JP2024512334A - 歯科用撮像システムと画像解析 - Google Patents
歯科用撮像システムと画像解析 Download PDFInfo
- Publication number
- JP2024512334A JP2024512334A JP2023553614A JP2023553614A JP2024512334A JP 2024512334 A JP2024512334 A JP 2024512334A JP 2023553614 A JP2023553614 A JP 2023553614A JP 2023553614 A JP2023553614 A JP 2023553614A JP 2024512334 A JP2024512334 A JP 2024512334A
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- fluorescence
- intensity
- optionally
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 21
- 238000010191 image analysis Methods 0.000 title description 7
- 230000003902 lesion Effects 0.000 claims abstract description 160
- 239000002105 nanoparticle Substances 0.000 claims abstract description 80
- 230000000694 effects Effects 0.000 claims abstract description 41
- 230000004888 barrier function Effects 0.000 claims abstract description 39
- 238000010801 machine learning Methods 0.000 claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 claims abstract description 22
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 52
- 208000002925 dental caries Diseases 0.000 claims description 48
- 210000000214 mouth Anatomy 0.000 claims description 27
- 230000005284 excitation Effects 0.000 claims description 19
- 239000002245 particle Substances 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000002073 fluorescence micrograph Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 125000002091 cationic group Chemical group 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 206010061818 Disease progression Diseases 0.000 claims 1
- 230000005750 disease progression Effects 0.000 claims 1
- 230000001678 irradiating effect Effects 0.000 claims 1
- 230000017105 transposition Effects 0.000 claims 1
- 238000011282 treatment Methods 0.000 description 34
- 210000003298 dental enamel Anatomy 0.000 description 25
- 238000001514 detection method Methods 0.000 description 15
- 230000035945 sensitivity Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 10
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 9
- 229920002472 Starch Polymers 0.000 description 9
- 235000019698 starch Nutrition 0.000 description 9
- 239000008107 starch Substances 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 239000000523 sample Substances 0.000 description 7
- 239000007850 fluorescent dye Substances 0.000 description 6
