理において、生成モデル１１４４ａは、識別結果に基づき、生成部１１４４によって生成された補綴物データが、正解データと一致すると判定すればパラメータを更新しない一方で、一致しないと判定すれば両者が一致するようにパラメータを更新することで、パラメータの最適化を図る。なお、生成モデル１１４４ａは、生成部１１４４によって生成された補綴物データと正解データとが完全に一致する場合に限らず、生成部１１４４によって生成された補綴物データと正解データとの一致度が所定の基準値を超える場合に両者が一致すると判断してもよい。このように、学習処理において、生成モデル１１４４ａは、パラメータが最適化されることで機械学習される。なお、生成モデル１１４４ａにおいて、パラメータが更新されるものに限らず、ニューラルネットワーク（たとえば、ニューラルネットワークのアルゴリズム）が更新されるものであってもよい。

このように構成されたデータ処理装置１００においては、三次元スキャナ２００によって取得された三次元データ、あるいは学習用に予め用意された三次元データが入力される。学習前において、生成部１１４４は、省略された任意の歯牙に適合する適切な補綴物データを生成することはできないが、先ずは、自身の予測に従って、三次元データおよび生成モデル１１４４ａに基づき補綴物データを生成してみる。識別部１１０６は、生成部１１４４によって生成された補綴物データが、正解データと一致するか否かを識別し、その識別結果を生成部１１４４にフィードバックする。生成部１１４４は、フィードバックされた識別結果に基づき、生成モデル１１４４ａを機械学習することで、学習前よりも一層、正解データに近づくように、適切な補綴物データを生成するようになる。また、このような機械学習を繰り返すことによって、生成部１１４４による補綴物データの生成の精度が向上する。

さらに、任意の歯牙、隣接歯牙、対向歯牙、対向歯牙と隣合う歯牙、および反対側の歯牙などの三次元データに含まれる各歯牙の種類（名称または番号）が入力部１１０２に入力される場合、生成部１１４４は、三次元データに含まれる各歯牙の種類（名称または番号）に基づいて補綴物データを生成することになる。この場合、生成部１１４４は、ユーザによって入力された各歯牙の種類（名称または番号）も考慮して機械学習を行うこととなり、より精度の高い補綴物データを生成することができるようになる。

［データ処理装置の実用段階における機能構成］
図６は、本実施の形態に係るデータ処理装置１００の実用段階における機能構成を示す模式図である。

図４および図５で説明した学習処理によって、生成部１１４４における生成モデル１１４４ａが機械学習される度に、生成モデル１１４４ａは、より適切な補綴物を作製するための補綴物データを生成できるようになる。生成部１１４４が基準を満たす適切な補綴物を作製するための補綴物データを生成できるようになると、ユーザは、データ処理装置１００を実用段階で使用することになる。つまり、学習済みのデータ処理装置１００を搭載したスキャナシステム１０が市場に投入されることで、ユーザ１である術者によって実際の患者の補綴物を作製するための補綴物データが取得される。

図６に示すように、実用段階においては、生成モデル１１４４ａの機械学習を必要としないため、データ処理装置１００は、学習処理に係る識別部１１０６を備えなくてもよい。術者が三次元スキャナ２００を用いて実際の患者の口腔内の三次元データを取得すると、取得された三次元データが入力部１１０２から入力される。生成部１１４４は、入力部１１０２から入力された三次元データおよび学習済みの生成モデル１１４４ａに基づき、補綴物データを生成する。生成部１１４４によって生成された補綴物データは、歯科技工所または自動製造装置６００に送信される。そして、補綴物データに基づき患者の口腔内における欠損箇所に適した補綴物が作製される。なお、補綴物データの生成後に、ユーザが生成された補綴物データを微調整して最終的に補綴物を完成させた場合、完成させた補綴物データを正解データとして生成モデル１１４４ａを機械学習させてもよい。

なお、データ処理装置１００は、実用段階においても識別部１１０６を備えていてもよく、さらに、実用段階においても学習処理を実行するものであってもよい。このようにすれば、データ処理装置１００を搭載したスキャナシステム１０が製品として市場に投入された後であっても、実際の患者の口腔内の三次元データに基づき、生成モデル１１４４ａを機械学習させることができる。これにより、実用段階において、生成部１１４４による補綴物データの生成精度を向上させることができる。

［システムの全体構成］
図７は、本実施の形態に係るシステムの全体構成を示す模式図である。

図７に示すように、スキャナシステム１０は、複数のローカルＡ～Ｃのそれぞれに配置されている。たとえば、ローカルＡおよびローカルＢは歯科医院であり、当該歯科医院の院内において、ユーザ１である術者は、スキャナシステム１０を利用して対象者２である患者の歯牙を含む三次元データを取得するとともに、補綴物データを生成する。また、ローカルＣは歯科大学であり、当該歯科大学において、ユーザ１である先生や生徒は、対象者２である被験者の口腔内の三次元データを取得するとともに、補綴物データを生成する。ローカルＡ～Ｃのそれぞれで取得された口腔内の三次元データおよび補綴物データは、ネットワーク５を介して、ローカルＤである歯科技工所に送信される。

なお、ローカルＡ～Ｃのそれぞれで取得された口腔内の三次元データおよび補綴物データは、ネットワーク５を介して、管理センターに配置されたサーバ装置５００に出力されてもよい。管理センターにおいては、サーバ装置５００が、ローカルＡ～Ｃのそれぞれから取得した三次元データおよび補綴物データを蓄積して記憶し、ビッグデータとして保持する。

