ホーム > 特許ランキング > 株式会社モリタ製作所
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024109182
(43)【公開日】2024-08-14
(54)【発明の名称】支援装置、支援方法、および支援プログラム
(51)【国際特許分類】
A61B 1/24 20060101AFI20240806BHJP
A61C 19/04 20060101ALI20240806BHJP
A61B 5/00 20060101ALI20240806BHJP
A61B 6/51 20240101ALI20240806BHJP
G16H 50/20 20180101ALI20240806BHJP
【ＦＩ】
A61B1/24
A61C19/04 Z
A61B5/00 101A
A61B6/14 310
G16H50/20
【審査請求】有
【請求項の数】18
【出願形態】ＯＬ
(21)【出願番号】P 2023013834
(22)【出願日】2023-02-01
(71)【出願人】
【識別番号】000138185
【氏名又は名称】株式会社モリタ製作所
(74)【代理人】
【識別番号】110001195
【氏名又は名称】弁理士法人深見特許事務所
(72)【発明者】
【氏名】吉川 英基
(72)【発明者】
【氏名】西村 悠
【テーマコード（参考）】
4C052
4C093
4C117
4C161
5L099
【Ｆターム（参考）】
4C052AA06
4C052LL07
4C052NN02
4C052NN03
4C052NN05
4C052NN15
4C093AA22
4C093CA18
4C093DA05
4C093FF16
4C093FF28
4C093FF36
4C093FF37
4C117XA01
4C117XB01
4C117XD08
4C117XE43
4C117XE44
4C117XG14
4C117XK19
4C117XR07
4C161AA08
4C161BB01
4C161BB08
4C161CC06
4C161JJ09
4C161NN05
4C161WW04
5L099AA04
5L099AA26
(57)【要約】
【課題】低侵襲かつ短時間で口腔内の生体組織における病態を診断することができる技術を提供する。
【解決手段】支援装置１は、生体組織の三次元形状を示す画像データが入力される入力インターフェース１４と、入力インターフェース１４から入力される画像データと、画像データに基づき生体組織における病態の診断を支援するための、少なくとも歯牙と歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデル５０とを用いて、支援情報を導出する演算装置１１とを備える。
【選択図】図２
【解決手段】支援装置１は、生体組織の三次元形状を示す画像データが入力される入力インターフェース１４と、入力インターフェース１４から入力される画像データと、画像データに基づき生体組織における病態の診断を支援するための、少なくとも歯牙と歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデル５０とを用いて、支援情報を導出する演算装置１１とを備える。
【選択図】図２
【特許請求の範囲】
【請求項1】
少なくとも歯牙および歯肉を含む口腔内の生体組織における病態の診断を支援する支援装置であって、
前記生体組織の三次元形状を示す画像データが入力される入力部と、
前記入力部から入力される前記画像データと、前記画像データに基づき前記生体組織における前記病態の診断を支援するための、少なくとも前記歯牙と前記歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルとを用いて、前記支援情報を導出する演算部とを備える、支援装置。
前記生体組織の三次元形状を示す画像データが入力される入力部と、
前記入力部から入力される前記画像データと、前記画像データに基づき前記生体組織における前記病態の診断を支援するための、少なくとも前記歯牙と前記歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルとを用いて、前記支援情報を導出する演算部とを備える、支援装置。
【請求項2】
前記支援情報は、前記生体組織の所定の計測ポイントにおける所定の計測方向に沿って存在する前記生体組織の位置を示す複数のレベルの各々に対応する位置情報を含む、請求項１に記載の支援装置。
【請求項3】
前記支援情報は、前記生体組織の所定の計測ポイントにおける所定の計測方向に沿って存在する前記生体組織の位置を示す複数のレベルの間の距離を含む、請求項１に記載の支援装置。
【請求項4】
前記演算部は、
前記支援情報として、前記生体組織の所定の計測ポイントにおける所定の計測方向に沿って存在する前記生体組織の位置を示す複数のレベルの各々に対応する位置情報を導出し、
前記複数のレベルの各々に対応する前記位置情報に基づき、前記複数のレベルの間の距離を算出し、
前記複数のレベルの間の前記距離に基づき、前記病態の種類を示す情報、および前記病態の進行度合いを示す情報のうち、少なくとも１つを算出する、請求項１に記載の支援装置。
前記支援情報として、前記生体組織の所定の計測ポイントにおける所定の計測方向に沿って存在する前記生体組織の位置を示す複数のレベルの各々に対応する位置情報を導出し、
前記複数のレベルの各々に対応する前記位置情報に基づき、前記複数のレベルの間の距離を算出し、
前記複数のレベルの間の前記距離に基づき、前記病態の種類を示す情報、および前記病態の進行度合いを示す情報のうち、少なくとも１つを算出する、請求項１に記載の支援装置。
【請求項5】
前記支援情報は、前記病態の種類を示す情報、および前記病態の進行度合いを示す情報のうち、少なくとも１つを含む、請求項１に記載の支援装置。
【請求項6】
前記推定モデルは、前記画像データと前記画像データに関連付けられた前記支援情報とを含む教師データを用いて、前記機械学習により訓練されている、請求項１～請求項５のいずれか１項に記載の支援装置。
【請求項7】
前記所定の計測ポイントは、前記歯牙に含まれる歯冠部を上面から見た場合の前記歯牙の周囲に位置するポイントである、請求項２～請求項４のいずれか１項に記載の支援装置。
【請求項8】
前記所定の計測方向は、前記歯牙の歯軸に沿った方向である、請求項２～請求項４のいずれか１項に記載の支援装置。
【請求項9】
前記複数のレベルは、前記生体組織における、歯冠部の頂上、前記歯肉の辺縁、歯槽骨の頂上、前記歯牙と前記歯肉との境界、根尖部、根分岐部、前記歯牙のセメント質とエナメル質との境界、および前記根分岐部において欠損した前記歯槽骨の欠損部分の最深部のうち、いずれかの位置を示す、請求項２～請求項４のいずれか１項に記載の支援装置。
【請求項10】
前記演算部は、前記推定モデルを用いて、前記入力部から入力される前記画像データに加えて、前記所定の計測ポイントおよび前記所定の計測方向に基づき、前記生体組織の前記所定の計測ポイントにおける前記所定の計測方向に沿った部位の前記支援情報を導出する、請求項２～請求項４のいずれか１項に記載の支援装置。
【請求項11】
前記演算部は、前記推定モデルを用いて、前記入力部から入力される前記画像データに加えて、前記生体組織を有する患者の性別、年齢、および骨密度に関連する情報のうちの少なくとも１つに基づき、前記支援情報として前記病態の進行度合いを示す情報を導出する、請求項１に記載の支援装置。
【請求項12】
前記画像データは、前記生体組織の表面を示す点群の各点の位置情報を含む光学スキャナで撮影された光学スキャナデータと、前記生体組織をコンピュータ断層撮影することによって得られるＣＴ（Computed Tomography）データとに基づき生成されている、請求項１～請求項５のいずれか１項に記載の支援装置。
【請求項13】
前記光学スキャナデータは、前記生体組織の表面の色を示す情報を含む、請求項１２に記載の支援装置。
【請求項14】
前記演算部は、前記生体組織の指定された位置に重畳させて前記支援情報をディスプレイに表示させる、請求項１～請求項５のいずれか１項に記載の支援装置。
【請求項15】
前記演算部は、前記支援情報に応じた色で前記支援情報を前記ディスプレイに表示させる、請求項１４に記載の支援装置。
【請求項16】
前記演算部は、前記支援情報に基づいて、前記支援情報の将来の変化を予測したシミュレーション情報を前記ディスプレイに表示させる、請求項１４に記載の支援装置。
【請求項17】
コンピュータによって少なくとも歯牙および歯肉を含む口腔内の生体組織における病態の診断を支援する支援方法であって、
前記支援方法は、前記コンピュータが実行する処理として、
前記生体組織の三次元形状を示す画像データを取得するステップと、
前記取得するステップが取得する前記画像データと、前記画像データに基づき前記生体組織における前記病態の診断を支援するための、少なくとも前記歯牙と前記歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルとを用いて、前記支援情報を導出するステップとを含む、支援方法。
前記支援方法は、前記コンピュータが実行する処理として、
前記生体組織の三次元形状を示す画像データを取得するステップと、
前記取得するステップが取得する前記画像データと、前記画像データに基づき前記生体組織における前記病態の診断を支援するための、少なくとも前記歯牙と前記歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルとを用いて、前記支援情報を導出するステップとを含む、支援方法。
【請求項18】
コンピュータによって少なくとも歯牙および歯肉を含む口腔内の生体組織における病態の診断を支援するための支援プログラムであって、
前記コンピュータに、
前記生体組織の三次元形状を示す画像データを取得するステップと、
前記取得するステップが取得する前記画像データと、前記画像データに基づき前記生体組織における前記病態の診断を支援するための、少なくとも前記歯牙と前記歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルを用いて、前記支援情報を導出するステップとを実行させる、支援プログラム。
前記コンピュータに、
前記生体組織の三次元形状を示す画像データを取得するステップと、
前記取得するステップが取得する前記画像データと、前記画像データに基づき前記生体組織における前記病態の診断を支援するための、少なくとも前記歯牙と前記歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルを用いて、前記支援情報を導出するステップとを実行させる、支援プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、少なくとも歯牙および歯肉を含む口腔内の生体組織における病態の診断を支援する支援装置、支援方法、および支援プログラムに関する。
【背景技術】
【0002】
歯周病は、歯周病原細菌によって引き起こされる感染性炎症性疾患である。歯周病は、歯肉、セメント質、歯根膜、および歯槽骨などで構成される歯周組織に起こる疾患と、壊死性歯周疾患と、歯周組織の膿瘍と、歯周－歯内病変と、歯肉の退縮（たとえば、歯肉が下がる）と、歯槽骨の退縮（たとえば、歯槽骨が下がる）と、強い咬合力、または異常な力によって引き起こされる咬合性外傷とを含む。歯周病が進行すると、歯肉の炎症、歯牙の動揺、または歯槽骨の退縮などが生じる。
【0003】
歯牙および歯肉などの口腔内の生体組織における病態を診断する方法としては、歯周ポケットの深さを測定する方法が知られている。たとえば、特許文献１には、歯科医師などの術者が、ハンドピースのプローブを歯周ポケットに挿入して歯周ポケットの深さを測定することで、歯牙および歯肉の状態を確認することが開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開平１０－１７４６９３号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