- 239000011347 resin Substances 0.000 description 6
- 229920005989 resin Polymers 0.000 description 6
- 208000006558 Dental Calculus Diseases 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 5
- 230000001351 cycling effect Effects 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 241000282412 Homo Species 0.000 description 4
- 239000002253 acid Substances 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 229920003023 plastic Polymers 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 208000003445 Mouth Neoplasms Diseases 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 239000008367 deionised water Substances 0.000 description 3
- 229910021641 deionized water Inorganic materials 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 210000003811 finger Anatomy 0.000 description 3
- 238000012632 fluorescent imaging Methods 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 208000012987 lip and oral cavity carcinoma Diseases 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000013642 negative control Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000011514 reflex Effects 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 241000519995 Stachys sylvatica Species 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000006059 cover glass Substances 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- PYWVYCXTNDRMGF-UHFFFAOYSA-N rhodamine B Chemical compound [Cl-].C=12C=CC(=[N+](CC)CC)C=C2OC2=CC(N(CC)CC)=CC=C2C=1C1=CC=CC=C1C(O)=O PYWVYCXTNDRMGF-UHFFFAOYSA-N 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- IHDBZCJYSHDCKF-UHFFFAOYSA-N 4,6-dichlorotriazine Chemical compound ClC1=CC(Cl)=NN=N1 IHDBZCJYSHDCKF-UHFFFAOYSA-N 0.000 description 1
- GZAJOEGTZDUSKS-UHFFFAOYSA-N 5-aminofluorescein Chemical compound C12=CC=C(O)C=C2OC2=CC(O)=CC=C2C21OC(=O)C1=CC(N)=CC=C21 GZAJOEGTZDUSKS-UHFFFAOYSA-N 0.000 description 1
- NJYVEMPWNAYQQN-UHFFFAOYSA-N 5-carboxyfluorescein Chemical compound C12=CC=C(O)C=C2OC2=CC(O)=CC=C2C21OC(=O)C1=CC(C(=O)O)=CC=C21 NJYVEMPWNAYQQN-UHFFFAOYSA-N 0.000 description 1
- HWQQCFPHXPNXHC-UHFFFAOYSA-N 6-[(4,6-dichloro-1,3,5-triazin-2-yl)amino]-3',6'-dihydroxyspiro[2-benzofuran-3,9'-xanthene]-1-one Chemical compound C=1C(O)=CC=C2C=1OC1=CC(O)=CC=C1C2(C1=CC=2)OC(=O)C1=CC=2NC1=NC(Cl)=NC(Cl)=N1 HWQQCFPHXPNXHC-UHFFFAOYSA-N 0.000 description 1
