The development of oral simulator based on masticatory function of occlusal support area by CNN analysis

基于CNN分析的牙合支撑区咀嚼功能口腔模拟器的研制

基本信息

批准号：
22K17272
负责人：
山口摂崇
金额：
$ 2.91万
依托单位：
Health Sciences University of Hokkaido
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2023-03-31
项目状态：
已结题

项目摘要

本研究は咬合支持域数に対応した咀嚼機能において畳み込みネットワーク｛Convolutional Neural Network（CNN）｝を利用した画像解析を行い，『咬合支持域数に対応した咀嚼機能評価モデルの作成』と『AIによる評価モデルで得られた特徴を再現した口腔シミュレーターの開発』を目的としたものである．本年度は北海道医療大学の学生，臨床研修医，患者を対象にモーションビジトレーナー（GC），Bitescan（SHARP），咀嚼能力判定試験（グルコラム，GC），咬合圧検査（デンタルプレスケール，GC），オーラルディアドコキネシスをサンプリングし，CNN解析に適した画像データの選択ならびに画像データに紐づける咀嚼機能を検討した．調査対象者は41名であり，咀嚼機能正常群は16名（男性11名，女性5名，平均年齢25.0±5.0歳，下顎運動経路画像22），咀嚼機能低下群は25名（男性14名，女性11名，平均年齢41.0±21.7歳，下顎運動経路画像33）であった．群間比較において咀嚼機能低下群は咀嚼機能正常群に比べ，有意に高齢で残存歯数が少なかった（p <0.05）．一方で，性別，オーラルディアドコキネシスは統計学的有意差を認めなかったことから，咬合圧検査と咀嚼能力検査はオーラルディアドコキネシスの結果と独立である可能性が考えられる.そのため，画像と紐づける咀嚼機能は咀嚼機能判定試験および咬合圧検査の結果を採用することとした．現在までに得られた画像データによるCNN解析による解析モデルで得られた学習曲線は不明瞭であった．これは，学習サンプル数の過少によるものであると考えられる．現段階でのCNN解析では咀嚼機能評価に基づく下顎運動経路スクリーニングモデルの作成は困難であるため，引き続き学習サンプル数を増やしていくことで，スクリーニングモデルを作成していく予定である．

在这项研究中，使用折叠网络{卷积神经网络（CNN）}进行图像分析，在咀嚼功能中对应于咬合支持区域的数量，并“创建支持咬合支持区域数量的咀嚼功能评估模型“和“ AI”。重现评估模型中获得的特征的口服模拟器的开发。今年，北海道医科大学的学生，临床居民和患者的运动访问者（GC），BITESCAN（SHARP），咀嚼能力判断测试（Glucoram，GC），咬合压力测试（Dental Press Kale，GC），口服进行了采样，并检查了适用于CNN分析的图像数据和与图像数据相关的咀嚼功能的选择。调查中有41人，有16个发霉的功能（11名男性，5名女性，年龄25.0±5.0岁，下颌运动路线图像22）和25个咀嚼功能（14名男性（14名男性），11名女性，平均年龄为41.0±21.7岁，下颌运动路径图33）。在该组的比较中，与正常的咀嚼功能相比，咀嚼功能的下降组显着年龄较大，剩余的牙齿较少（p <0.05）。另一方面，由于性别和Oraldiado Kokinesis没有识别统计的显着差异，因此遮挡压力测试和咀嚼能力测试可能与Oraldiadiadokokinesis的结果独立。测试和咬合压力测试。通过CNN分析使用到现在获得的图像数据获得的分析模型获得的学习曲线尚不清楚。这被认为是由于潜在的学习样本数量所致。在此阶段的CNN分析中，很难基于咀嚼功能评估创建较低的下颌运动途径筛选模型，因此我们计划通过继续增加学习样本的数量来创建筛选模型。