特許文献１に開示された歯周病の検査方法においては、歯周ポケットにプローブを挿入する必要があるため、患者の負担が大きく、かつ歯周ポケットの深さを測定する術者の技量によって、歯周病の検査結果が変わることがあり得る。病原菌が存在する歯周ポケットにプローブを出し入れするため、症状が軽いまたは症状がない状態の歯牙にプローブを介して病原菌が侵入すると、当該歯牙が歯周病に感染するリスクがある。また、歯周ポケットの深さを測定する際に患者に痛みまたは出血が伴うことがあり、出血を伴う場合は、血中に病原菌が入り込む可能性もある。さらに、各歯牙について複数の箇所で歯周ポケットの深さを測定する場合は、測定時間が長くなる可能性もある。
【0006】
本開示は、このような問題を解決するためになされたものであり、低侵襲かつ短時間で口腔内の生体組織における病態を診断することができる技術を提供することを目的とする。
【課題を解決するための手段】
【0007】
本開示の一例に従えば、少なくとも歯牙および歯肉を含む口腔内の生体組織における病態の診断を支援する支援装置が提供される。支援装置は、生体組織の三次元形状を示す画像データが入力される入力部と、入力部から入力される画像データと、画像データに基づき生体組織における病態の診断を支援するための、少なくとも歯牙と歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルとを用いて、支援情報を導出する演算部とを備える。
【0008】
本開示の一例に従えば、コンピュータによって少なくとも歯牙および歯肉を含む口腔内の生体組織における病態の診断を支援する支援方法が提供される。支援方法は、コンピュータが実行する処理として、生体組織の三次元形状を示す画像データを取得するステップと、取得するステップが取得する画像データと、画像データに基づき生体組織における病態の診断を支援するための、少なくとも歯牙と歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルとを用いて、支援情報を導出するステップとを含む。
【0009】
本開示の一例に従えば、コンピュータによって少なくとも歯牙および歯肉を含む口腔内の生体組織における病態の診断を支援するための支援プログラムが提供される。支援プログラムは、コンピュータに、生体組織の三次元形状を示す画像データを取得するステップと、取得するステップが取得する画像データと、画像データに基づき生体組織における病態の診断を支援するための、少なくとも歯牙と歯肉との相対位置に関する情報を含む支援情報を導出するように機械学習により訓練された推定モデルを用いて、支援情報を導出するステップとを実行させる。
【発明の効果】
【0010】
本開示によれば、推定モデルを用いて、少なくとも歯牙および歯肉を含む口腔内の生体組織の三次元形状を示す画像データに基づき、生体組織における病態の診断を支援するための支援情報を導出することができるため、低侵襲かつ短時間で口腔内の生体組織における病態を診断することができる。
【図面の簡単な説明】
【0011】
【図1】実施の形態１に係る支援装置の適用例を示す図である。
【図2】実施の形態１に係る支援装置のハードウェア構成を示すブロック図である。
【図3】実施の形態１に係る支援装置において推定されるパラメータを説明するための図である。
【図4】実施の形態１に係る支援装置において推定されるパラメータを説明するための図である。
【図5】ＣＴデータおよびＩＯＳデータの各々における検出対象を説明するための図である。
【図6】実施の形態１に係る推定モデルの学習フェーズにおける機械学習の一例を説明するための図である。
【図7】実施の形態１に係る推定モデルの活用フェーズにおける支援情報の推定の一例を説明するための図である。
【図8】実施の形態１に係る支援装置が実行する支援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】実施の形態１に係る支援装置による支援情報の第１の表示例を説明するための図である。
【図10】実施の形態１に係る支援装置による支援情報の第２の表示例を説明するための図である。
【図11】実施の形態１に係る支援装置による支援情報の第３の表示例を説明するための図である。
【図12】実施の形態１に係る支援装置による支援情報の第４の表示例を説明するための図である。
【図13】実施の形態１に係る支援装置による支援情報の第５の表示例を説明するための図である。
【図14】第１の変形例に係る推定モデルの学習フェーズにおける機械学習の一例を説明するための図である。
【図15】第１の変形例に係る推定モデルの活用フェーズにおける支援情報の推定の一例を説明するための図である。
【図16】第２の変形例に係る推定モデルの学習フェーズにおける機械学習の一例を説明するための図である。
【図17】第２の変形例に係る推定モデルの活用フェーズにおける支援情報の推定の一例を説明するための図である。
【図18】第３の変形例に係る推定モデルの学習フェーズにおける機械学習の一例を説明するための図である。
【図19】第３の変形例に係る推定モデルの活用フェーズにおける支援情報の推定の一例を説明するための図である。
【図20】実施の形態２に係る推定モデルの学習フェーズにおける機械学習の一例を説明するための図である。
【図21】実施の形態２に係る推定モデルの活用フェーズにおける支援情報の推定の一例を説明するための図である。
【図22】実施の形態２に係る支援装置による支援情報の出力の一例を説明するための図である。
【図23】実施の形態３に係る支援装置において推定されるパラメータを説明するための図である。
【図24】実施の形態３に係る支援装置において推定されるパラメータを説明するための図である。
【発明を実施するための形態】
【0012】
＜実施の形態１＞
本開示の実施の形態１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。
本開示の実施の形態１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。
【0013】
【0014】
歯周病の検査において最も利用されている方法としては、歯周ポケットの深さを測定する方法が挙げられる。具体的には、歯科医師などの術者は、歯牙の周囲に設定された少なくとも１つの計測ポイントに存在する歯周ポケットに機械的または電気的なプローブを挿入して、歯肉辺縁から歯肉が歯牙に正常に付着している部分である歯肉境界（歯周ポケットの底部）までの深さを測定することで、歯周ポケットの深さを計測することができる。計測ポイントの数は、４点または６点など、１つの歯牙に対して任意の数を設定可能である。図１の例では、１つの歯牙に対して、６点の計測ポイントが設定されている。
【0015】
また、歯周ポケットの深さを測定する方法以外に利用されている歯周病の検査方法としては、口腔内を撮影することで得られるＸ線画像を用いた方法が挙げられる。この方法は、口腔内のＸ線画像に基づき、歯冠頂と歯槽骨頂との間の距離、および歯槽骨頂と根尖部との間の距離を測定し、これらの比（以下、「歯冠歯根比」とも称する。）を算出することで、歯槽骨の減退の度合いを測定することを含む。
【0016】
上述したように、術者は、歯周ポケットの測定、およびＸ線画像を用いることによって、歯周病の検査を行うことができる。しかしながら、これらの検査方法は、患者に掛かる負担、術者の技量による検査精度のばらつき、および検査時間の長期化などの観点から、歯周病の検査として好ましくない場合がある。
【0017】
たとえば、歯周ポケットの測定による歯周病の検査方法においては、歯周ポケットにプローブを挿入する必要があるため、患者の負担が大きい。また、歯周ポケットの深さを測定する術者の技量によって、歯周病の検査結果が変わることがあり、複数ある歯周病の診断のパラメータを術者が経験に基づいて診断して歯周病の進行予測を立てることは豊富な経験および時間を要する。病原菌が存在する歯周ポケットにプローブを出し入れするため、症状が軽いまたは症状がない状態の歯牙にプローブを介して病原菌が侵入すると、当該歯牙が歯周病に感染するリスクがある。また、歯周ポケットの深さを測定する際に患者に痛みまたは出血が伴うことがあり、出血を伴う場合は、血中に病原菌が入り込む可能性もある。さらに、各歯牙について複数の箇所で歯周ポケットの深さを測定する場合は、測定時間が長くなる可能性もある。
【0018】
Ｘ線画像を用いた歯周病の検査方法においては、口内法Ｘ線撮影またはパノラマ撮影が行われるが、Ｘ線の入射方向から見た場合の歯牙の状態しか観察することができず、またＸ線が入射する方向に重畳された像が示されるため、歯冠歯根比を正確に測定することが難しい。
【0019】
上述したような理由から、今後の治療方針を立てる場合において、定量的に歯周病の検査結果に関するデータを蓄積することができるとは言い難く、経時的に歯周病の進行度合いを推定することも難しい。さらに、患者に歯周病の状態を説明する際には、短時間でインフォームドコンセントを行い、かつ患者の理解を得るような技術も求められている。
【0020】
そこで、実施の形態１に係る支援装置１は、ＡＩ（Artificial Intelligence）技術を利用して、少なくとも歯牙および歯肉を含む口腔内の生体組織の三次元形状を示す画像データに基づき、生体組織における病態の診断を支援するための支援情報を推定（導出）するように構成されている。なお、生体組織は、少なくとも歯牙および歯肉を含む口腔内の物体であって、インプラントなどの人工物を含まない。
【0021】
具体的には、支援装置１のユーザは、図示しない三次元スキャナ（光学スキャナ）を用いて患者の口腔内をスキャンすることによって、口腔内の歯牙および歯肉を含む生体組織の表面を示す点群（複数の点）の各点の位置情報を含む三次元データ（光学スキャナデータ）を取得する。三次元データは、位置情報として、予め定められた横方向（Ｘ軸方向）、縦方向（Ｙ軸方向）、および高さ方向（Ｚ軸方向）における生体組織の表面を示す各点の座標（Ｘ，Ｙ，Ｚ）を含む。さらに、三次元データは、口腔内の歯牙および歯肉を含む生体組織の表面を示す点群（複数の点）の各点に対応する部分（生体組織の表面部分）の実際の色を示す色情報を含んでいてもよい。
【0022】
なお、「ユーザ」は、歯科、口腔外科、整形外科、形成外科、および美容外科など、様々な分野の術者（医師など）または助手（歯科助手、歯科技工士、看護師など）を含む。また、「患者」は、歯科、口腔外科、整形外科、形成外科、および美容外科などの患者を含む。三次元スキャナは、共焦点法または三角測量法などによって患者の口腔内を光学的に撮像可能ないわゆる口腔内スキャナ（IOS:Intra Oral Scanner）であり、ある座標空間上に置かれたスキャン対象である生体組織（たとえば、口腔内の歯牙および歯肉）の表面を構成する点群の各点の位置情報を取得可能である。ユーザは、三次元スキャナによって取得された三次元データを用いることで、生体組織の三次元形状を示すレンダリング画像（外観画像）を生成することができる。「レンダリング画像」とは、あるデータに対して処理または編集を施すことによって生成された画像である。たとえば、ユーザは、三次元スキャナによって取得された生体組織の三次元データに対して処理または編集を施すことによって、所定の視点から見た二次元の生体組織（ＩＯＳデータによって示すことが可能な生体組織の部分）を示すレンダリング画像を生成することができ、さらに、所定の視点を多方向にわたって変化させることによって、多方向から見た二次元の生体組織（ＩＯＳデータによって示すことが可能な生体組織の部分）を示す複数のレンダリング画像を生成することができる。
【0023】
