🦷 なぜ歯科AIを作ろうと思ったのか？
昔から、毎回の歯の動きを記録し、それに基づいて治療方針を自動的に作成できるシステムがあれば良いなと考えていました。そこで今回は、歯の認識AIの作成 に向けた勉強を始めました。
まずは、歯科AIの構築に向けた具体的な構想を練ること からスタートし、目標を明確にしました。それは、口腔内写真から歯の識別を行い、最終的にはかみ合わせや治療計画の提案までを自動化するシステムを作ること です。
理想的には、各先生の治療方針に基づいたAIを構築し、院内の業務効率化に寄与できるようにすること を目指しています。
📌 1. 実際に歯のラベリングを行った
構想が決まった後、実際に Roboflowを使って歯のラベリング作業 を進めました。
✅ ラベリングの手順
- プロジェクトを作成（Object Detectionを選択）
- 画像をアップロード（口腔内写真を使用）
- バウンディングボックスを作成（各歯を囲んでラベル付け）
- ラベル名を統一（tooth_11, tooth_12 などの番号付け）
- 保存し、次の画像へ進む
初めてのラベリング作業でしたが、比較的スムーズに進めることができました。
📌 2. 下の歯のラベリングには工夫が必要だった
上の歯のラベリングは比較的簡単でしたが、下の歯（特に犬歯・小臼歯）のラベリングには工夫が必要でした。
🤔 課題
- 上下の歯が重なって見える ため、個々の歯を明確に分けるのが難しい。
- 下顎の犬歯（tooth_33, tooth_43）などが隣接歯と重なりやすい。
- 写真の角度によって歯の位置がズレて見える。
💡 解決策
- ラベリングのガイドラインを決める（バウンディングボックスの大きさ・形を統一）
- 下の歯を識別しやすいアングルの画像を増やす（正面・右側・左側の3方向）
- セグメンテーション技術も併用することを検討（YOLOv5だけでなくMask R-CNNなど）
📌 3. 30人分のデータを集める計画
AIの精度を上げるために、30人分のデータを用意することに決定 しました。
| 患者数 | 分類 |
|---|---|
| 15人 | 普通の歯並び |
| 12人 | 叢生（ガタガタの歯並び） |
| 3人 | 重度の叢生（極端なガタガタ） |
このバランスでデータを用意することで、AIが幅広い症例に対応できるようにします。
📌 4. ここから「Angle分類」など5つの分析を行っていく
今後のステップとして、5つの分析を順番に進めていく予定 です。
🦷 5つの分析（今後の計画）
✅ ① かみ合わせの深さ（オーバーバイト・オーバージェット）
- 垂直的な噛み合わせの深さ（オーバーバイト）
- 水平方向のズレ（オーバージェット）
✅ ② デコボコ・スペース（叢生・歯列の空隙）
- 歯と歯の間のスペース（スペース不足 or 過剰）
- デコボコの歯列を検出
✅ ③ Angle分類（アングルクラス I, II, III）
- 犬歯と第一大臼歯の位置関係から、Angleクラスを分類
✅ ④ 歯肉の状態の評価
- 歯肉の炎症、退縮、腫れなどの判定
✅ ⑤ 正中線のズレ・顔面とのバランス分析
- 正中線がどれだけズレているか？
- 顔全体とのバランス
これらを段階的に進め、最終的には 「治療方針をAIが提案できるシステム」 を目指します。
📌 まとめ：今日の進捗と今後の方向性
✅ 歯のラベリングを実際に行い、AIが学習できるデータを作成した！ ✅ 下の歯のラベリングには工夫が必要で、ガイドラインを作るべきと気づいた！ ✅ 30人分のデータを集める計画を立てた！（普通の歯並び 15人 + 叢生 12人 + 重度叢生 3人） ✅ 今後「Angle分類」や「オーバーバイト分析」など5つの分析を順番に進める！
🦷 今後の課題：
- ラベリング作業を進める！（30人分を目標に！）
- YOLOv5を使って、前歯12本の識別モデルを学習させる！
- 次のステップとして、「かみ合わせの学習方法」を深掘りする！
📌 今日は大きく進展した！明日はさらにラベリングを進めて、学習データを増やすぞ！🔥🔥🔥
コメント