なお、サーバ装置５００は、歯科医院などのローカルとは異なる管理センターに配置されるものに限らず、ローカル内に配置されてもよい。たとえば、ローカルＡ～Ｃのうちのいずれかのローカル内にサーバ装置５００が配置されてもよい。また、１つのローカル内に複数のデータ処理装置１００が配置されてもよく、さらに、当該１つのローカル内に当該複数のデータ処理装置１００と通信可能なサーバ装置５００が配置されてもよい。また、サーバ装置５００は、クラウドサービスの形態で実現されてもよい。

歯科技工所においては、ローカルＡ～Ｃのように、様々な所から口腔内の三次元データおよび補綴物データが集約される。このため、歯科技工所で保持されている口腔内の三次元データおよび補綴物データは、ネットワーク５を介して管理センターに送信されてもよいし、あるいは、ＣＤ（Compact Disc）およびＵＳＢ（Universal Serial Bus）メモリなどのリムーバブルディスク５５０を介して管理センターに送られてもよい。

なお、ネットワーク５を介さずに、ローカルＡ～Ｃのそれぞれからも、リムーバブルディスク５５０を介して口腔内の三次元データおよび補綴物データが管理センターに送られてもよい。また、ローカルＡ～Ｃのそれぞれの間においても、ネットワーク５またはリムーバブルディスク５５０を介して口腔内の三次元データおよび補綴物データを互いに送り合ってもよい。

各ローカルＡ～Ｃのデータ処理装置１００が保持する生成モデル１１４４ａは、各ローカルＡ～Ｃのデータ処理装置１００間で共通化されてもよい。

また、サーバ装置５００がデータ処理装置１００の機能を有していてもよい。たとえば、各ローカルＡ～Ｃは、取得した口腔内の三次元データをサーバ装置５００に送信し、サーバ装置５００は、各ローカルＡ～Ｃから受信したそれぞれの三次元データと、自身が保持する生成モデルとに基づき、それぞれにおける補綴物データを生成してもよい。そして、サーバ装置５００は、各ローカルＡ～Ｃまたは歯科技工所に補綴物データを送信してもよい。このように、各ローカルＡ～Ｃのデータ処理装置１００は、サーバ装置５００が保持する生成モデルをクラウドサービスの形態で共有してもよい。このようにすれば、各ローカルＡ～Ｃは、三次元データをサーバ装置５００に送信するだけで、サーバ装置５００に補綴物データを生成させることができる。

［データ処理装置のハードウェア構成］
図８は、本実施の形態に係るデータ処理装置１００のハードウェア構成を示す模式図である。データ処理装置１００は、たとえば、汎用コンピュータで実現されてもよいし、スキャナシステム１０専用のコンピュータで実現されてもよい。

図８に示すように、データ処理装置１００は、主なハードウェア要素として、スキャナインターフェース１０２と、ディスプレイインターフェース１０３と、周辺機器インターフェース１０５と、ネットワークコントローラ１０６と、メディア読取装置１０７と、ＰＣディスプレイ１０８と、メモリ１０９と、ストレージ１１０と、演算装置１３０とを備える。

スキャナインターフェース１０２は、三次元スキャナ２００を接続するためのインターフェースであり、データ処理装置１００と三次元スキャナ２００との間のデータの入出力を実現する。

ディスプレイインターフェース１０３は、ディスプレイ３００を接続するためのインターフェースであり、データ処理装置１００とディスプレイ３００との間のデータの入出力を実現する。ディスプレイ３００は、たとえば、ＬＣＤ（Liquid Crystal Display）または有機ＥＬＤ（Electroluminescence Display）などで構成される。

周辺機器インターフェース１０５は、キーボード６０１およびマウス６０２などの周辺機器を接続するためのインターフェースであり、データ処理装置１００と周辺機器との間のデータの入出力を実現する。

ネットワークコントローラ１０６は、ネットワーク５を介して、歯科技工所に配置された装置、管理センターに配置されたサーバ装置５００、自動製造装置６００、および他のローカルに配置された他のデータ処理装置１００のそれぞれとの間でデータを送受信する。ネットワークコントローラ１０６は、たとえば、イーサネット（登録商標）、無線ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの任意の通信方式に対応する。

メディア読取装置１０７は、三次元データおよび補綴物データなどの各種データを、リムーバブルディスク５５０に書き出したり、リムーバブルディスク５５０から読み出したりする。

ＰＣディスプレイ１０８は、データ処理装置１００専用のディスプレイである。ＰＣディスプレイ１０８は、たとえば、ＬＣＤまたは有機ＥＬディスプレイなどで構成される。なお、本実施の形態においては、ＰＣディスプレイ１０８は、ディスプレイ３００と別体であるが、ディスプレイ３００と共通化されてもよい。

メモリ１０９は、演算装置１３０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記憶領域を提供する。メモリ１０９は、たとえば、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。

ストレージ１１０は、識別処理、学習処理、およびデータ生成処理などに必要な各種のデータを格納する記憶領域を提供する。ストレージ１１０は、たとえば、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。

ストレージ１１０は、スキャン情報１１２と、抽出モデル１１４２ａと、生成モデル１１４４ａと、潜在変数データ１１４３ａと、識別用プログラム１２０と、学習用プログラム１２１と、データ処理用プログラム（データ生成用プログラム）１２５と、ＯＳ（Operating System）１２７とを格納する。

スキャン情報１１２は、三次元スキャナ２００によって取得された口腔内の三次元データ１２２と、当該三次元データ１２２に基づきデータ生成処理により生成された補綴物データ１２３と、当該補綴物データ１２３に対する識別処理による識別結果１２４とを含む。補綴物データ１２３および識別結果１２４は、三次元データ１２２に関連付けられてストレージ１１０に格納される。

識別用プログラム１２０は、識別処理を実行するためのプログラムである。学習用プログラム１２１は、生成モデル１１４４ａの学習処理を実行するためのプログラムである。データ処理用プログラム１２５は、データ生成処理を実行するためのプログラムであり、データ生成用プログラムとも称される。