また、ユーザは、図示しないＣＴ（Computed Tomography）撮像装置を用いて患者の上顎および下顎を撮影することによって、患者の上顎および下顎の周辺における、軟組織部分（皮膚、歯肉など）を含む硬組織部分（骨、歯牙など）の三次元の体積（ボクセル）データを取得する。なお、軟組織部分は、硬組織部分と比べて、Ｘ線による検出が弱く、データ取得の精度が低い。このため、軟組織部分が画像で表示された場合、軟組織部分をうっすら視認できるか、または、視認できない部分が生じる可能性がある。ＣＴ撮像装置は、放射線の一種であるＸ線の送信器および受信器を患者の顔の周囲で回転させることで、患者の上顎および下顎をコンピュータ断層撮影するＸ線撮像装置である。ユーザは、ＣＴ撮像装置によって取得された撮影対象である生体組織の体積データを用いることで、生体組織の三次元形状を示すレンダリング画像（断層画像または外観画像）を生成することができる。たとえば、ユーザは、ＣＴ撮像装置によって取得された生体組織の体積データに対して処理または編集を施すことによって、所定の視点から見た二次元の生体組織（ＣＴデータによって示すことが可能な生体組織の部分）を示すレンダリング画像を生成することができ、さらに、所定の視点を多方向にわたって変化させることによって、多方向から見た二次元の生体組織（ＣＴデータによって示すことが可能な生体組織の部分）を示す複数のレンダリング画像を生成することができる。
【0024】
以下では、三次元スキャナによって取得される生体組織の表面を示す点群の各点の位置情報を含む三次元データを「ＩＯＳデータ」とも称し、ＩＯＳデータに基づき生成されるレンダリング画像を「ＩＯＳ画像」とも称する。また、ＣＴ撮像装置によって取得される三次元の体積データを「ＣＴデータ」とも称し、ＣＴデータに基づき生成されるレンダリング画像を「ＣＴ画像」とも称する。ＩＯＳ画像は、スキャン対象である生体組織の表面形状を非常に詳細に示すことができるが、生体組織の表面に現れない内部構成（歯槽骨および根尖部など）については全く示すことができない。ＣＴ画像は、撮影対象のうち、硬組織部分（骨、歯牙など）を比較的詳細に示すことができるが、軟組織部分（皮膚、歯肉など）については硬組織部分よりは詳細に示すことができない。
【0025】
ユーザは、同一の患者について取得したＩＯＳデータとＣＴデータとを合成することで、合成画像データを生成することができる。ここで、ＩＯＳデータとＣＴデータとは、互いにデータ形式が異なる。このため、たとえば、ユーザは、ＩＯＳデータのデータ形式をＣＴデータのデータ形式に変換し、変換後の両データを用いて、生体組織の表面の三次元形状をパターンマッチングさせることで、ＩＯＳデータとＣＴデータとを合成した合成画像データを生成する。なお、ユーザは、ＣＴデータのデータ形式をＩＯＳデータのデータ形式に変換し、変換後の両データを用いて、生体組織の表面の三次元形状をパターンマッチングさせることで、合成画像データを生成してもよい。あるいは、ユーザは、ＣＴデータおよびＩＯＳデータのデータ形式を、共通のデータ形式に変換し、変換後の両データを用いて、生体組織の表面の三次元形状をパターンマッチングさせることで、合成画像データを生成してもよい。ユーザは、合成画像データに対して処理または編集を施すことによって、所定の視点から見た二次元の生体組織（ＩＯＳデータおよびＣＴデータの両方によって示すことが可能な生体組織の部分）を示すレンダリング画像（たとえば、図１に示す合成画像）を生成することができる。図１に示すように、合成画像は、ＩＯＳデータによって示される生体組織の表面形状と、ＣＴデータによって示される硬組織部分（骨、歯牙など）における断層構造または外観とを、三次元で示すことができる。なお、ユーザは、合成画像データを生成する際、ＩＯＳデータおよびＣＴデータの各々において、輝度、コントラスト、および透過度などを必要に応じて調整してもよい。さらに、ユーザは、ＩＯＳデータおよびＣＴデータの各々において、複数の歯牙の各々、顎骨、および歯槽骨を予めセグメンテーションした上で、合成画像データを生成してもよい。
【0026】
なお、支援装置１は、三次元スキャナからＩＯＳデータを取得するとともに、ＣＴ撮像装置からＣＴデータを取得し、ユーザの入力に従って、取得したＩＯＳデータおよびＣＴデータに基づき合成画像データを生成してもよい。あるいは、支援装置１は、ＩＯＳデータおよびＣＴデータを取得することなく、ユーザが他の装置を用いて生成した合成画像データを他の装置から取得してもよい。
【0027】
合成画像データに基づき生成可能な合成画像においては、ＣＴデータによって歯槽骨および根尖部などの硬組織部分の三次元形状が示されるとともに、ＣＴデータによって示すことができない歯肉などの軟組織部分の三次元形状については、ＩＯＳデータによって示すことができる。これにより、合成画像は、ＣＴデータのみでは表すことができない歯肉などの軟組織部分も、ＩＯＳデータによって補うことで、歯槽骨および根尖部などの硬組織部分とともに詳細に示すことができる。
【0028】
詳しくは後述するが、支援装置１は、少なくとも歯牙および歯肉を含む生体組織の合成画像データにおいて、歯周ポケットの深さを計測するための所定の計測方向および所定の計測ポイントを設定する。支援装置１は、後述する推定モデル５０を用いて、生体組織における病態の診断を支援するための少なくとも歯牙と歯肉との相対位置に関する情報を含む支援情報を導出する。
【0029】
図１に示すように、たとえば、支援装置１は、支援情報として、合成画像データによって示された各歯牙について、設定された計測ポイントにおける歯周ポケットの深さを示す。これにより、支援装置１は、少なくとも歯牙および歯肉を含む生体組織の三次元形状を示す合成画像データに基づき、生体組織における病態の診断を支援するための支援情報を導出することができるため、ユーザは、低侵襲かつ短時間で口腔内の生体組織における病態を診断することができる。
【0030】
［識別装置のハードウェア構成］
図２を参照しながら、実施の形態１に係る支援装置１のハードウェア構成を説明する。図２は、実施の形態１に係る支援装置１のハードウェア構成を示すブロック図である。支援装置１は、たとえば、汎用コンピュータで実現されてもよいし、支援情報を推定するためのシステム専用のコンピュータで実現されてもよい。
図２を参照しながら、実施の形態１に係る支援装置１のハードウェア構成を説明する。図２は、実施の形態１に係る支援装置１のハードウェア構成を示すブロック図である。支援装置１は、たとえば、汎用コンピュータで実現されてもよいし、支援情報を推定するためのシステム専用のコンピュータで実現されてもよい。
【0031】
図２に示すように、支援装置１は、主なハードウェア要素として、演算装置１１と、メモリ１２と、記憶装置１３と、入力インターフェース１４と、ディスプレイインターフェース１５と、周辺機器インターフェース１６と、メディア読取装置１７と、通信装置１８とを備える。
【0032】
演算装置１１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）であり、「演算部」の一例である。演算装置１１は、たとえば、ＣＰＵ（central processing unit）またはＭＰＵ（Micro-processing unit）などのプロセッサで構成されている。なお、演算装置１１の一例であるプロセッサは、プログラムを実行することによって各種の処理を実行する機能を有するが、これらの機能の一部または全部を、ＡＳＩＣ（Application Specific Integrated Circuit）またはＦＰＧＡ（Field-Programmable Gate Array）などの専用のハードウェア回路を用いて実装してもよい。「プロセッサ」は、ＣＰＵまたはＭＰＵのようにストアードプログラム方式で処理を実行する狭義のプロセッサに限らず、ＡＳＩＣまたはＦＰＧＡなどのハードワイヤード回路を含み得る。このため、演算装置１１の一例である「プロセッサ」は、コンピュータ読み取り可能なコードおよび／またはハードワイヤード回路によって予め処理が定義されている、処理回路（processing circuitry）と読み替えることもできる。なお、演算装置１１は、１チップで構成されてもよいし、複数のチップで構成されてもよい。さらに、プロセッサおよび関連する処理回路は、ローカルエリアネットワークまたは無線ネットワークなどを介して、有線または無線で相互接続された複数のコンピュータで構成されてもよい。プロセッサおよび関連する処理回路は、入力データに基づきリモートで演算し、その演算結果を離れた位置にある他のデバイスへと出力するような、クラウドコンピュータで構成されてもよい。
【0033】
メモリ１２は、演算装置１１が各種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記憶領域（たとえば、ワーキングエリア）を含む。記憶部の一例としては、ＤＲＡＭ（dynamic random access memory）およびＳＲＡＭ（static random access memory）などの揮発性メモリ、または、ＲＯＭ（Read Only Memory）およびフラッシュメモリなどの不揮発性メモリが挙げられる。
【0034】
記憶装置１３は、演算装置１１が実行する各種のプログラムまたは各種のデータなどを記憶する。記憶装置１３は、１または複数の非一時的コンピュータ可読媒体（non-transitory computer readable medium）であってもよいし、１または複数のコンピュータ読み取り可能な記憶媒体（computer readable storage medium）であってもよい。記憶装置１３の一例としては、ＨＤＤ（Hard Disk Drive）およびＳＳＤ（Solid State Drive）などが挙げられる。
【0035】
記憶装置１３は、支援プログラム３０と、推定モデル５０とを格納する。支援プログラム３０は、演算装置１１が生体組織の三次元形状を示す画像データ（たとえば、合成画像データ）に基づき、推定モデル５０を用いて、支援情報を推定するための支援処理の内容が記述されている。
【0036】
推定モデル５０は、ニューラルネットワーク５１と、ニューラルネットワーク５１によって用いられるデータセット５２とを含む。推定モデル５０は、口腔内の生体組織の三次元形状を示す画像データ（たとえば、合成画像データ）と、画像データに関連付けられた支援情報とを含む教師データを用いた機械学習によって、画像データに基づき支援情報を推定するように訓練されている。
【0037】
ニューラルネットワーク５１は、オートエンコーダ、畳み込みニューラルネットワーク（CNN:Convolutional Neural Network）、リカレントニューラルネットワーク（RNN:Recurrent Neural Network）、または敵対的生成ネットワーク（GAN:Generative Adversarial Network）など、実施の形態１のニューラルネットワーク５１に適用可能なアルゴリズムであれば、いずれのアルゴリズムが適用されてもよい。なお、推定モデル５０は、ニューラルネットワーク５１に限らず、ベイズ推定またはサポートベクターマシン（SVM: Support Vector machine）など、他の公知のアルゴリズムを備えていてもよい。
【0038】
データセット５２は、ニューラルネットワーク５１による演算に用いられる重み係数と、演算時の判定に用いられる判定閾値とを含む。
【0039】
入力インターフェース１４は、「入力部」の一例である。入力インターフェース１４は、少なくとも歯牙および歯肉を含む生体組織の合成画像データを取得する。入力インターフェース１４から入力された合成画像データは、メモリ１２または記憶装置１３によって記憶され、演算装置１１が支援情報を推定する際に用いられる。なお、入力インターフェース１４は、合成前のＩＯＳデータおよびＣＴデータを取得してもよい。たとえば、入力インターフェース１４は、図示しない三次元スキャナと通信可能に接続され、三次元スキャナからＩＯＳデータを取得してもよい。また、入力インターフェース１４は、図示しないＣＴ撮像装置と通信可能に接続され、ＣＴ撮像装置からＣＴデータを取得してもよい。この場合、演算装置１１は、入力インターフェース１４から入力されたＩＯＳデータおよびＣＴデータを合成することで、歯牙および歯肉を含む生体組織の合成画像データを生成し、生成した合成画像データに基づき支援情報を推定する。
【0040】