- IDLISIVVYLGCKO-UHFFFAOYSA-N 6-carboxy-4',5'-dichloro-2',7'-dimethoxyfluorescein Chemical compound O1C(=O)C2=CC=C(C(O)=O)C=C2C21C1=CC(OC)=C(O)C(Cl)=C1OC1=C2C=C(OC)C(O)=C1Cl IDLISIVVYLGCKO-UHFFFAOYSA-N 0.000 description 1
- VDABVNMGKGUPEY-UHFFFAOYSA-N 6-carboxyfluorescein succinimidyl ester Chemical compound C=1C(O)=CC=C2C=1OC1=CC(O)=CC=C1C2(C1=C2)OC(=O)C1=CC=C2C(=O)ON1C(=O)CCC1=O VDABVNMGKGUPEY-UHFFFAOYSA-N 0.000 description 1
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 239000000120 Artificial Saliva Substances 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 239000004904 UV filter Substances 0.000 description 1
- 206010047642 Vitiligo Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 150000001412 amines Chemical group 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000009241 dentin caries Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- NJDNXYGOVLYJHP-UHFFFAOYSA-L disodium;2-(3-oxido-6-oxoxanthen-9-yl)benzoate Chemical compound [Na+].[Na+].[O-]C(=O)C1=CC=CC=C1C1=C2C=CC(=O)C=C2OC2=CC([O-])=CC=C21 NJDNXYGOVLYJHP-UHFFFAOYSA-L 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000002296 dynamic light scattering Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 201000010840 enamel caries Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- -1 fluorescein Chemical class 0.000 description 1
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005182 global health Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002324 mouth wash Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000006072 paste Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229940043267 rhodamine b Drugs 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 239000000606 toothpaste Substances 0.000 description 1
- 229940034610 toothpaste Drugs 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000010981 turquoise Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C9/00—Impression cups, i.e. impression trays; Impression methods
- A61C9/004—Means or methods for taking digitized impressions
- A61C9/0046—Data acquisition means or methods
- A61C9/0053—Optical means or methods, e.g. scanning the teeth by a laser or light beam
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/24—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the mouth, i.e. stomatoscopes, e.g. with tongue depressors; Instruments for opening or keeping open the mouth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00163—Optical arrangements