潜在変数データ１１４３ａは、学習段階において抽出された潜在変数を特定するためのデータであり、ストレージ１１０内において１または複数の潜在変数データが蓄積されている。なお、学習段階に限らず、実用段階においても、潜在変数が抽出される度に当該潜在変数を特定するための潜在変数データがストレージ１１０に蓄積されてもよい。このようにすれば、学習段階に限らず、実用段階においても、補綴物データを生成する際に参照される潜在変数データを増やすことができ、補綴物データの生成精度を向上させることができる。

演算装置１３０は、各種のプログラムを実行することで、識別処理、学習処理、およびデータ生成処理などの各種の処理を実行する演算主体であり、コンピュータの一例である。演算装置１３０は、たとえば、ＣＰＵ（Central Processing Unit）１３２、ＦＰＧＡ（Field-Programmable Gate Array）１３４、およびＧＰＵ（Graphics Processing Unit）１３６などで構成される。

［潜在変数データの蓄積］
図９および図１０を参照しながら、学習段階における潜在変数データの蓄積の一例について説明する。図９および図１０は、潜在変数データの蓄積を説明するための模式図である。

先ず、図９を参照しながら、１つの歯牙ごとに行われる潜在変数データの蓄積について説明する。図９に示すように、学習段階においては、１つの任意の歯牙の三次元データから、抽出部１１４２によって当該歯牙の特徴に関する潜在変数が抽出される。抽出部１１４２によって抽出された潜在変数を特定するための潜在変数データは、蓄積部１１４３によって蓄積される。

たとえば、下顎右側の第３大臼歯（８番）の三次元データから、当該第３大臼歯（８番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の第２大臼歯（７番）から、当該第２大臼歯（７番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の第１大臼歯（６番）から、当該第１大臼歯（６番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の第２小臼歯（５番）から、当該第２小臼歯（５番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の第１小臼歯（４番）から、当該第１小臼歯（４番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。

なお、下顎右側における他の歯牙、および下顎左側における各歯牙についても同様に、１つの歯牙ごとに潜在変数が抽出されて蓄積部１１４３に蓄積される。また、下顎の歯列弓に限らず、上顎の歯列弓についても同様に、１つの歯牙ごとに潜在変数が抽出されて蓄積部１１４３に蓄積される。

このようにして、上顎および下顎の歯列弓ごとに、各歯牙を任意の歯牙として、当該歯牙の特徴に関する潜在変数が蓄積される。たとえば、１つの歯牙ごとに、歯牙の形状（全体の大きさ、全体の形状、エッジの形状など）、歯牙の位置、および歯牙の色といった歯牙を特徴付ける各要素について、その特徴となるものが潜在変数として抽出されて、潜在変数データとして蓄積部１１４３に蓄積される。

次に、図１０を参照しながら、複数の歯牙ごとに行われる潜在変数データの蓄積について説明する。図１０に示すように、学習段階においては、複数の歯牙の三次元データから、抽出部１１４２によって複数の歯牙の特徴に関する潜在変数が抽出される。抽出部１１４２によって抽出された潜在変数を特定するための潜在変数データは、蓄積部１１４３によって蓄積される。

たとえば、下顎右側の第１大臼歯（６番）、第２大臼歯（７番）、および第３大臼歯（８番）の三次元データから、当該第１大臼歯（６番）、第２大臼歯（７番）、および第３大臼歯（８番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の第２小臼歯（５番）、第１大臼歯（６番）、および第２大臼歯（７番）の三次元データから、当該第２小臼歯（５番）、第１大臼歯（６番）、および第２大臼歯（７番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の第１小臼歯（４番）、第２小臼歯（５番）、および第１大臼歯（６番）の三次元データから、当該第１小臼歯（４番）、第２小臼歯（５番）、および第１大臼歯（６番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の犬歯（３番）、第１小臼歯（４番）、および第２小臼歯（５番）の三次元データから、当該犬歯（３番）、第１小臼歯（４番）、および第２小臼歯（５番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の側切歯（２番）、犬歯（３番）、および第１小臼歯（４番）の三次元データから、当該側切歯（２番）、犬歯（３番）、および第１小臼歯（４番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。下顎右側の中切歯（１番）、側切歯（２番）、および犬歯（３番）の三次元データから、当該中切歯（１番）、側切歯（２番）、および犬歯（３番）の特徴に関する潜在変数が抽出されて蓄積部１１４３に蓄積される。

なお、下顎右側における他の歯牙、および下顎左側における各歯牙についても同様に、複数の歯牙ごとに潜在変数が抽出されて蓄積部１１４３に蓄積される。また、下顎の歯列弓に限らず、上顎の歯列弓についても同様に、複数の歯牙ごとに潜在変数が抽出されて蓄積部１１４３に蓄積される。

このようにして、上顎および下顎の歯列弓ごとに、複数の歯牙をまとめて任意の歯牙として、当該複数の歯牙の特徴に関する潜在変数が蓄積される。たとえば、複数の歯牙ごとに、各歯牙の形状（全体の大きさ、全体の形状、エッジの形状など）、各歯牙の位置、各歯牙の色、および周辺歯牙との関係（位置関係、接触具合など）といった歯牙を特徴付ける各要素について、その特徴となるものが潜在変数として抽出されて、潜在変数データとして蓄積部１１４３に蓄積される。

なお、１つの歯牙や隣合う複数の歯牙などの任意の歯牙に限らず、当該任意の歯牙と対向する対向歯牙、対向歯牙と隣合う歯牙、および当該任意の歯牙の反対側（はんたいそく）の歯牙についても同様に、潜在変数が抽出されて蓄積部１１４３に蓄積されてもよい。このようにすれば、データ処理装置１００は、任意の歯牙の周辺に位置する歯牙の特徴に関する潜在変数を用いて、当該任意の歯牙に適合する補綴物データを生成することができる。