ディスプレイインターフェース１５は、ディスプレイ４０を接続するためのインターフェースである。ディスプレイインターフェース１５は、支援装置１とディスプレイ４０との間のデータの入出力を実現する。
【0041】
周辺機器インターフェース１６は、キーボード６１およびマウス６２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る。周辺機器インターフェース１６は、支援装置１と周辺機器との間のデータの入出力を実現する。
【0042】
メディア読取装置１７は、記憶媒体であるリムーバブルディスク２０に格納されている各種のデータを読み出したり、各種のデータをリムーバブルディスク２０に書き出したりする。たとえば、メディア読取装置１７は、リムーバブルディスク２０から支援プログラム３０を取得してもよいし、演算装置１１によって推定された支援情報をリムーバブルディスク２０に書き出してもよい。リムーバブルディスク２０は、１または複数の非一時的コンピュータ可読媒体（non-transitory computer readable medium）であってもよいし、１または複数のコンピュータ読み取り可能な記憶媒体（computer readable storage medium）であってもよい。なお、演算装置１１がメディア読取装置１７を介してリムーバブルディスク２０から画像データ（たとえば、合成画像データ）を取得する場合、メディア読取装置１７は、「入力部」の一例に成り得る。
【0043】
通信装置１８は、有線通信または無線通信を介して、外部装置との間でデータを送受信する。たとえば、通信装置１８は、演算装置１１によって推定された支援情報を、図示しない外部装置に送信してもよい。なお、演算装置１１が通信装置１８を介して外部装置から画像データ（たとえば、合成画像データ）を取得する場合、通信装置１８は、「入力部」の一例に成り得る。
【0044】
［支援装置において推定されるパラメータ］
上述のように構成された支援装置１は、歯牙および歯肉を含む生体組織の合成画像データに基づき、支援情報として、歯周ポケットの深さなどを示す各種のパラメータを推定するように構成されている。図３および図４を参照しながら、実施の形態１に係る支援装置１において推定されるパラメータを説明する。図３および図４は、実施の形態１に係る支援装置１において推定されるパラメータを説明するための図である。なお、図３においては、歯牙および歯肉を含む生体組織の縦断面が示されている。
上述のように構成された支援装置１は、歯牙および歯肉を含む生体組織の合成画像データに基づき、支援情報として、歯周ポケットの深さなどを示す各種のパラメータを推定するように構成されている。図３および図４を参照しながら、実施の形態１に係る支援装置１において推定されるパラメータを説明する。図３および図４は、実施の形態１に係る支援装置１において推定されるパラメータを説明するための図である。なお、図３においては、歯牙および歯肉を含む生体組織の縦断面が示されている。
【0045】
図３に示すように、支援装置１（演算装置１１）は、歯牙および歯肉を含む生体組織の合成画像データにおいて、各歯牙に対して所定の基準に従って所定の計測方向を設定する。たとえば、ユーザは、合成画像を見ながら、キーボード６１およびマウス６２などを用いて、所定の基準として歯牙の傾きを示す歯軸を歯牙ごとに支援装置１に指定する。支援装置１は、ユーザによって指定された歯軸の方向に沿って計測方向を設定する。なお、ユーザは、所定の基準として歯軸の方向以外の方向を支援装置１に指定してもよい。この場合、支援装置１は、ユーザによって指定された歯軸の方向以外の方向に沿って計測方向を設定する。なお、支援装置１は、合成画像データによって示される歯牙および歯肉を含む生体組織の形状に基づき、予め定められた数学的手法で計測方向（たとえば、歯軸）を設定してもよい。
【0046】
支援装置１は、計測方向を設定すると、各歯牙の周囲に少なくとも１つの所定の計測ポイントを設定する。たとえば、ユーザは、合成画像を見ながら、キーボード６１およびマウス６２などを用いて、各歯牙において少なくとも１つの計測ポイントを支援装置１に指定する。計測ポイントは、歯牙に含まれる歯冠部を上面から見た場合の歯牙の周囲に位置するポイントである。支援装置１は、ユーザによって指定された少なくとも１つの計測ポイントを設定する。なお、支援装置１は、合成画像データによって示される歯牙および歯肉を含む生体組織の形状に基づき、予め定められた数学的手法で少なくとも１つの計測ポイントを設定してもよい。
【0047】
支援装置１は、各歯牙の各計測ポイントにおいて、推定モデル５０を用いて、計測方向に沿って存在する生体組織の位置を示す複数のレベルの各々に対応する位置情報（Ｘ，Ｙ，Ｚ）を推定する。上述した複数のレベルは、歯冠頂レベルと、歯肉辺縁レベルと、歯槽骨頂レベルと、歯肉境界レベルと、根尖部レベルとを含む。歯冠頂レベルは、計測方向における歯冠部の頂上の位置（たとえば、高さ）に対応するレベルである。歯肉辺縁レベルは、計測方向における歯肉の辺縁の位置（たとえば、高さ）に対応するレベルである。歯槽骨頂レベルは、計測方向における歯槽骨の頂上の位置（たとえば、高さ）に対応するレベルである。歯肉境界レベルは、歯肉が歯牙に正常に付着している部分であって、歯牙と歯肉との境界（歯周ポケットの底部）の位置（たとえば、高さ）に対応するレベルである。根尖部レベルは、計測方向における根尖部の位置（たとえば、高さ）に対応するレベルである。歯周ポケットが存在しない、または、歯周ポケットの深さが極小さい場合、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一になり、歯肉境界レベルと歯槽骨頂レベルとの差が所定の閾値未満となる。
【0048】
支援装置１は、計測方向に沿って存在する複数のレベルの各々に対応する位置情報（Ｘ，Ｙ，Ｚ）を推定すると、推定した各レベルの位置情報に基づき、各種のパラメータを算出する。このとき、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一であるか否かに応じて、異なるパラメータを算出する。
【0049】
具体的には、図３および図４に示すように、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一の場合、パラメータａ～ｇの各パラメータを算出する。パラメータａは、歯冠頂レベルと歯肉辺縁レベルとの間における計測方向に沿った距離を示す値である。パラメータｂは、歯冠頂レベルと歯肉境界レベル（歯槽骨頂レベル）との間における計測方向に沿った距離を示す値である。パラメータｃは、歯肉辺縁レベルと根尖部レベルとの間における計測方向に沿った距離を示す値である。パラメータｄは、歯肉境界レベル（歯槽骨頂レベル）と根尖部レベルとの間における計測方向に沿った距離を示す値である。パラメータｅは、歯肉辺縁レベルと歯肉境界レベル（歯槽骨頂レベル）との間における計測方向に沿った距離を示す値である。パラメータｆは、パラメータａとパラメータｃとの比（ａ：ｃ）である。パラメータｇは、パラメータｂとパラメータｄとの比（ｂ：ｄ）である。なお、パラメータｆおよびパラメータｇは、歯冠歯根比とも称される。
【0050】
一方、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、パラメータｂ’，ｄ’，ｅ’，ｇ’の各パラメータを算出する。パラメータｂ’は、歯冠頂レベルと歯肉境界レベルとの間における計測方向に沿った距離を示す値である。パラメータｄ’は、歯肉境界レベルと根尖部レベルとの間における計測方向に沿った距離を示す値である。パラメータｅ’は、歯肉辺縁レベルと歯肉境界レベルとの間における計測方向に沿った距離を示す値である。パラメータｇ’は、パラメータｂ’とパラメータｄ’との比（ｂ’：ｄ’）である。なお、パラメータｇ’は、歯冠歯根比とも称される。このように、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、パラメータａに対応する歯冠頂レベルと歯肉辺縁レベルとの間における計測方向に沿った距離を示す値、および、パラメータｃに対応する歯肉辺縁レベルと根尖部レベルの間における計測方向に沿った距離を示す値の算出を省略する。すなわち、病態によって歯肉境界レベルと歯槽骨頂レベルとが離れている場合、支援装置１は、歯肉境界レベルを歯槽骨頂レベルの代わりにしてもよいし、歯肉境界レベルと歯槽骨頂レベルと併用してもよい。
【0051】
上述したように、合成画像データは、ＣＴデータとＩＯＳデータとが合成されることによって生成されるデータであるが、ＣＴデータおよびＩＯＳデータの各々から検出可能な部分は決まっている。
【0052】
図５は、ＣＴデータおよびＩＯＳデータの各々における検出対象を説明するための図である。図５に示すように、支援装置１は、ＣＴデータに基づき、歯軸、歯冠頂、歯槽骨頂、歯肉境界、根尖部、根分岐部、ＣＥＪ（Cement Enamel junction）、および計測ポイントを検出可能であるが、歯肉辺縁を検出不可能である。ＣＥＪとは、歯根と歯根膜との間に位置するセメント質と、歯肉から出た歯牙を覆っているエナメル質との境目であり、セメント・エナメル境とも称される。すなわち、ＣＴデータは、硬組織部分（骨、歯牙など）における断層構造または外観を示すことができるため、硬組織部分を手掛かりに推定可能な部分については検出することが可能である。一方、ＣＴデータは、軟組織部分（皮膚、歯肉など）については詳細に示すことができないため、歯肉辺縁については十分に検出することができない場合が多い。
【0053】
一方、支援装置１は、ＩＯＳデータに基づき、歯冠頂、歯肉辺縁、および計測ポイントを検出可能であるが、歯軸、歯槽骨頂、歯肉境界、根尖部、およびＣＥＪを検出不可能である。すなわち、ＩＯＳデータは、硬組織部分および軟組織部分に関わらず、生体組織の表面形状を示すことができるため、生体組織の表面に現れる部分については検出することが可能である。一方ＩＯＳデータは、生体組織の表面に現れない部分については示すことができないため、歯槽骨頂および根尖部などの生体組織の内部構成については検出することができない。
【0054】
このように、ＣＴデータおよびＩＯＳデータは、いずれも精度高く検出可能な部分が決まっているが、支援装置１は、ＣＴデータとＩＯＳデータとが合成された合成画像データを用いることによって、図４に示すような各種のパラメータａ～ｇ，ｂ’，ｄ’，ｅ’，ｇ’を算出することができる。また、支援装置１は、合成画像データによって示される歯牙の各々について、計測ポイントごとに、上述した各種のパラメータを算出することができる。
【0055】
ユーザは、支援装置１によって推定される各種のパラメータを用いることで、各歯牙の各計測ポイントについて、歯周病における病態を診断することができる。たとえば、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一である例は、歯肉が減退しておらず、歯周病に罹患していない可能性が高い状態を想定している。この場合、ユーザは、パラメータｅ（歯肉辺縁レベルと歯肉境界レベル（歯槽骨頂レベル）との間の距離）によって、歯周ポケットの深さを確認することができる。また、ユーザは、パラメータｆ（歯冠頂レベルと歯肉辺縁レベルとの間の距離と、歯肉辺縁レベルと根尖部レベルとの間の距離との比）、または、パラメータｇ（歯冠頂レベルと歯肉境界レベル（歯槽骨頂レベル）との間の距離と、歯肉境界レベル（歯槽骨頂レベル）と根尖部レベルとの間の距離との比）によっても、歯肉の減退度合いを確認することができる。
【0056】
一方、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない例は、歯肉が減退して、歯周病に罹患している可能性が高い状態を想定している。この場合、ユーザは、パラメータｅ’（歯肉辺縁レベルと歯肉境界レベルとの間の距離）によって、歯周ポケットの深さを確認することができる。また、ユーザは、パラメータｇ’（歯冠頂レベルと歯肉境界レベルとの間の距離と、歯肉境界レベルと根尖部レベルとの間の距離との比）によっても、歯肉の減退度合いを確認することができる。