- A61B1/00186—Optical arrangements with imaging filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/06—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor with illuminating arrangements
- A61B1/0661—Endoscope light sources
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
- A61B5/4547—Evaluating teeth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Epidemiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Rheumatology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
- Endoscopes (AREA)
Abstract
撮像システム(オプションとして、口腔内カメラ)は、青色光源と、カメラセンサ上のバリアフィルタと、を含む。オプションとして、撮像システムは、白色光画像を撮影することもできる。オプションとして、システムは、フルオレセインを含む正に帯電したナノ粒子が含む。蛍光ナノ粒子は、マシンビジョン又は機械学習アルゴリズムによってピクセルレベルベースで歯の画像上で識別できる。白色光又は蛍光画像のいずれかを、機械学習又は人工知能アルゴリズムとともに使用して、病変をスコア付けできる。ただし、白色光画像は、病変、特にICDAS0~2の病変が、活動性であるか非活動性であるかを判断するのには役立たない。蛍光ナノ粒子を使用した蛍光画像を使用して、活動性病変を検出し、スコアを付けることができる。オプションとして、白色光画像と蛍光画像とを併用すると、活動性及び非活動性の全ての病変を特定してスコア付けし、その活動性を判定することができる。【選択図】図1
Description
関連出願
本出願は、2021年3月5日に出願された米国仮特許出願第63/157,378号及び第63/157,151号の利益を主張する。米国仮特許出願第63/157,378号及び第63/157,151号は、参照により本明細書に組み込まれる。
本出願は、2021年3月5日に出願された米国仮特許出願第63/157,378号及び第63/157,151号の利益を主張する。米国仮特許出願第63/157,378号及び第63/157,151号は、参照により本明細書に組み込まれる。
本明細書は、歯科用撮像システム及び方法、並びに齲蝕検出のためのシステム及び方法に関する。
2017年4月27日に公開された国際公開第2017/070578号「ナノ粒子による齲蝕及び微小空洞の検出及び治療」には、歯の活動性齲蝕病変を検出するためのナノ粒子が記載されている。幾つかの例では、ナノ粒子は、カチオン化され、フルオロフォアに結合されたデンプン、例えば、アミン官能基を有するように修飾されたフルオレセイン異性体1を含む。ナノ粒子は正に帯電しており、蛍光性を持っている。ナノ粒子は人の口腔に適用され、活動性の齲蝕病変に選択的に付着することができる。ナノ粒子は歯科治療用ランプによって励起され、UVフィルタガラスを通して観察される。デジタル画像もデジタルカメラで撮影された。場合によっては、画像を生成するために緑のチャネルが抽出されることがあった。他の画像は、緑色542nmバンドパスフィルタと青色光照明を備えた蛍光スキャナで作成された。
本明細書は、歯科用撮像システム、例えば口腔内カメラ、及び任意に歯に適用される蛍光撮像補助剤と組み合わせてそれを使用する方法について説明する。
幾つかの例では、撮像システムは、第1の青色光源と、赤色光源、白色光源、及び第2の青色光源のうちの1つ又は複数と、を含む。赤色光源は他の色の光も生成してもよい。例えば、赤色光源は、単色の赤色光源、紫色光源(即ち、青色光と赤色光の混合)、又は低色温度から中色温度の白色光源であってもよい。白色光源は、オプションとして、3000Kを超える色温度を有する。第2の青色光源は、第1の青色光源とは異なるピーク波長を有する。画像は、これらの光源の1つ以上を任意に並べ替えたり、組み合わせたりして生成できる。このシステムにはセンサとバリアフィルタも含まれている。幾つかの例では、システムは、例えばバリアフィルタを移動させることによって、バリアフィルタを通過する光の有無にかかわらず画像を生成することができる。
この明細書はまた、人又は他の動物の口内の歯垢、結石、又は活動性齲蝕病変の画像を生成する方法、及び、歯の画像を操作又は使用する方法についても記載する。一部の例では、色相、強度、値、青チャネル強度、緑チャネル強度、緑チャネル強度と青チャネル強度の比、決定木、及び/又はUNETアーキテクチャニューラルネットワーク(architecture neural network)の1つ又は複数を使用して画像の蛍光領域の位置が特定される。