［潜在変数データの一例］
図１１は、蓄積された潜在変数データの一例を示す模式図である。説明の便宜上、図１１においては、抽出された複数の潜在変数のうちから２つの潜在変数を選択して２次元でマッピングした場合の潜在変数データの分布を表すが、歯牙を特徴付ける要素が多ければ多いほど、多数の次元で潜在変数データの分布を表すことができる。なお、図中においては、横軸で表される潜在変数を「Ｚ（１）」、縦軸で表される潜在変数を「Ｚ（２）」としている。

図１１に示すように、複数の潜在変数のうちから特徴的な２つの潜在変数を選択し、その潜在変数データを２次元でマッピングした場合、歯牙の種類（歯牙の番号）に応じてその配置箇所が集まる傾向にある。たとえば、１番の歯牙から抽出された潜在変数データは、白色の丸で表されており、各々のデータが近距離に位置する。２番の歯牙から抽出された潜在変数データは、菱形で表されており、各々のデータが近距離に位置する。３番の歯牙から抽出された潜在変数データは、バツ印で表されており、各々のデータが近距離に位置する。４番の歯牙から抽出された潜在変数データは、黒色の丸で表されており、各々のデータが近距離に位置する。５番の歯牙から抽出された潜在変数データは、星で表されており、各々のデータが近距離に位置する。６番の歯牙から抽出された潜在変数データは、三角で表されており、各々のデータが近距離に位置する。７番の歯牙から抽出された潜在変数データは、白色の四角で表されており、各々のデータが近距離に位置する。８番の歯牙から抽出された潜在変数データは、黒色の四角で表されており、各々のデータが近距離に位置する。

上述したように、歯牙の種類に応じてその形状が特徴的であり、同じ種類の歯牙間では似たような特徴を有する。このため、歯牙ごとに抽出された潜在変数データも、同じ種類の歯牙間で似たような値を取る傾向にある。

［学習段階における補綴物データの生成］
図１２は、学習段階における補綴物データの生成の一例を示す模式図である。図１２に示す例では、学習段階において、５番の歯牙の三次元データが省略された歯列における各歯牙の三次元データが入力部１１０２から入力される。

学習段階において、抽出部１１４２は、抽出モデル１１４２ａに基づいて、取得部１１４１によって取得された三次元データから、歯牙の特徴に関する潜在変数を抽出する。具体的には、抽出部１１４２は、５番の歯牙に隣合う４番および６番の歯牙の各々の特徴に関する潜在変数を抽出する。

ここで、図９～図１１を参照しながら説明したように、蓄積部１１４３には、既に複数の潜在変数データが蓄積されており、たとえば、選択された特徴的な２つの潜在変数が２次元のデータ分布としてマッピングされている。生成部１１４４は、生成モデル１１４４ａに基づいて、４番の歯牙に対応する潜在変数データと、６番の歯牙に対応する潜在変数データとを用いて、５番の歯牙に対応する潜在変数データを特定し、当該５番の歯牙に対応する潜在変数データに基づいて、省略された５番の歯牙に対応する補綴物データを生成する。

このようにして生成された補綴物データは、識別部１１０６によって識別処理が実行され、識別結果のフィードバックによって生成モデル１１４４ａが機械学習される。

［実用段階における補綴物データの生成］
図１３は、実用段階における補綴物データの生成の一例を示す模式図である。図１３に示す例では、実用段階において、５番の歯牙が欠損した歯列における各歯牙の三次元データが入力部１１０２から入力される。

実用段階において、抽出部１１４２は、抽出モデル１１４２ａに基づいて、取得部１１４１によって取得された三次元データから、歯牙の特徴に関する潜在変数を抽出する。具体的には、抽出部１１４２は、５番の欠損歯牙に隣合う４番および６番の歯牙の各々の特徴に関する潜在変数を抽出する。

生成部１１４４は、生成モデル１１４４ａに基づいて、４番の歯牙に対応する潜在変数データと、６番の歯牙に対応する潜在変数データとを用いて、５番の歯牙に対応する潜在変数データを特定し、当該５番の歯牙に対応する潜在変数データに基づいて、５番の欠損歯牙に対応する補綴物データを生成する。

なお、上述した例では、生成部１１４４は、補綴対象である下顎右側の５番の欠損歯牙の「周辺歯牙」に対応する潜在変数データとして、下顎右側の４番の歯牙に対応する潜在変数データ、および下顎右側の６番の歯牙に対応する潜在変数データに基づいて、下顎右側の５番の欠損歯牙に対応する補綴物データを生成しているが、その他の周辺歯牙に対応する潜在変数データに基づいて、下顎右側の５番の欠損歯牙に対応する補綴物データを生成してもよい。たとえば、生成部１１４４は、下顎右側の５番の欠損歯牙に対向する対向歯牙である上顎右側の５番の歯牙に対応する潜在変数データを特定し、当該上顎右側の５番の歯牙に対応する潜在変数データに基づいて、下顎右側の５番の欠損歯牙に対応する補綴物データを生成してもよい。

このようにして、三次元スキャナ２００によって取得された欠損歯牙および当該欠損歯牙の周辺歯牙を含む歯列の三次元データに基づき、欠損歯牙に対応する補綴物データが生成される。

［学習処理のフローチャート］
図１４は、本実施の形態に係るデータ処理装置１００が実行する学習処理を説明するためのフローチャートである。図１４に示す各ステップは、データ処理装置１００の演算装置１３０が、ＯＳ１２７、識別用プログラム１２０、学習用プログラム１２１、およびデータ処理用プログラム（データ生成用プログラム）１２５などを実行することで実現される。