【0057】
このように、ユーザは、支援装置１が推定した各種のパラメータを知ることで、歯牙および歯肉を含む生体組織における歯周病に係る病態を、低侵襲かつ短時間で診断することができる。
【0058】
［推定モデルの訓練］
図６および図７を参照しながら、機械学習による推定モデル５０の訓練について説明する。図６は、実施の形態１に係る推定モデル５０の学習フェーズにおける機械学習の一例を説明するための図である。
図６および図７を参照しながら、機械学習による推定モデル５０の訓練について説明する。図６は、実施の形態１に係る推定モデル５０の学習フェーズにおける機械学習の一例を説明するための図である。
【0059】
図６に示すように、実施の形態１においては、歯牙および歯肉を含む生体組織の合成画像データに加えて、計測方向および計測ポイントが教師データに含まれる。たとえば、推定モデル５０の訓練時においては、合成画像データ、計測方向、および計測ポイントと、正解データとして当該合成画像データ、当該計測方向、および当該計測ポイントに関連付けられた支援情報とを含む教師データを用いて、機械学習が行われる。また、支援情報としては、各歯牙の各計測ポイントにおける計測方向に沿った各レベル（歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、根尖部レベル）の位置情報が採用される。
【0060】
推定モデル５０は、合成画像データ、計測方向、および計測ポイントが入力されると、ニューラルネットワーク５１によって、当該合成画像データ、当該計測方向、および当該計測ポイントに基づき、各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報（支援情報）を推定する。推定モデル５０は、推定した各レベルの位置情報（支援情報）と、当該合成画像データ、当該計測方向、および当該計測ポイントに関連付けられた正解データである各レベルの位置情報（支援情報）とが一致するか否かを判定する。推定モデル５０は、両者が一致する場合はデータセット５２を更新しない一方で、両者が一致しない場合はデータセット５２を更新することで、データセット５２を最適化する。
【0061】
このように、推定モデル５０は、入力データである合成画像データ、計測方向、および計測ポイントと、正解データである各レベルの位置情報（支援情報）とを含む教師データを利用して、データセット５２が最適化されることで、入力データに基づき、各歯牙の各計測ポイントにおける計測方向に沿った各レベル（歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、根尖部レベル）の位置情報を精度高く推定できるように訓練される。
【0062】
図７は、実施の形態１に係る推定モデル５０の活用フェーズにおける支援情報の推定の一例を説明するための図である。図７に示すように、実施の形態１に係る推定モデル５０は、機械学習によって訓練されることで、合成画像データ、計測方向、および計測ポイントが入力されたときに、当該合成画像データ、当該計測方向、および当該計測ポイントに基づき、支援情報として、各歯牙の各計測ポイントにおける計測方向に沿った各レベル（歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、根尖部レベル）の位置情報を精度高く推定することができる。
【0063】
［データ生成処理］
図８を参照しながら、実施の形態１に係る支援装置１が実行する支援処理を説明する。図８は、実施の形態１に係る支援装置１が実行する支援処理の一例を説明するためのフローチャートである。図８に示す各ＳＴＥＰ（以下、「Ｓ」で示す。）は、支援装置１の演算装置１１が支援プログラム３０を実行することで実現される。
図８を参照しながら、実施の形態１に係る支援装置１が実行する支援処理を説明する。図８は、実施の形態１に係る支援装置１が実行する支援処理の一例を説明するためのフローチャートである。図８に示す各ＳＴＥＰ（以下、「Ｓ」で示す。）は、支援装置１の演算装置１１が支援プログラム３０を実行することで実現される。
【0064】
図８に示すように、支援装置１は、歯牙および歯肉を含む生体組織の合成画像データを取得する（Ｓ１）。支援装置１は、合成画像データに基づき、各歯牙に対して所定の計測方向を設定する（Ｓ２）。たとえば、支援装置１は、計測方向として、各歯牙に対して歯軸を設定する。このとき、支援装置１は、ユーザの指定に従って計測方法を設定する。なお、支援装置１は、ユーザの手動ではなく、予め定められた数学的手法で計測方向を設定してもよい。ユーザの手動ではなく、支援装置１が自動で計測方向を設定する場合、必要に応じてユーザがキーボード６１およびマウス６２などを用いて手動で計測方向を調整してもよい。
【0065】
支援装置１は、合成画像データに基づき、各歯牙に対して所定の計測ポイントを設定する（Ｓ３）。たとえば、支援装置１は、ユーザの指定に従い、一般的にプローブを用いて歯周ポケットの深さを測定する歯牙の周囲の位置を計測ポイントとして設定する。なお、支援装置１は、ユーザの手動ではなく、予め定められた数学的手法で計測ポイントを設定してもよい。ユーザの手動ではなく、支援装置１が自動で計測ポイントを設定する場合、必要に応じてユーザがキーボード６１およびマウス６２などを用いて手動で計測ポイントを調整してもよい。
【0066】
支援装置１は、各歯牙の各計測ポイントにおいて、推定モデル５０を用いて、計測方向に沿って存在する複数のレベルの各々に対応する位置情報（Ｘ，Ｙ，Ｚ）を推定する（Ｓ４）。たとえば、支援装置１は、図３に示すように、推定モデル５０を用いて、歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、および根尖部レベルを推定する。
【0067】
支援装置１は、推定した各レベルに基づき、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一であるか否かを判定する（Ｓ５）。すなわち、支援装置１は、歯肉が退縮することなく歯肉境界レベルと歯槽骨頂レベルとが同一または略同一であるか、または、歯肉が退縮して歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でないかを判定する。たとえば、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとの差が所定の閾値未満であるか否かを判定する。
【0068】
支援装置１は、歯肉境界レベルと歯槽骨頂レベルとの差が所定の閾値未満であり、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一であると判断した場合（Ｓ５でＹＥＳ）、図４に示すａ～ｇの各パラメータを算出する（Ｓ６）。一方、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとの差が所定の閾値以上であり、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でないと判断した場合（Ｓ５でＮＯ）、図４に示すｂ’，ｄ’，ｅ’，ｇ’の各パラメータを算出する（Ｓ７）。
【0069】
支援装置１は、ディスプレイ４０に歯牙および歯肉を含む生体組織の画像を表示するとともに、当該画像に計測ポイントを付加して表示する（Ｓ８）。たとえば、支援装置１は、図１および後述する図９に示すように、画像に示される歯牙の周囲に６点の計測ポイントを付加して表示する。
【0070】
さらに、支援装置１は、Ｓ６で算出した歯冠歯根比（パラメータｆ，ｇ，ｇ’）に基づき、歯周病における病態の進行度合いを判定して、その判定結果をディスプレイ４０に表示する。
【0071】
具体的には、支援装置１は、１つの計測ポイントについて、Ｓ６で算出した歯冠歯根比（パラメータｆ，ｇ，ｇ’）が１／２よりも小さいか否かを判定する（Ｓ９）。具体的には、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一である場合、パラメータｆ（＝ａ／ｃ）が１／２よりも小さいか否か、言い換えると歯肉辺縁レベルと根尖部レベルとの間の距離（ｃ）が歯冠頂レベルと歯肉辺縁レベルとの間の距離（ａ）の２倍よりも大きいか否かを判定する。あるいは、支援装置１は、パラメータｇ（＝ｂ／ｄ）が１／２よりも小さいか否か、言い換えると歯肉境界レベル（歯槽骨頂レベル）と根尖部レベルとの間の距離（ｄ）が歯冠頂レベルと歯肉境界レベル（歯槽骨頂レベル）との間の距離（ｂ）の２倍よりも大きいか否かを判定する。また、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、パラメータｇ’（＝ｂ’／ｄ’）が１／２よりも小さいか否か、言い換えると歯肉境界レベルと根尖部レベルとの間の距離（ｄ’）が歯冠頂レベルと歯肉境界レベルとの間の距離（ｂ’）の２倍よりも大きいか否かを判定する。
【0072】
支援装置１は、歯冠歯根比（パラメータｆ，ｇ，ｇ’）が１／２よりも小さい場合（Ｓ９でＹＥＳ）、歯肉が減退しておらず、歯周病に罹患している可能性が低いことを示すために、計測ポイントの周囲を第１色（たとえば、緑色）で表示する（Ｓ１０）。その後、支援装置１は、Ｓ１４の処理に移行する。
【0073】
一方、支援装置１は、歯冠歯根比（パラメータｆ，ｇ，ｇ’）が１／２よりも大きい場合（Ｓ９でＮＯ）、歯冠歯根比（パラメータｆ，ｇ，ｇ’）が１よりも小さいか否かを判定する（Ｓ１１）。具体的には、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一である場合、パラメータｆ（＝ａ／ｃ）が１よりも小さいか否か、言い換えると歯肉辺縁レベルと根尖部レベルとの間の距離（ｃ）が歯冠頂レベルと歯肉辺縁レベルとの間の距離（ａ）よりも大きいか否かを判定する。あるいは、支援装置１は、パラメータｇ（＝ｂ／ｄ）が１よりも小さいか否か、言い換えると歯肉境界レベル（歯槽骨頂レベル）と根尖部レベルとの間の距離（ｄ）が歯冠頂レベルと歯肉境界レベル（歯槽骨頂レベル）との間の距離（ｂ）よりも大きいか否かを判定する。また、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、パラメータｇ’（＝ｂ’／ｄ’）が１よりも小さいか否か、言い換えると歯肉境界レベルと根尖部レベルとの間の距離（ｄ’）が歯冠頂レベルと歯肉境界レベルとの間の距離（ｂ’）よりも大きいか否かを判定する。
【0074】
支援装置１は、歯冠歯根比（パラメータｆ，ｇ，ｇ’）が１よりも小さい場合（Ｓ１１でＹＥＳ）、歯肉が少し減退しており、歯周病に罹患することに注意することを示すために、計測ポイントの周囲を第２色（たとえば、橙色）で表示する（Ｓ１２）。その後、支援装置１は、Ｓ１４の処理に移行する。
【0075】
一方、支援装置１は、歯冠歯根比（パラメータｆ，ｇ，ｇ’）が１よりも大きい場合（Ｓ１１でＮＯ）、歯肉が大きく減退しており、歯周病に罹患している可能性が高いことを示すために、計測ポイントの周囲を第３色（たとえば、赤色）で表示する（Ｓ１３）。その後、支援装置１は、Ｓ１４の処理に移行する。
【0076】
Ｓ１４において、支援装置１は、画像に示された少なくとも１つの歯牙について、全ての計測ポイントを表示したか否かを判定する（Ｓ１４）。支援装置１は、全ての計測ポイントを表示していない場合（Ｓ１４でＮＯ）、Ｓ８の処理に移行する。一方、支援装置１は、全ての計測ポイントを表示した場合（Ｓ１４でＹＥＳ）、本処理を終了する。
【0077】
［支援情報の表示］
図９～図１３を参照しながら、実施の形態１に係る支援装置１による支援情報の表示の一例を説明する。図９は、実施の形態１に係る支援装置１による支援情報の第１の表示例を説明するための図である。
図９～図１３を参照しながら、実施の形態１に係る支援装置１による支援情報の表示の一例を説明する。図９は、実施の形態１に係る支援装置１による支援情報の第１の表示例を説明するための図である。
【0078】