蛍光カチオン性サブミクロンデンプン(cationic submicron starch (FCSS))粒子は、齲蝕病変の表面下にラベルを付けることができ、歯科専門家の診断プロセスを支援する。この明細書では、マシンビジョン、機械学習(ML)、人工知能(Al)を使用して画像上の蛍光領域を識別し、及び/又は、歯にFCSS粒子を塗布した後ICDAS-II又は他のシステムを蛍光画像と組み合わせて使用して齲蝕病変を検出及びスコア付けすることについて説明する。幾つかの例では、齲蝕重症度の範囲を決定することができる。
2020年3月12日に公開された国際公開第2020/051352号「歯科用画像処理及び/又は治療システム」は、参照により本明細書に組み込まれる。
図1は、歯科用撮像及び/又は治療システム10を示す。システム10は、歯科治療用ライト12を有し、又は、オプションとして、光、他の放射線、電磁波、又は波形エネルギーの源を有する。治療用ライト12は、光を遮断するために使用されるプラスチックプレート14と、光17が放射されるワンド15とを有する。治療用ライト12には、内視鏡カメラ20が取り付けられている。オプションとして、内視鏡カメラの一部又は全ての部品を治療用ライトに組み込むことができる。図示の例では、内視鏡カメラ20は、スマートフォン16に内視鏡プローブ18を取り付けることによって作られている。内視鏡プローブの一例は、H-Zone Technology Co.,Ltd.のUSB電話内視鏡モデルDE-1006である。スマートフォン16、又は好ましくは画面を有する内視鏡カメラの本体は、例えば両面テープ又は面ファスナーストリップを用いてプレート14に取り付けることができる。内視鏡カメラ20は、スマートフォン16又は内視鏡カメラ本体上の1つ又は複数のボタン又はタッチスクリーンから操作することができる。オプションとして、治療用ライト12のハンドルにリモートボタン24を取り付けることができる。図示の例では、ボタン26は、例えば親指によって起動されてライト17を点灯し、ボタン24は静止画を撮影するか、又はビデオの撮影を開始及び停止するために使用される。図示の例では、ボタン24とケーブルは分解された自撮り棒から取られている。オプションとして、内視鏡カメラ20の画面をプラスチックプレート14と一体化することができる。オプションとして、内視鏡カメラ20は、現在歯科医院で使用されている口腔内カメラであってもよい。
内視鏡プローブ18は、例えば1つ又は複数のケーブルタイ28を用いてワンド15に取り付けられる。これにより、内視鏡カメラ20は、光17によって照らされた領域の画像を収集できるように、ワンド15の端部とほぼ位置合わせされる。オプションとして、内視鏡プローブ18をワンド15と一体化することができる。オプションとして、以下の例で説明するように、口内に配置される内視鏡カメラプローブ18の端部の上にエミッションフィルタを配置することができる。
1つの操作方法では、内視鏡カメラ20はリアルタイム画像を表示するように構成される。この画像は、治療用ライト12を持っている人に対面する内視鏡カメラ20の画面23に映しながらビデオとして記録されてもよく、又は、画像は記録されずに画面23に表示されるだけであってもよい。
画面23上の画像は、ユーザが関心のある歯にライト17を向けるのを助けるために使用することができる。対象の歯がライト17の中心にある場合、対象の歯は他の歯よりも明るく見え、画面23の中心に表示される。これは、ユーザがライト17の狙いを定めるのに役立る。更に、内視鏡カメラ20は、画像を受信したときにそれを分析するコンピュータを含んでもよい。コンピュータは、例えばスマートフォン16にダウンロードされたアプリを用いて、レジンと歯とを区別したり、ユーザがレジンを有する領域にマークを付けたりできるようにプログラムすることができる。プログラムは樹脂がいつ硬化するかを決定する。例えば、レジンは硬化中にレジンと歯の間のコントラストの変化を監視し、コントラストの変化がいつ止まるかを判断できる。
光17は、例えば上述の論文に記載されているように、歯の病変内の蛍光ナノ粒子を照射するために使用することもできる。ナノ粒子がある場合には、画面23上の画像に表示され、ユーザは歯に活動性病変があるかどうかを判断し、病変の大きさと形状を見ることができる。ボタン24を作動させて、ナノ粒子を含む歯の写真又はビデオを撮影することができる。オプションとして、画像又はビデオを内視鏡カメラ20に保存することができる。オプションとして、画像又はビデオを、作成時又は後で、例えば汎用の歯科医院コンピュータ又はリモートサーバなどの別のデバイスに、USBケーブル、Wi-FiやBluetoothなどのローカル無線、携帯電話などの長距離無線、又はインターネットのうち1つ又は複数によって、転送することができる。
一例では、内視鏡カメラ内で動作するアプリは、画像、例えば、ユーザが選択した全ての画像又は特定の画像のみを、Wi-Fi又はBluetoothなどによってインターネットルータに伝送する。インターネットルータは、画像をリモートサーバ、つまりクラウドベースのサーバに送信する。画像は、日付、時刻、患者識別子、歯の識別子、歯科医院の識別子などの1つ又は複数の関連情報項目とともにサーバに保存される。患者には、携帯電話のアプリなどを使用して画像のコピーを取得したり、保険会社にコピーを送信したり、保険会社に画像の取得を許可したりできるコードが与える。或いは、歯科医院の担当者が画像を保険会社に送信したり、保険会社に画像の取得を許可したりすることもできる。患者のスマートフォン上のアプリを使用して、例えば、画像に示された病変を治療するために歯科医が処方する再石灰化治療などのリマインダーを受け取ることもできる。歯科医院の担当者もリモートサーバにログインして画像を表示することができる。