図１４に示すように、データ処理装置１００は、学習処理の開始条件が成立したか否かを判定する（Ｓ１）。開始条件は、たとえば、データ処理装置１００において学習処理を実行するための何らかのアクションが行われたときに成立するものであればよい。たとえば、学習アプリケーションの学習開始アイコンがユーザによって操作されたことを開始条件としてもよい。

データ処理装置１００は、開始条件が成立していない場合（Ｓ１でＮＯ）、本処理を終了する。一方、データ処理装置１００は、開始条件が成立した場合（Ｓ１でＹＥＳ）、三次元データを取得したか否かを判定する（Ｓ２）。たとえば、データ処理装置１００は、補綴物データを生成するのに十分な量の三次元データを取得したか否かを判定する。データ処理装置１００は、十分な量の三次元データを取得していない場合（Ｓ２でＮＯ）、Ｓ２の処理を繰り返す。

一方、データ処理装置１００は、十分な量の三次元データを取得した場合（Ｓ２でＹＥＳ）、抽出モデル１１４２ａに基づき、三次元データから任意の歯牙の周辺に位置する周辺歯牙の潜在変数を抽出する（Ｓ３）。なお、三次元データは、補綴物データの生成対象となる任意の歯牙の周辺に位置する周辺歯牙の三次元データを少なくとも含む。

データ処理装置１００は、生成モデル１１４４ａに基づき、抽出した潜在変数、および既に蓄積された潜在変数とを用いて、任意の歯牙に対応する三次元データ（補綴物データ）を生成する（Ｓ４）。

次に、データ処理装置１００は、生成した任意の歯牙に対応する補綴物データと、正解データである当該任意の歯牙に対応する三次元データとを比較する（Ｓ５）。データ処理装置１００は、両者が一致する場合（Ｓ６でＹＥＳ）、本処理を終了する。なお、データ処理装置１００は、生成した補綴物データと正解データとが完全に一致する場合に限らず、生成した補綴物データと正解データとの一致度が所定の基準値を超える場合に両者が一致すると判断してもよい。

一方、データ処理装置１００は、両者が一致しない場合（Ｓ６でＮＯ）、生成モデル１１４４ａを調整する（Ｓ７）。たとえば、データ処理装置１００は、生成モデル１１４４ａが含むニューラルネットワークまたはパラメータを調整して生成モデル１１４４ａの最適化を図る。その後、データ処理装置１００は、Ｓ３に戻る。

［データ生成処理のフローチャート］
図１５は、本実施の形態に係るデータ処理装置が実行するデータ生成処理を説明するためのフローチャートである。図１５に示す各ステップは、データ処理装置１００の演算装置１３０が、ＯＳ１２７、識別用プログラム１２０、およびデータ処理用プログラム（データ生成用プログラム）１２５などを実行することで実現される。

図１５に示すように、データ処理装置１００は、データ生成処理の開始条件が成立したか否かを判定する（Ｓ１１）。開始条件は、たとえば、データ処理装置１００においてデータ生成処理を実行するための何らかのアクションが行われたときに成立するものであればよい。具体的には、開始条件は、三次元スキャナ２００の電源を立ち上げたときに成立してもよいし、三次元スキャナ２００の電源を立ち上げた後にデータ生成処理に対応するモードに切り替えられたときに成立してもよい。あるいは、開始条件は、データ生成処理に対応するアイコン（たとえば、ＡＩアシストアイコン）が操作されてアイコンが点滅状態になった後に開始スイッチが操作されたときに成立してもよい。

データ処理装置１００は、開始条件が成立していない場合（Ｓ１１でＮＯ）、本処理を終了する。一方、データ処理装置１００は、開始条件が成立した場合（Ｓ１１でＹＥＳ）、三次元データを取得したか否かを判定する（Ｓ１２）。たとえば、データ処理装置１００は、補綴物データを生成するのに十分な量の三次元データを取得したか否かを判定する。データ処理装置１００は、十分な量の三次元データを取得していない場合（Ｓ１２でＮＯ）、Ｓ１２の処理を繰り返す。

一方、データ処理装置１００は、十分な量の三次元データを取得した場合（Ｓ１２でＹＥＳ）、抽出モデル１１４２ａに基づき、三次元データから欠損歯牙の周辺に位置する周辺歯牙の潜在変数を抽出する（Ｓ１３）。なお、三次元データは、補綴物データの生成対象となる欠損歯牙の周辺に位置する周辺歯牙の三次元データを少なくとも含む。

データ処理装置１００は、生成モデル１１４４ａに基づき、抽出した潜在変数、および既に蓄積された潜在変数とを用いて、欠損歯牙を補綴するための補綴物データを生成する（Ｓ１４）。

次に、データ処理装置１００は、生成した補綴物データを、歯科技工所、自動製造装置６００、またはサーバ装置５００に出力する（Ｓ１５）。その後、データ処理装置１００は、本処理を終了する。

[主な構成］
以上のように、本実施の形態では以下のような開示を含む。

データ処理装置１００は、歯牙の三次元データを取得する取得部１１４１と、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズムを含む抽出モデル１１４２ａに基づいて、取得部１１４１によって取得された三次元データから、歯牙の特徴に関する潜在変数を抽出する抽出部１１４２と、抽出部１１４２によって抽出された潜在変数を蓄積する蓄積部１１４３とを備える。

これにより、データ処理装置１００は、取得した三次元データから、歯牙の特徴に関する潜在変数を抽出して蓄積することができるため、蓄積した潜在変数を用いて欠損歯牙などの任意の歯牙の三次元データ（補綴物データ）を生成することができる。したがって、ユーザ１は、データ処理装置１００を利用することによって、補綴物データを自らデジタル設計する必要が無く、より簡単に適切な補綴物を得ることができる。