図９に示すように、支援装置１は、ディスプレイ４０に歯冠部を上面から見た場合の歯牙の二次元画像を表示するとともに、歯冠部を上面から見た場合の歯牙の周囲において、６点の計測ポイントを付加して表示する。ユーザがキーボード６１およびマウス６２などの周辺機器を用いてカーソルを動かして、いずれかの計測ポイントを指定すると、支援装置１は、指定された計測ポイントの付近で、歯牙の番号とともに、支援情報として、指定された計測ポイントにおいて推定したパラメータをポップアップ表示する。
【0079】
たとえば、支援装置１は、カーソルで指定された歯牙において、歯牙の番号と、６点の計測ポイントの各々について推定した歯周ポケットの深さ（パラメータｅ，ｅ’）とを表示する。支援装置１は、図８のＳ９～Ｓ１３で説明したように、各計測ポイントの周囲を歯冠歯根比に基づく色で表示する。さらに、支援装置１は、カーソルで指定された計測ポイントについて、歯周ポケットの深さ（パラメータｅ，ｅ’）も歯冠歯根比（ｆ，ｇ，ｇ’）に応じた色で表示する。この例では、３６番の歯牙において、６点の計測ポイントの各々について推定したパラメータｅの値（３ｍｍ～６ｍｍの値）が表示される。さらに、各計測ポイントが歯冠歯根比（ｆ，ｇ）に基づく色で色分けされるとともに、カーソルで指定された計測ポイントに対応するパラメータｅの値（６ｍｍ）が歯冠歯根比（ｆ，ｇ）に基づく色で表示される。つまり、支援装置１は、歯冠歯根比（ｆ，ｇ）が示す歯肉の減退の程度に応じた色を表示する。これにより、ユーザは、歯周病の状況を客観的に把握し易くなる。
【0080】
なお、支援装置１は、歯周ポケットの深さ（パラメータｅ，ｅ’）に限らず、カーソルで指定された計測ポイントについて、推定した各種のパラメータの値を表示してもよい。たとえば、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一である場合、パラメータａ～ｇのいずれかを表示してもよい。また、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、パラメータｂ’，ｄ’，ｅ’，ｇ’のいずれかを表示してもよい。
【0081】
なお、図９の例において、支援装置１は、１つの歯牙（３６番の歯牙）のみについてパラメータの値を表示しているが、複数の歯牙または全部の歯牙について、各計測ポイントにおけるパラメータの値を表示してもよい。
【0082】
このように、支援装置１は、支援情報として、推定モデル５０を用いて推定したパラメータａ～ｇのいずれかまたはパラメータｂ’，ｄ’，ｅ’，ｇ’のいずれかを、生体組織の指定された位置に重畳させてディスプレイ４０に表示することができる。さらに、支援装置１は、支援情報として推定した歯周ポケットの深さ（パラメータｅ，ｅ’）を、歯冠歯根比（ｆ，ｇ，ｇ’）に応じた色でディスプレイ４０に表示することができる。このようなディスプレイ４０に表示された色分けされた各パラメータの値は、歯周病などの口腔内の生体組織における病態の進行度合いを示す情報になり得る。
【0083】
図１０は、実施の形態１に係る支援装置１による支援情報の第２の表示例を説明するための図である。図１０に示すように、支援装置１は、各歯牙における歯周ポケットの深さをまとめたチャートを作成し、作成したチャートをディスプレイ４０に表示してもよい。
【0084】
たとえば、支援装置１は、各歯牙において、支援情報として、６点の計測ポイントの各々について推定した歯周ポケットの深さ（パラメータｅ，ｅ’）を表示する。なお、図１０の例において、支援装置１は、１つの歯牙（３６番の歯牙）のみについて歯周ポケットの深さ（パラメータｅ，ｅ’）を表示しているが、複数の歯牙または全部の歯牙について、各計測ポイントにおける歯周ポケットの深さ（パラメータｅ，ｅ’）を表示してもよい。
【0085】
図１１は、実施の形態１に係る支援装置１による支援情報の第３の表示例を説明するための図である。図１１に示すように、支援装置１は、歯列を模した二次元画像をディスプレイ４０に表示するとともに、整列した各歯牙の各計測ポイントについて、支援情報として、歯周ポケットの深さ（パラメータｅ，ｅ’）を表示してもよい。たとえば、図１１においては、上側の歯列および下側の歯列の各々に含まれる各歯牙における表側と裏側の画像がディスプレイ４０に表示され、各歯牙の歯肉辺縁レベルを「０」とした場合の歯肉境界レベルの位置に点がプロットされている。なお、図１１の例において、支援装置１は、支援情報として、各歯牙の歯周ポケットの深さ（パラメータｅ，ｅ’）のみを表示しているが、推定モデル５０を用いて推定したパラメータａ～ｇのいずれかまたはパラメータｂ’，ｄ’，ｅ’，ｇ’のいずれかを表示してもよい。
【0086】
図１２は、実施の形態１に係る支援装置による支援情報の第４の表示例を説明するための図である。図１２に示すように、支援装置１は、歯列または口腔内を示す三次元画像をディスプレイ４０に表示するとともに、ユーザによって指定された計測ポイントの付近で、歯牙の番号とともに、支援情報として、指定された計測ポイントにおいて推定したパラメータをポップアップ表示してもよい。
【0087】
たとえば、支援装置１は、カーソルで指定された歯牙において、歯牙の番号と、６点の計測ポイントの各々について推定した歯周ポケットの深さ（パラメータｅ，ｅ’）とを表示してもよい。また、支援装置１は、カーソルで指定された歯牙の部分について、歯周ポケットの深さ（パラメータｅ，ｅ’）を歯冠歯根比（ｆ，ｇ，ｇ’）に応じた色で表示してもよい。この例では、３６番の歯牙において、６点の計測ポイントの各々について推定したパラメータｅの値（３ｍｍ～６ｍｍの値）が表示される。さらに、カーソルで指定された計測ポイントに対応するパラメータｅの値（６ｍｍ）が歯冠歯根比（ｆ，ｇ）に基づく色で表示される。
【0088】
支援装置１は、各歯牙の付近の歯肉を、歯冠歯根比（ｆ，ｇ，ｇ’）に基づく色で色分けして表示してもよい。たとえば、支援装置１は、歯冠歯根比に応じてヒートマップなどを用いて歯肉の色を強調表示することで、歯周ポケットの深さ（パラメータｅ，ｅ’）の度合いをユーザに示してもよい。これにより、ユーザは、歯列における各部分について、歯周ポケットの深さ（パラメータｅ，ｅ’）の度合いを客観的に把握することができる。
【0089】
さらに、支援装置１は、各歯牙の周囲の連続した部分（たとえば、６点を超える計測ポイント）についてパラメータａ～ｇのいずれかまたはパラメータｂ’，ｄ’，ｅ’，ｇ’のいずれかを算出して表示してもよいし、歯冠歯根比（ｆ，ｇ，ｇ’）については個々の歯牙で平均値または偏差などを算出して表示してもよい。支援装置１は、歯周ポケットの深さをユーザが客観的に把握することができるように、歯肉の色を強調表示してもよい。
【0090】
なお、支援装置１は、歯周ポケットの深さ（パラメータｅ，ｅ’）に限らず、カーソルで指定された計測ポイントについて、推定した各種のパラメータの値を表示してもよい。たとえば、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一である場合、パラメータａ～ｇのいずれかを表示してもよい。また、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、パラメータｂ’，ｄ’，ｅ’，ｇ’のいずれかを表示してもよい。
【0091】
図１３は、実施の形態１に係る支援装置による支援情報の第５の表示例を説明するための図である。図１３に示すように、支援装置１は、歯牙および歯肉を含む生体組織の三次元の合成画像をディスプレイ４０に表示するとともに、ユーザによって指定された計測ポイントの付近で、歯牙の番号とともに、支援情報として、指定された計測ポイントにおいて推定したパラメータをポップアップ表示してもよい。
【0092】
たとえば、支援装置１は、カーソルで指定された歯牙において、歯牙の番号と、６点の計測ポイントの各々について推定した歯周ポケットの深さ（パラメータｅ，ｅ’）とを表示してもよい。また、支援装置１は、カーソルで指定された歯牙の部分について、歯周ポケットの深さ（パラメータｅ，ｅ’）を歯冠歯根比（ｆ，ｇ，ｇ’）に応じた色で表示してもよい。この例では、４６番の歯牙において、６点の計測ポイントの各々について推定したパラメータｅの値（３ｍｍ～６ｍｍの値）が表示される。また、支援装置１は、カーソルで指定された計測ポイントに対応するパラメータｅの値（６ｍｍ）を歯冠歯根比（ｆ，ｇ）に基づく色で表示してもよい。
【0093】
さらに、支援装置１は、各歯牙の周囲の連続した部分（たとえば、６点を超える計測ポイント）についてパラメータａ～ｇのいずれかまたはパラメータｂ’，ｄ’，ｅ’，ｇ’のいずれかを算出して表示してもよいし、歯冠歯根比（ｆ，ｇ，ｇ’）については個々の歯牙で平均値または偏差などを算出して表示してもよい。支援装置１は、歯周ポケットの深さをユーザが客観的に把握することができるように、歯肉の色を強調表示してもよい。
【0094】
なお、支援装置１は、歯周ポケットの深さ（パラメータｅ，ｅ’）に限らず、カーソルで指定された計測ポイントについて、推定した各種のパラメータの値を表示してもよい。たとえば、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一である場合、パラメータａ～ｇのいずれかを表示してもよい。また、支援装置１は、歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、パラメータｂ’，ｄ’，ｅ’，ｇ’のいずれかを表示してもよい。
【0095】
以上のように、支援装置１は、ＩＯＳデータおよびＣＴデータに基づき生成した合成画像の画像データ（合成画像データ）に基づき、各歯牙について、ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’の各種のパラメータを推定し、これらパラメータの値をユーザに提示する。これにより、ユーザは、患者の歯周ポケットにプローブを挿入することなく低侵襲で歯周ポケットの深さを確認することができ、自身の技量に頼ることなく精度高く歯周病の進行状態を確認することができる。
【0096】
さらに、支援装置１は、図９～図１３に示すように、歯牙を含む二次元または三次元の画像をディスプレイ４０に表示するとともに、指定された計測ポイントにおける歯周ポケットの深さ（パラメータｅ，ｅ’）などの各種のパラメータの値を表示したり、歯冠歯根比（ｆ，ｇ，ｇ’）に基づき歯肉またはパラメータの値を色分けしたりする。これにより、ユーザは、歯周病の病態の進行度合いを容易に把握することができるため、患者に対して説明し易くなり、また患者の理解も得やすくすることができる。
【0097】
［実施の形態１の変形例］
図１４～図１９を参照しながら、実施の形態１に係る支援装置１の変形例について説明する。なお、実施の形態１に係る支援装置１の変形例においては、実施の形態１に係る支援装置１と異なる部分のみを説明し、実施の形態１に係る支援装置１と同じ部分については、同一符号を付してその説明を繰り返さない。
図１４～図１９を参照しながら、実施の形態１に係る支援装置１の変形例について説明する。なお、実施の形態１に係る支援装置１の変形例においては、実施の形態１に係る支援装置１と異なる部分のみを説明し、実施の形態１に係る支援装置１と同じ部分については、同一符号を付してその説明を繰り返さない。
【0098】
第１の変形例について説明する。図１４は、第１の変形例に係る推定モデル５０の学習フェーズにおける機械学習の一例を説明するための図である。図１４に示すように、第１の変形例においては、計測方向および計測ポイントが教師データに含まれない。また、正解データである支援情報として、各歯牙の各計測ポイントにおける計測方向に沿った各レベル（歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、根尖部レベル）の位置情報が採用される。
【0099】