リモートサーバでは画像解析ソフトウェアも動作する。画像解析ソフトウェアは自動的に動作する場合もあれば、人間のオペレータによって動作する場合もある。画像解析ソフトで歯の写真や動画を解析し、例えば、画像を強化したり、ナノ粒子を含む歯の一部の領域を定量化したり、ナノ粒子を含む領域のサイズ及び/又は形状の輪郭を作成したり、記録したりする。生の画像、強調された画像、又は修正された画像は、他の時に撮影された同様の生の画像、強調された画像、又は修正された画像と比較するために保存され、例えば、(ナノ粒子によって示される)齲蝕病変が時間の経過とともに成長しているか縮小しているかを判断することができる。
一例では、リモートサーバ又は歯科医院で作業しているオペレータは、任意のコンピュータ上で動作するソフトウェアを使用して、2つの異なる時点で同じ歯を撮影した画像にアクセスする。オペレータは歯における2つ以上の識別点を選択し、両方の画像内でそれらにマークを付ける。ソフトウェアは、画像内の歯のサイズと方向の違いを計算する。ソフトウェアは歯の画像をスキャンして、ナノ粒子を含む領域と歯の残りの部分を区別する。ソフトウェアは、写真内の歯全体のサイズと向きの違いを調整して、ナノ粒子を含む領域の相対面積を計算する。一例では、遠隔オペレータが歯科医院に病変部のサイズ変化の報告を送信する。他の例では、これらのステップの一部又は全てが自動化される。
別の例では、リモートサーバに送信されるデータは匿名化され、患者の近くの水がフッ素化されているかどうか、歯磨きプロトコル又は再石灰化治療などの様々な要因に関連付けることができる。このデータは、歯科治療に関するレポートや推奨事項を提供するために分析されてもよい。
ここでのリモートサーバへの言及には、複数のコンピュータが含まれてもよい。
図2は、システム10又は本明細書に記載の他のシステムの1つの可能な使用法を示す。このシステムは、光17(又は他の波動、放射線など)を歯100に照射する。図2において、数字100は、活動性病変102及び非活動性病変104を有する歯のエナメル質を示す。病変102、104は、齲蝕、空洞、又は微小空洞と呼ばれることもある。活動性病変102は、深さ0.5mm未満又は深さ0.2mm未満でありうる。この場合、歯科探査機やX線で検出することは少なくとも非常に困難である。非活動性病変104は、(例えば、フッ化物を含む飲料水、フッ化物含有歯磨き粉で歯を磨く、定期的な歯科フッ化物治療などの)基本的な歯科治療、又は、標的を絞った再石灰化治療により再石灰化した活動性病変102でありうる。図2は、概略図であり、非活動性病変104は、活動性病変102と同時に同じ歯に存在、活動性病変102と同時にしかし別の歯に存在、又は、活動性病変102とは別の時点に存在しうる。一例では、非活動性病変104は、活動性病変102の将来の状態である。この場合、非活動性病変104は、活動性病変102と同じ歯100の同じ領域にあるが、非活動性病変104は後の時点において存在する。
ナノ粒子106などの、オプションとして、ナノ粒子に形成されていないポリマーなどの、オプションとして、生分解性及び/又は生体適合性及び/又は生物ベースであるデンプン又は他のポリマー又はナノ粒子などの、蛍光撮像補助剤は、光17を歯に照射する前又は照射中に歯100と接触する。例えば、ナノ粒子106は、歯を含む口の周りで振りかける洗口液(mouth rinse)中に懸濁させることもできるし、歯に直接塗布することもでき、つまり、アプリケーターを使用して、サスペンション、ジェル、又はペーストとして直接塗布できる。ナノ粒子106は、カチオン性部分108で官能化されていることが好ましい。ナノ粒子106は、蛍光部分110で官能化されていることが好ましい。活動性病変102は、ナノ粒子106を優先的に引き付け及び/又は保持する。これは、活動性病変102に関連する負電荷114及び活動性病変102の多孔質構造内部へのナノ粒子106の物理的捕捉に起因する1つ又は複数の静電効果によって引き起こされ又は増強されうる。ナノ粒子106は正に帯電していてもよく、例えば、口腔内の唾液のpH(すなわち、約7、又は6.7から7.3の範囲)と、通常、活動性の齲蝕病変又はその周囲で見られる、より低いpH(つまり5~6の範囲)と、のいずれか又は両方で正のゼータ電位を有してもよい。
光17を歯100に当てると、歯が蛍光を発し、これは、システム10によって画像すなわち写真に記録され、記録及び/又は表示される。歯の正常なエナメル質は、ベースラインレベルの背景蛍光112を発する。活動性病変102は、ナノ粒子106を有するため、ベースラインレベルを超えて増強された蛍光116を発する。非活動性病変104は、ベースラインレベルよりも低い抑制された蛍光118を発する再石灰化表面を有する。
システム10によって生成された画像を分析することにより、活動性病変102がその増強された蛍光116によって検出されることが可能になる。画像は、歯科医院の汎用コンピュータ、オフサイトサーバ、歯科保険会社がアクセス可能なコンピュータ、又は患者がアクセス可能なコンピュータなどのコンピュータに、保存される、分析される、及び送信される、のうち1つ又は複数であることができる。患者がアクセス可能なコンピュータは、オプションとして、例えば、再石灰化治療のスケジュールを患者にリマインドするためのアプリがプログラムされたスマートフォンであってもよい。再石灰化治療が歯100に適用される場合、活動性病変102は非活動性病変104になるかもしれない。