取得部１１４１は、任意の歯牙、当該任意の歯牙と隣合う歯牙、当該任意の歯牙と対向する歯牙、当該対向する歯牙と隣合う歯牙、および当該任意の歯牙の反対側の歯牙の少なくともいずれか１つの三次元データを取得する。

これにより、データ処理装置１００は、隣接歯牙、対向歯牙、および任意の歯牙の反対側の歯牙の少なくともいずれか１つの三次元データから、歯牙の特徴に関する潜在変数を抽出して蓄積することができるため、任意の歯牙の周辺に位置する周辺歯牙の特徴を考慮して当該任意の歯牙に適合する補綴物データを生成することができる。

データ処理装置１００は、任意の歯牙の三次元データを生成する生成部１１４４を備える。抽出部１１４２は、任意の歯牙の周辺に位置する歯牙である周辺歯牙を少なくとも含む三次元データから、当該周辺歯牙の特徴に関する潜在変数を抽出する。生成部１１４４は、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズムを含む生成モデル１１４４ａに基づいて、抽出部１１４２によって抽出された周辺歯牙の特徴に関する潜在変数と、蓄積部１１４３によって蓄積されている潜在変数とを用いて、任意の歯牙の種類と同じ種類の歯牙の三次元データを生成する。

これにより、データ処理装置１００は、任意の歯牙の周辺に位置する周辺歯牙の三次元データから抽出した潜在変数と、既に蓄積されている潜在変数とを用いて、任意の歯牙に適合する補綴物データを生成することができるため、任意の歯牙の周辺に位置する周辺歯牙の特徴を考慮して当該任意の歯牙に適合する補綴物データを生成することができる。

データ処理装置１００は、正解データとして入力された任意の歯牙の三次元データに基づいて、生成部１１４４によって生成された任意の歯牙の種類と同じ種類の歯牙の三次元データが適切か否かを識別する識別部１１０６を備える。生成モデル１１４４ａは、識別部１１０６による識別結果に基づいて、機械学習される。

これにより、データ処理装置１００は、生成した三次元データ（補綴物データ）が適切か否かを識別することで、生成モデル１１４４ａを機械学習させることができるため、補綴物データの生成精度を向上させることができる。

データ生成装置（データ処理装置１００）は、欠損した歯牙である欠損歯牙の周辺に位置する歯牙である周辺歯牙を少なくとも含む三次元データを取得する取得部１１４１と、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズムを含む抽出モデル１１４２ａに基づいて、取得部１１４１によって取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出する抽出部１１４２と、予め歯牙の特徴に関する複数の潜在変数を蓄積する蓄積部１１４３と、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズムを含む生成モデル１１４４ａに基づいて、抽出部１１４２によって抽出された周辺歯牙の特徴に関する潜在変数と、蓄積部１１４３によって蓄積されている潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための補綴物データを生成する生成部１１４４とを備える。

これにより、データ生成装置（データ処理装置１００）は、取得した三次元データから、周辺歯牙の特徴に関する潜在変数を抽出し、抽出した潜在変数と既に蓄積している潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための補綴物データを生成することができる。したがって、ユーザ１は、補綴物データを自らデジタル設計する必要が無く、より簡単に適切な補綴物を得ることができる。

スキャナシステム１０は、三次元カメラを用いて欠損した歯牙である欠損歯牙の周辺に位置する歯牙である周辺歯牙を少なくとも含む三次元データを取得する三次元スキャナ２００と、三次元スキャナ２００によって取得された三次元データに基づき、欠損歯牙の欠損箇所に適合する補綴物を作製するための補綴物データを生成するデータ生成装置（データ処理装置１００）とを備える。データ生成装置（データ処理装置１００）は、周辺歯牙を少なくとも含む三次元データを取得する取得部１１４１と、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズムを含む抽出モデル１１４２ａに基づいて、取得部１１４１によって取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出する抽出部１１４２と、予め歯牙の特徴に関する複数の潜在変数を蓄積する蓄積部１１４３と、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズムを含む生成モデル１１４４ａに基づいて、抽出部１１４２によって抽出された周辺歯牙の特徴に関する潜在変数と、蓄積部１１４３によって蓄積されている潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための補綴物データを生成する生成部１１４４とを含む。

これにより、スキャナシステム１０のデータ生成装置（データ処理装置１００）は、取得した三次元データから、周辺歯牙の特徴に関する潜在変数を抽出し、抽出した潜在変数と既に蓄積している潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための補綴物データを生成することができる。したがって、ユーザ１は、データ生成装置（データ処理装置１００）を利用することによって、補綴物データを自らデジタル設計する必要が無く、より簡単に適切な補綴物を得ることができる。

データ処理方法は、任意の歯牙の周辺に位置する歯牙である周辺歯牙を少なくとも含む三次元データを取得するステップ（Ｓ２）と、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズムを含む抽出モデル１１４２ａに基づいて、取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出するステップ（Ｓ３）と、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズムを含む生成モデル１１４４ａに基づいて、抽出された周辺歯牙の特徴に関する潜在変数と、蓄積されている歯牙の特徴に関する潜在変数とを用いて、任意の歯牙の三次元データを生成するステップ（Ｓ４）と、正解データとして入力された任意の歯牙の種類と同じ種類の歯牙の三次元データに基づいて、生成された任意の歯牙の種類と同じ種類の歯牙の三次元データが適切か否かを識別するステップ（Ｓ５）とを含む。生成モデル１１４４ａは、識別するステップによる識別結果に基づいて、機械学習される。

これにより、取得した三次元データから、周辺歯牙の特徴に関する潜在変数を抽出し、抽出した潜在変数と既に蓄積している潜在変数とを用いて、任意の歯牙に適合する補綴物データを生成することができる。したがって、ユーザ１は、補綴物データを自らデジタル設計する必要が無く、より簡単に適切な補綴物を得ることができる。さらに、取得した三次元データに基づき生成した補綴物データが適切か否かの識別結果を利用して生成モデル１１４４ａを機械学習させることによって、より適切な補綴物データを生成することができるようになる。