推定モデル５０は、合成画像データが入力されると、ニューラルネットワーク５１によって、当該合成画像データに基づき、各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報（支援情報）を推定する。このとき、推定モデル５０は、計測方向および計測ポイントについては入力されていないが、自らの推定によって、各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報（支援情報）を推定する。推定モデル５０は、推定した各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報（支援情報）と、当該合成画像データに関連付けられた正解データである各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報（支援情報）とが一致するか否かを判定する。推定モデル５０は、両者が一致する場合はデータセット５２を更新しない一方で、両者が一致しない場合はデータセット５２を更新することで、データセット５２を最適化する。
【0100】
このように、推定モデル５０は、入力データである合成画像データと、正解データである各レベルの位置情報（支援情報）とを含む教師データを利用して、データセット５２が最適化されることで、入力データに基づき、各歯牙の各計測ポイントにおける計測方向に沿った各レベル（歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、根尖部レベル）の位置情報を精度高く推定できるように訓練される。つまり、推定モデル５０は、入力されていない計測方向および計測ポイントについても機械学習することで、計測方向および計測ポイントが入力されなくとも、入力された合成画像データに基づき、各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報を精度高く推定できるように訓練される。
【0101】
図１５は、第１の変形例に係る推定モデル５０の活用フェーズにおける支援情報の推定の一例を説明するための図である。図１５に示すように、第１の変形例に係る推定モデル５０は、機械学習によって訓練されることで、合成画像データが入力されたときに、当該合成画像データに基づき、支援情報として、各歯牙の各計測ポイントにおける計測方向に沿った各レベル（歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、根尖部レベル）の位置情報を推定することができる。このように、第１の変形例に係る推定モデル５０によれば、図８のＳ２およびＳ３のようなユーザの指定に従って計測方向および計測ポイントを設定することなく、自動的に計測方向および計測ポイントを推定して、各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報を精度高く推定することができる。
【0102】
なお、学習フェーズにおいては、計測方向および計測ポイントのうちのいずれか１つが、合成画像データとともに入力データに含まれてもよい。この場合、活用フェーズにおいて、推定モデル５０は、計測方向および計測ポイントのうちのいずれか１つと、合成画像データとを含む入力データに基づき、各歯牙の各計測ポイントにおける計測方向に沿った各レベルの位置情報を精度高く推定することができる。
【0103】
第２の変形例について説明する。図１６は、第２の変形例に係る推定モデル５０の学習フェーズにおける機械学習の一例を説明するための図である。図１６に示すように、第２の変形例においては、支援情報として、各歯牙の各計測ポイントにおける各パラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）が採用される。たとえば、推定対象である歯牙において歯肉境界レベルと歯槽骨頂レベルとが同一または略同一である場合、支援情報として、各歯牙の各計測ポイントにおけるａ～ｇの各パラメータが採用される。また、推定対象である歯牙において歯肉境界レベルと歯槽骨頂レベルとが同一または略同一でない場合、支援情報として、各歯牙の各計測ポイントにおけるｂ’，ｄ’，ｅ’，ｇ’の各パラメータが採用される。
【0104】
推定モデル５０の訓練時においては、入力データとして合成画像データ、計測方向、および計測ポイントと、正解データとして当該合成画像データ、当該計測方向、および当該計測ポイントに関連付けられた支援情報（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）とを含む教師データを用いて、機械学習が行われる。なお、計測方向および計測ポイントのうちのいずれか１つが、合成画像データとともに入力データに含まれてもよい。
【0105】
推定モデル５０は、合成画像データ、計測方向、および計測ポイントが入力されると、ニューラルネットワーク５１によって、当該画像データ、当該計測方向、および当該計測ポイントに基づき、各歯牙の各計測ポイントにおける各パラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）を推定する。推定モデル５０は、推定した各パラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）（支援情報）と、当該画像データ、当該計測方向、および当該計測ポイントに関連付けられた正解データである各歯牙の各計測ポイントにおける各パラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）とが一致するか否かを判定する。推定モデル５０は、両者が一致する場合はデータセット５２を更新しない一方で、両者が一致しない場合はデータセット５２を更新することで、データセット５２を最適化する。
【0106】
このように、推定モデル５０は、入力データである合成画像データ、計測方向、および計測ポイントと、正解データである各歯牙の各計測ポイントにおける各パラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）（支援情報）とを含む教師データを利用して、データセット５２が最適化されることで、入力データに基づき、各歯牙の各計測ポイントにおける各パラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）を精度高く推定できるように訓練される。
【0107】
図１７は、第２の変形例に係る推定モデル５０の活用フェーズにおける支援情報の推定の一例を説明するための図である。図１７に示すように、第２の変形例に係る推定モデル５０は、機械学習によって訓練されることで、合成画像データ、計測方向、および計測ポイントが入力されたときに、当該画像データ、当該計測方向、および当該計測ポイントに基づき、支援情報として、各歯牙の各計測ポイントにおける各パラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）を精度高く推定することができる。
【0108】
なお、学習フェーズにおいては、複数のパラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）のうちの少なくとも１つが、正解データである支援情報に含まれてもよい。この場合、活用フェーズにおいて、推定モデル５０は、合成画像データ、計測方向、および計測ポイントを含む入力データに基づき、支援情報として、各歯牙の各計測ポイントにおける複数のパラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）のうちの少なくとも１つを推定する。
【0109】
第３の変形例について説明する。図１８は、第３の変形例に係る推定モデル５０の学習フェーズにおける機械学習の一例を説明するための図である。図１８に示すように、第３の変形例においては、支援情報として、口腔内の生体組織における病態の種類および病態の進行度合いが採用される。
【0110】
推定モデル５０の訓練時においては、入力データとして合成画像データ、計測方向、および計測ポイントと、正解データとして当該画像データ、当該計測方向、および当該計測ポイントに関連付けられた支援情報（病態の種類および病態の進行度合い）とを含む教師データを用いて、機械学習が行われる。なお、計測方向および計測ポイントのうちのいずれか１つが、画像データとともに入力データに含まれてもよい。
【0111】
推定モデル５０は、合成画像データ、計測方向、および計測ポイントが入力されると、ニューラルネットワーク５１によって、当該画像データ、当該計測方向、および当該計測ポイントに基づき、口腔内の生体組織における病態の種類および病態の進行度合いを推定する。推定モデル５０は、推定した病態の種類および病態の進行度合い（支援情報）と、当該画像データ、当該計測方向、および当該計測ポイントに関連付けられた正解データである口腔内の生体組織における病態の種類および病態の進行度合いとが一致するか否かを判定する。推定モデル５０は、両者が一致する場合はデータセット５２を更新しない一方で、両者が一致しない場合はデータセット５２を更新することで、データセット５２を最適化する。
【0112】
このように、推定モデル５０は、入力データである合成画像データ、計測方向、および計測ポイントと、正解データである口腔内の生体組織における病態の種類および病態の進行度合い（支援情報）とを含む教師データを利用して、データセット５２が最適化されることで、入力データに基づき、口腔内の生体組織における病態の種類および病態の進行度合いを精度高く推定できるように訓練される。
【0113】
図１９は、第３の変形例に係る推定モデル５０の活用フェーズにおける支援情報の推定の一例を説明するための図である。図１９に示すように、第３の変形例に係る推定モデル５０は、機械学習によって訓練されることで、合成画像データ、計測方向、および計測ポイントが入力されたときに、当該画像データ、当該計測方向、および当該計測ポイントに基づき、支援情報として、口腔内の生体組織における病態の種類および病態の進行度合いを精度高く推定することができる。
【0114】
なお、学習フェーズにおいては、病態の種類および病態の進行度合いのうちの少なくとも１つが、正解データである支援情報に含まれてもよい。この場合、活用フェーズにおいて、推定モデル５０は、合成画像データ、計測方向、および計測ポイントを含む入力データに基づき、支援情報として、病態の種類および病態の進行度合いのうちの少なくとも１つを推定する。
【0115】
以上のように、支援装置１は、推定モデル５０を用いて、診断情報として、複数のレベル（歯冠頂レベル、歯肉辺縁レベル、歯槽骨頂レベル、歯肉境界レベル、根尖部レベル）のうちの少なくとも１つを推定してもよいし、当該レベルを推定することなくパラメータ（ａ～ｇまたはｂ’，ｄ’，ｅ’，ｇ’）のうちの少なくとも１つを推定してもよいし、当該レベルおよび当該パラメータを推定することなく歯周病における病態の種類および病態の進行度合いのうちの少なくとも１つを推定してもよい。
【0116】
また、歯周病に罹患した歯牙は、歯肉が下がることで、歯周病に罹患していない歯牙よりも、歯牙の表面部分が多く現れる。すなわち、歯周病に罹患しているか否かに応じて、歯牙および歯肉を含む生体組織のの表面の色が異なる。そこで、支援装置１は、三次元スキャナによって取得された三次元データに含まれる生体組織の表面の色を示す色情報を、合成画像データとともに教師データの入力データとして採用して機械学習を行ってもよい。この場合、支援装置１は、合成画像データに加えて生体組織の表面の色に基づき、歯周病における病態の進行度合いを精度高く推定することができる。
【0117】
＜実施の形態２＞
図２０～図２２を参照しながら、実施の形態２に係る支援装置１を説明する。なお、実施の形態２に係る支援装置１においては、実施の形態１に係る支援装置１と異なる部分のみを説明し、実施の形態１に係る支援装置１と同じ部分については、同一符号を付してその説明を繰り返さない。
図２０～図２２を参照しながら、実施の形態２に係る支援装置１を説明する。なお、実施の形態２に係る支援装置１においては、実施の形態１に係る支援装置１と異なる部分のみを説明し、実施の形態１に係る支援装置１と同じ部分については、同一符号を付してその説明を繰り返さない。