異なる時間、特に1つ又は複数の再石灰化治療の前後に作成された画像を比較すると、再石灰化の進行状況を監視できる。歯100の特定の領域での蛍光の増加は、病変が悪化しており、詰め物が必要である可能性があることを示す。蛍光の安定又は減少は、再石灰化治療が機能していること、又は少なくとも歯100が安定していることを示す。増強された蛍光116から低下した蛍光118への変換は、完全な再石灰化を示唆する。画像の比較は、a)異なる時間に撮影された歯100の画像を同時に見ることができるように画像を記録すること、b)歯100の画像を回転及び/又はスケール変更して、歯100の別の画像のサイズ又は方向により近づけるか又は一致させること、c)例えば、2つの画像内の背景蛍光112を互いに近づけることによって、歯100の画像の強度を調整して、歯100の別の画像のサイズ又は向きにより近づけるか又は一致させること、d)増強された蛍光116の領域のサイズ(すなわち、面積)を定量化すること、e)例えば、背景蛍光112と比較して、増強された蛍光116の領域の強度を定量化すること、のうち1つ又は複数によって支援できる。
ナノ粒子106などの蛍光撮像補助剤は、フルオレセイン又はフルオレセインベースの化合物を含むことが好ましい。フルオレセインの最大吸着は494nm以下、最大発光は512nm以上である。しかしながら、光17は、オプションとして、ほぼ青色(約475nm又は360~480nm)範囲の任意の光を含むことができ、オプションとして、400nm~500nmの範囲、又は450nm~500nmの範囲、又は約475nm~約500nmの範囲の光を含むことができる。カメラ20は、オプションとして、例えば、緑色通過エミッションフィルタを含むことにより、緑色(すなわち、約510nm又は500~525nmの範囲)の光に対して選択的であり、又は、代替的若しくは追加的に、カメラ20からの画像をフィルタリングして緑色の光を選択的に表示することができ、つまり、画像解析ソフトウェアにおいて緑のチャンネルが選択されることができる。
例えば、汎用カメラからの画像を操作して緑色のピクセル画像を選択できる。このシステムは、オプションとして、より高強度のレーザ光、例えば445nm又は488nmの例えば青色レーザ、又は、他の波長のダイオード(ダイオード励起固体(diode-pumped solid state (DPSS))レーザを採用することができる。
図3は、システム10で使用するための代替の口腔内装置200を示す。装置200は、図1に示される装置と同様のライト及びカメラを提供するが、形式が異なる。ここに記載されている要素又はステップ(例えば、図1若しくは2又は上記の他の箇所又は特許請求の範囲)は、装置200で使用可能であり、図3に関連して説明される任意の要素又はステップは、システム10又は本明細書に開示される他のあらゆるものとともに使用することができる。
装置200は、典型的には第1の端部204において、人の手で持つことができる本体202を有する。オプションとして、グリップを第1の端部204に追加することもできるし、第1の端部204を容易に保持できるように形成することもできる。本体202の第2の端部206は狭く、オプションとして、幅が25mm未満、又は20mm未満、又は15mm未満であり、患者の口の中に挿入することができる。
第2の端部206は、1つ又は複数のライト208を有する。光は、オプションとして、400~500nm又は450~500nmの波長範囲で放射する、1つ又は複数の青色光を含むことができる。オプションとして、1つ又は複数の光、例えばライト208aは青色光であってもよく、一方、1つ又は複数の他の光、例えばライト208bは白色又は他の色の光であってもよい。ライト208a、208bは、例えばLEDとすることができる。オプションとして、1つ又は複数の光、例えばライト208cは、オプションとして400~500nm又は450~500nmの波長範囲で発光する青色レーザ、例えばダイオード又はDPSSレーザであってもよい。1つ又は複数のライト208は、オプションとして、本体200内の任意の場所に配置することができるが、ミラー、チューブ、光ファイバケーブル、又は他の光伝達装置を介して第2の端部206で放射することができる。オプションとして、1つ又は複数のライト208が赤色光を発することができる。赤色光は、単色の赤色LED、紫色LED(すなわち、赤色光と青色光を生成するLED)、又は白色LED、例えば暖色又は低中程度(3000K以下)の白色LEDから提供することができる。関連するソフトウェアを使用して、赤色光の下で撮影された画像を解釈して、深いエナメル質又は象牙質の齲蝕の存在を検出することができる。或いは、主に青色光の画像に加えられた赤色光を使用して、画像全体の明るさを高めたり、及び/又は、歯の周囲の組織の視認性を高めたりすることもできる。強度を上げると、カメラの標準の自動露出機能が画像の蛍光領域を過剰に露出する(つまり飽和させる)ことを防ぐことができる。主に青色光の画像に赤色光を加えると、無傷のエナメル質と病変との間の色相差が増大する可能性があり、これにより、以下で更に説明するマシンビジョン法によって画像内の蛍光領域を分離するのに役立つ。