データ処理用プログラムは、コンピュータ（演算装置１３０）に、任意の歯牙の周辺に位置する歯牙である周辺歯牙を少なくとも含む三次元データを取得するステップ（Ｓ２）と、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズムを含む抽出モデル１１４２ａに基づいて、取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出するステップ（Ｓ３）と、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズムを含む生成モデル１１４４ａに基づいて、抽出された周辺歯牙の特徴に関する前記潜在変数と、蓄積されている歯牙の特徴に関する潜在変数とを用いて、任意の歯牙の種類と同じ種類の歯牙の三次元データを生成するステップ（Ｓ４）と、正解データとして入力された任意の歯牙の三次元データに基づいて、生成された任意の歯牙の種類と同じ種類の歯牙の三次元データが適切か否かを識別するステップ（Ｓ５）とを実行させる。生成モデル１１４４ａは、識別するステップによる識別結果に基づいて、機械学習される。

これにより、取得した三次元データから、周辺歯牙の特徴に関する潜在変数を抽出し、抽出した潜在変数と既に蓄積している潜在変数とを用いて、任意の歯牙に適合する補綴物データを生成することができる。したがって、ユーザ１は、補綴物データを自らデジタル設計する必要が無く、より簡単に適切な補綴物を得ることができる。さらに、取得した三次元データに基づき生成した補綴物データが適切か否かの識別結果を利用して生成モデル１１４４ａを機械学習させることによって、より適切な補綴物データを生成することができるようになる。

データ生成方法は、欠損した歯牙である欠損歯牙の周辺に位置する歯牙である周辺歯牙を少なくとも含む三次元データを取得するステップ（Ｓ１２）と、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズムを含む抽出モデル１１４２ａに基づいて、取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出するステップ（Ｓ１３）と、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズムを含む生成モデル１１４４ａに基づいて、抽出された周辺歯牙の特徴に関する潜在変数と、蓄積されている歯牙の特徴に関する潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための補綴物データを生成するステップ（Ｓ１４）とを含む。

これにより、取得した三次元データから、周辺歯牙の特徴に関する潜在変数を抽出し、抽出した潜在変数と既に蓄積している潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物データを生成することができる。したがって、ユーザ１は、補綴物データを自らデジタル設計する必要が無く、より簡単に適切な補綴物を得ることができる。

データ生成用プログラムは、コンピュータ（演算装置１３０）に、欠損した歯牙である欠損歯牙の周辺に位置する歯牙である周辺歯牙を少なくとも含む三次元データを取得するステップ（Ｓ１２）と、複数のデータから潜在変数を抽出するために機械学習が行われたアルゴリズムを含む抽出モデル１１４２ａに基づいて、取得された三次元データから、周辺歯牙の特徴に関する潜在変数を抽出するステップ（Ｓ１３）と、複数の潜在変数に基づきデータを生成するために機械学習が行われたアルゴリズムを含む生成モデル１１４４ａに基づいて、抽出された周辺歯牙の特徴に関する潜在変数と、蓄積されている歯牙の特徴に関する潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物を作製するための補綴物データを生成するステップ（Ｓ１４）とを実行させる。

これにより、取得した三次元データから、周辺歯牙の特徴に関する潜在変数を抽出し、抽出した潜在変数と既に蓄積している潜在変数とを用いて、欠損歯牙の欠損箇所に適合する補綴物データを生成することができる。したがって、ユーザ１は、補綴物データを自らデジタル設計する必要が無く、より簡単に適切な補綴物を得ることができる。

［変形例］
本発明は、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、本発明に適用可能な変形例について説明する。

データ処理装置１００（データ生成装置）において、歯列の三次元データとともに、当該歯列の所有者である対象者２の属性データが入力されるものであってもよい。属性データには、年齢、性別、人種、身長、体重、および居住地など、対象者２に関する属性情報（プロファイル）が含まれる。さらに、データ処理装置１００は、対象者２に関する属性情報（プロファイル）を考慮して、補綴物データを生成してもよい。

一般的に歯牙の形状は、年齢、性別、人種、身長、体重、および居住地など、遺伝または生活環境などに依存してその特徴が異なる。たとえば、一般的に、大人の永久歯は、子供の乳歯よりも大きく、両者でその形状が異なる。また、一般的に、男性の歯牙は、女性の歯牙よりも大きく、両者でその形状が異なる。また、一般的に、欧米人の歯牙は、硬い肉やパンを噛み切り易いように先端が尖る傾向があるのに対して、日本人の歯牙は、柔らかい米や野菜をすり潰し易いように先端が滑らかになる傾向がある。このため、属性情報（プロファイル）に基づき生成モデル１１４４ａを機械学習させれば、遺伝または生活環境などを考慮して対象者２に関する属性情報（プロファイル）に適合した補綴物を作製するための補綴物データを生成することができる。

また、データ処理装置１００（データ生成装置）において、歯列の三次元データとともに、隣接歯牙および対向歯牙の少なくともいずれか一方における咬合運動に関する運動データが入力されるものであってもよい。咬合運動には、たとえば、食べ物を潰すための下顎の上下運動、食べ物をすり潰すための下顎の前後運動などが含まれる。さらに、データ処理装置１００は、隣接歯牙および対向歯牙の少なくともいずれか一方における咬合運動を考慮して、各歯牙について潜在変数を抽出してもよく、抽出された潜在変数を利用して補綴物データを生成してもよい。