【0118】
図２０は、実施の形態２に係る推定モデル５０の学習フェーズにおける機械学習の一例を説明するための図である。図２０に示すように、実施の形態２においては、合成画像データに加えて、当該合成画像データによって示される生体組織を有する患者の性別、年齢、および骨密度に関連する情報のうちの少なくとも１つが教師データに含まれる。骨密度に関連する情報は、個別の歯牙の周囲の顎骨のＣＴ値（ＣＴ画像における白黒の画像濃度値）、および個別の歯牙の周囲の顎骨の海綿骨構造指標（ＴＢＳ：Trabecular Bone Score）のうちの少なくとも１つを含む。また、支援情報として、口腔内の生体組織における病態の進行度合いが採用される。
【0119】
ここで、患者の性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）に応じて、歯周病における病態の進行度合いが異なる傾向にある。たとえば、女性は男性よりも歯周病に罹患し易いと言われている。また、老化によっても歯周病に罹患し易くなる。さらに、骨密度が低いほど歯周病に罹患し易くなる。このため、教師データとして、推定モデル５０の入力データに患者の性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）のうちの少なくとも１つを採用すれば、推定モデル５０は、歯周病における病態の進行度合いを推定することができる。
【0120】
たとえば、推定モデル５０の訓練時においては、入力データとして合成画像データ、性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）と、正解データとして当該画像データ、当該性別、当該年齢、および当該骨密度に関連する情報に関連付けられた支援情報（病態の進行度合い）とを含む教師データを用いて、機械学習が行われる。なお、計測方向および計測ポイントのうちのいずれか１つが、入力データに含まれてもよい。
【0121】
推定モデル５０は、合成画像データ、性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）が入力されると、ニューラルネットワーク５１によって、当該画像データ、当該性別、当該年齢、および当該骨密度に関連する情報に基づき、口腔内の生体組織における病態の進行度合いを推定する。推定モデル５０は、推定した病態の進行度合い（支援情報）と、当該画像データ、当該性別、当該年齢、および当該骨密度に関連する情報に関連付けられた正解データである口腔内の生体組織における病態の進行度合いとが一致するか否かを判定する。推定モデル５０は、両者が一致する場合はデータセット５２を更新しない一方で、両者が一致しない場合はデータセット５２を更新することで、データセット５２を最適化する。
【0122】
このように、推定モデル５０は、入力データである合成画像データ、性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）と、正解データである口腔内の生体組織における病態の進行度合い（支援情報）とを含む教師データを利用して、データセット５２が最適化されることで、入力データに基づき、口腔内の生体組織における病態の進行度合いを精度高く推定できるように訓練される。
【0123】
図２１は、実施の形態２に係る推定モデル５０の活用フェーズにおける支援情報の推定の一例を説明するための図である。図２１に示すように、実施の形態２に係る推定モデル５０は、機械学習によって訓練されることで、合成画像データ、性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）が入力されたときに、当該画像データ、当該性別、当該年齢、および当該骨密度に関連する情報に基づき、口腔内の生体組織における病態の進行度合いを精度高く推定することができる。
【0124】
なお、学習フェーズにおいては、合成画像データに加えて、性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）のうちの少なくとも１つが、入力データに含まれてもよい。この場合、活用フェーズにおいて、推定モデル５０は、合成画像データと、性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）のうちの少なくとも１つとに基づき、支援情報として、病態の進行度合いを推定する。
【0125】
このように、支援装置１は、歯周病における病態の進行度合いに影響を与え得る、患者の性別、年齢、および骨密度に関連する情報（ＣＴ値，海綿骨構造指標）のうちの少なくとも１つを、教師データの入力データとして採用して機械学習を行うことで、術者の経験によることなく、かつ術者の負担を軽減しながら、歯周病における病態の進行度合いを精度高く推定することができる。また、ユーザは、今後導入されるであろう国民皆歯科健診において、毎年、支援装置１を用いて患者の歯周病における病態の進行度合いを推定して記録すれば、当該記録に基づいて将来における病態の進行度合いをも予測することができる。
【0126】
さらに、上述したような毎年の病態の進行度合いの記録を入力データとし、病態の進行度合いを正解データとした教師データを用いて推定モデル５０を機械学習して訓練してもよい。この場合、推定モデル５０は、現在の病態の進行度合いを入力されたときに、当該現在の病態の進行度合いに基づき、将来の病態の進行度合いを推定することも可能である。
【0127】
図２２は、実施の形態２に係る支援装置１による支援情報の出力の一例を説明するための図である。図２２に示すように、支援装置１は、推定モデル５０を用いて推定した歯周病における病態の進行度合いを、所定の判定基準に基づいてスコア化して、算出したスコアをディスプレイ４０に表示してもよい。
【0128】
たとえば、図２２（Ａ）に示すように、支援装置１は、歯列全体について、歯周病における病態の進行度合いを推定し、所定の判定基準に基づいて、当該病態の進行度合いに対応するスコアを、「正常」、「進行（要観察）」、「不遇（許容超え）」ごとに算出して表示してもよい。図２２（Ｂ）に示すように、支援装置１は、上側左の歯列、上側右の歯列、下側左の歯列、および下側右の歯列の各々について、歯周病における病態の進行度合いを推定し、所定の判定基準に基づいて、当該病態の進行度合いに対応するスコアを、「正常」、「進行（要観察）」、「不遇（許容超え）」ごとに算出して表示してもよい。図２２（Ｃ）に示すように、支援装置１は、上側左の歯列、上側右の歯列、下側左の歯列、および下側右の歯列の各々に含まれる各歯牙について、歯周病における病態の進行度合いを推定し、所定の判定基準に基づいて、当該病態の進行度合いに対応するスコアを、「正常」、「進行（要観察）」、「不遇（許容超え）」ごとに算出して表示してもよい。
【0129】
なお、支援装置１は、図９～図１３に示すような歯牙の画像において、病態の進行度合いに対応するスコアを表示してもよい。たとえば、支援装置１は、図１２または図１３に示すような歯牙および歯肉を含む生体組織の画像において、病態の進行度合いに応じてヒートマップなどを用いて歯肉の色を強調表示してもよい。支援装置１は、このような病態の進行度合いを示した画像を、将来の経過時間ごと（たとえば、１年後、２年後など）に時系列で表示することで、病態の進行度合い（支援情報）の将来の変化を予測したシミュレーション情報をユーザに示してもよい。
【0130】
＜実施の形態３＞
図２３および図２４を参照しながら、実施の形態３に係る支援装置１を説明する。なお、実施の形態３に係る支援装置１においては、実施の形態１に係る支援装置１と異なる部分のみを説明し、実施の形態１に係る支援装置１と同じ部分については、同一符号を付してその説明を繰り返さない。
図２３および図２４を参照しながら、実施の形態３に係る支援装置１を説明する。なお、実施の形態３に係る支援装置１においては、実施の形態１に係る支援装置１と異なる部分のみを説明し、実施の形態１に係る支援装置１と同じ部分については、同一符号を付してその説明を繰り返さない。
【0131】
【0132】
図２３に示すように、実施の形態３に係る支援装置１は、各歯牙の各計測ポイントにおいて、推定モデル５０を用いて、計測方向に沿って存在する生体組織の位置を示す複数のレベルとして、ＣＥＪレベル、歯肉辺縁レベル、根分岐部レベル、骨欠損最深部レベル、および根尖部レベルの各々に対応する位置情報（Ｘ，Ｙ，Ｚ）を推定する。ＣＥＪレベルは、歯根と歯根膜との間に位置するセメント質と、歯肉から出た歯牙を覆っているエナメル質との境目（セメント・エナメル境）の位置（たとえば、高さ）に対応するレベルである。根分岐部レベルは、根分岐部の位置（たとえば、高さ）に対応するレベルである。骨欠損最深部レベルは、根分岐部が病変して根分岐部と歯槽骨との間に空間ができた場合において、当該歯槽骨の欠損最深部の位置（たとえば、高さ）に対応するレベルである。
【0133】
支援装置１は、各歯牙の各計測ポイントにおいて、ＣＥＪレベル、歯肉辺縁レベル、根分岐部レベル、骨欠損最深部レベル、および根尖部レベルを推定することで、病変した根分岐部における病態の進行度合いを導出することができる。具体的には、図２３および図２４に示すように、支援装置１は、パラメータｈ～ｌの各パラメータを算出する。パラメータｈは、ＣＥＪレベルと根分岐部レベルとの間における計測方向に沿った距離を示す値である。パラメータｉは、ＣＥＪレベルと骨欠損最深部レベルとの間における計測方向に沿った距離を示す値である。パラメータｊは、ＣＥＪレベルと歯肉辺縁レベルとの間における計測方向に沿った距離を示す値である。パラメータｋは、根分岐部レベルと骨欠損最深部レベルとの間における計測方向に沿った距離を示す値である。パラメータｌは、骨欠損最深部レベルと根尖部レベルとの間における計測方向に沿った距離を示す値である。
【0134】
ユーザは、支援装置１によって推定される各種のパラメータを用いることで、各歯牙の各計測ポイントについて、病変した根分岐部における病態を診断することができる。たとえば、ユーザは、支援装置１によって推定されたパラメータｈ～ｌの少なくとも１つに基づき、公知のGlickmanの根分岐部病変分類、Lindheの根分岐部病変分類、またはTarnow&Fletcherの分類などを用いて病変した根分岐部における病態を診断することができる。
【0135】
このように、ユーザは、支援装置１が推定した各種のパラメータを知ることで、歯牙および歯肉を含む生体組織における根分岐部病変に係る病態を、低侵襲かつ短時間で診断することができる。
【0136】
なお、支援装置１は、推定モデル５０を用いて、診断情報として、複数のレベル（ＣＥＪレベル、歯肉辺縁レベル、根分岐部レベル、骨欠損最深部レベル、根尖部レベル）のうちの少なくとも１つを推定してもよいし、当該レベルを推定することなくパラメータｈ～ｌのうちの少なくとも１つを推定してもよいし、当該レベルおよび当該パラメータを推定することなく病変した根分岐部における病態の進行度合いを推定してもよい。
【0137】
なお、上述した実施の形態１および実施の形態２の各々に係る支援装置１は、互いの構成および機能を単独または組み合わせて備えていてもよい。さらに、実施の形態１および実施の形態２の各々に係る支援装置１は、上述した変形例の構成および機能を単独または組み合わせて備えていてもよい。
【0138】
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。
【符号の説明】
【0139】
１ 支援装置、１１ 演算装置、１２ メモリ、１３ 記憶装置、１４ 入力インターフェース、１５ ディスプレイインターフェース、１６ 周辺機器インターフェース、１７ メディア読取装置、１８ 通信装置、２０ リムーバブルディスク、３０ 支援プログラム、４０ ディスプレイ、５０ 推定モデル、５１ ニューラルネットワーク、５２ データセット、６１ キーボード、６２ マウス。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】