このように、入力部１１０２には、顎が運動した場合における当該顎の運動データが入力されてもよい。このようにすれば、学習段階において、顎の運動データを考慮した潜在変数が蓄積される。さらに、実用段階において、欠損歯牙の周辺に位置する周辺歯牙の三次元データに加えて顎の運動データが入力されてもよく。このようにすれば、顎の運動データを考慮して、補綴物の形状を決めることができるため、ユーザ１は、より適切な補綴物を得ることができる。

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。本発明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 ユーザ、２ 対象者、５ ネットワーク、１０ スキャナシステム、１００ データ処理装置、１０２ スキャナインターフェース、１０３ ディスプレイインターフェース、１０５ 周辺機器インターフェース、１０６ ネットワークコントローラ、１０７ メディア読取装置、１０８，３００ ディスプレイ、１０９ メモリ、１１０ ストレージ、１１２ スキャン情報、１２０ 識別用プログラム、１２１ 学習用プログラム、１２２ 三次元データ、１２３ 補綴物データ、１２４ 識別結果、１２５ データ処理用プログラム、１３０ 演算装置、２００ 三次元スキャナ、５００ サーバ装置、５５０ リムーバブルディスク、６００ 自動製造装置、６０１ キーボード、６０２ マウス、１１０２ 入力部、１１０４ データ生成部、１１０６ 識別部、１１４１ 取得部、１１４２ 抽出部、１１４２ａ 抽出モデル、１１４３ 蓄積部、１１４３ａ 潜在変数データ、１１４４ 生成部、１１４４ａ 生成モデル。

Claims (7)

1. 歯牙の補綴物を作製するための三次元データを生成するデータ生成装置であって、
   欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得する取得部と、
   複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、前記取得部によって取得された三次元データから、前記周辺歯牙の特徴に関する潜在変数を抽出する抽出部と、
   予め歯牙の特徴に関する潜在変数を蓄積する蓄積部と、
   複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、前記抽出部によって抽出された前記周辺歯牙の特徴に関する潜在変数と、前記蓄積部によって蓄積されている歯牙の特徴に関する潜在変数とを用いて、前記欠損歯牙の欠損箇所に適合する前記補綴物を作製するための三次元データを生成する生成部とを備える、データ生成装置。
2. 正解データとして入力された前記欠損歯牙の三次元データに基づいて、前記生成部によって生成された前記補綴物を作製するための三次元データが適切か否かを識別する識別部を備え、
   前記生成モデルは、前記識別部による識別結果に基づいて、機械学習される、請求項１に記載のデータ生成装置。
3. 歯牙の補綴物を作製するための三次元データを生成するスキャナシステムであって、
   三次元カメラを用いて、欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得する三次元スキャナと、
   前記三次元スキャナによって取得された三次元データに基づき、前記欠損歯牙の欠損箇所に適合する前記補綴物を作製するための三次元データを生成するデータ生成装置とを備え、
   前記データ生成装置は、
   前記三次元スキャナによって取得された前記スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得する取得部と、
   複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、前記取得部によって取得された三次元データから、前記周辺歯牙の特徴に関する潜在変数を抽出する抽出部と、
   予め歯牙の特徴に関する潜在変数を蓄積する蓄積部と、
   複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、前記抽出部によって抽出された前記周辺歯牙の特徴に関する潜在変数と、前記蓄積部によって蓄積されている歯牙の特徴に関する潜在変数とを用いて、前記欠損歯牙の欠損箇所に適合する前記補綴物を作製するための三次元データを生成する生成部とを含む、スキャナシステム。
4. 歯牙の補綴物を作製するための三次元データをコンピュータが生成するデータ生成方法であって、
   前記コンピュータが実行する処理として、
   欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得するステップと、
   複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、前記取得するステップによって取得された三次元データから、前記周辺歯牙の特徴に関する潜在変数を抽出するステップと、
   複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、前記抽出するステップによって抽出された前記周辺歯牙の特徴に関する潜在変数と、予め蓄積されている歯牙の特徴に関する潜在変数とを用いて、前記欠損歯牙の欠損箇所に適合する前記補綴物を作製するための三次元データを生成するステップとを含む、データ生成方法。
5. 正解データとして入力された前記欠損歯牙の三次元データに基づいて、前記生成するステップによって生成された前記補綴物を作製するための三次元データが適切か否かを識別するステップをさらに含む、請求項４に記載のデータ生成方法。
6. 歯牙の補綴物を作製するための三次元データを生成するデータ生成用プログラムであって、
   前記データ生成用プログラムは、コンピュータに、
   欠損した歯牙である欠損歯牙と当該欠損歯牙の周辺に位置しかつ当該欠損歯牙を含まない周辺歯牙とが隣接する複数の歯牙において、スキャンされたスキャン対象部位の三次元形状を示すための当該スキャン対象部位を構成する複数の点のそれぞれにおける三次元の位置情報を含む三次元データを取得するステップと、
   複数のデータから潜在変数を抽出するために機械学習が行われたＶＡＥにおける第１アルゴリズムを含む抽出モデルに基づいて、前記取得するステップによって取得された三次元データから、前記周辺歯牙の特徴に関する潜在変数を抽出するステップと、
   複数の潜在変数に基づきデータを生成するために機械学習が行われたＶＡＥにおける第２アルゴリズムを含む生成モデルに基づいて、前記抽出するステップによって抽出された前記周辺歯牙の特徴に関する潜在変数と、予め蓄積されている歯牙の特徴に関する潜在変数とを用いて、前記欠損歯牙の欠損箇所に適合する前記補綴物を作製するための三次元データを生成するステップとを実行させる、データ生成用プログラム。
7. 正解データとして入力された前記欠損歯牙の三次元データに基づいて、前記生成するステップによって生成された前記補綴物を作製するための三次元データが適切か否かを識別するステップをさらに含む、請求項６に記載のデータ生成用プログラム。

Images