オプションとして、装置200は、オプションとして一体化された周囲光ブロッカー又は画面210を有する。衛生のために、スリーブ212、例えば使い捨ての透明プラスチックスリーブを、装置200が患者の口内に配置される前に、装置200の一部又は全体の上に配置することができる。オプションとして、第2の周囲光ブロッカー214を第2の端部206上に配置して、穴216を通して光を歯に向け、及び/又は、周囲光が歯に到達するのを防ぐことができる。
装置200は、1つ又は複数のカメラ218を有する。カメラ218は、1つ又は複数のライト208によって照明された1つ又は複数の歯の画像を捕捉する。カメラ218からの画像は、コード220、又はオプションとして、Bluetooth、Wi-Fi又は他の無線信号によって、コンピュータ220に送信することができる。画像は、画面210上に表示することもできるし、装置200内にあるコンピュータ又は他のコントローラ、回路、ハードウェア、ソフトウェア、又はファームウェアによって処理することもできる。様々なボタン222、又はスイッチやタッチ容量性センサなどの他の装置を利用して、画像を表示することもできる。オプションとして、カメラ218は、本体200内のどこにでも配置することができるが、ミラー、チューブ、光ファイバケーブル、又は他の光伝達装置を介して放射光を受け取ることができる。カメラ218はまた、拡大レンズ及び/又は焦点合わせレンズを備えていてもよい。
オプションとして、装置200はタッチコントロール224を有し、タッチコントロール224は、表面上に配置された感圧センサや容量センサなどの複数のタッチ感知センサを備えた***、凹み、又はその他の別個のタッチ表面を備える。タッチコントロール224内のセンサにより、コンピュータ220又は装置200内で動作するプログラムが、人の指がタッチコントロール224上のどこにあるかを判定し、オプションとしてタッチコントロール224を横切るスワイプやタッチコントロール224の周りで指を回転させるなどの動きを感知することができる。これらのタッチや動作は、サーボ、マッスルワイヤ、アクチュエータ、トランスデューサ、又はその他のデバイスと組み合わせて使用でき、1つ又は複数のライト208又はカメラ218を制御し、オプションとして、それらを方向付ける(すなわち、ライト208又はカメラ218を歯に向けて方向調整する)、又は、カメラ218の焦点を合わせるかズームさせることができる。
装置200は、カメラ218が背景に対して蛍光の強い領域をいつ観察しているかを示すインジケータ230をオプションとして有することができる。インジケータ230は、例えば、指で見たり感じたりすることができるパルス又は他の指示を生成する可視光又はシナプスインジケータであってもよい。これにより、ユーザは、対象の歯がカメラ218の下にあることが通知される。その後、ユーザは、静止写真を撮ったり、ビデオを録画したり、画面を見上げて、さらに画像を見るか記録すべきかを決定することができる。オプションとして、装置200は、蛍光の強い領域が検出されるたびに、自動的に写真又はビデオ録画を撮ってもよい。
図4は、システム10で使用する代替の口腔内装置300の一部を示す。装置300は、図1に示す装置と同様のライト及びカメラを提供するが、形式が異なる。本明細書で説明される任意の要素又はステップ(例えば、図1、2、3又は上記の他の箇所又は特許請求の範囲)は、装置300で使用することができ、図4に関連して説明される任意の要素又はステップは、システム10又は本明細書に開示される他のあらゆるものとともに使用することができる。特に、図4に示される装置300の一部は、装置200の第2の端部206の代わりとして使用することができる。
装置300は、画像センサ332及びエミッションフィルタ334(バリアフィルタとも呼ばれる)を含むカメラ318を有する。画像センサ332は、例えばデジタルカメラセンサとして販売されている市販のセンサであってもよい。画像センサ332は、例えば、電荷結合素子(CCD)などの単一チャネルセンサ、又は複数チャネル(すなわち、赤、青緑(RGB))センサを含んでもよい。マルチチャネルセンサは、例えば、相補型金属酸化物半導体(CMOS)チップ又はN型金属酸化物半導体(NMOS)チップ内のアクティブピクセルセンサを含んでもよい。画像センサ332はまた、1つ又は複数の拡大レンズ及び/又は焦点合わせレンズ、例えば、自動焦点機能を備えた従来の口腔内カメラなどの小型デジタルカメラに頻繁に設けられる1つ又は複数のレンズを有することもできる。例えば、画像センサ332は自動焦点レンズを有することができる。カメラ318は、防眩レンズ若しくは偏光レンズ又はコーティングを有することもできる。単一チャネルの画像センサ332は、有用な画像を生成するのに十分であり、特に、蛍光の領域を検出及び分析できるようにするのに十分であるが、複数チャネルの画像は、蛍光の領域の分析のため、又は、人間の目により理解しやすい視覚的表示を生成するために、分割チャネル画像強調技術も可能にすることができる。
装置300はまた、1つ以上の光源340を有する。光源340は、ランプ342を含む。光源340は、オプションとして、励起フィルタ344を含む。ランプ342は、例えば、発光ダイオード(LED)ランプとすることができる。光源は白色又は青色の光を生成できる。幾つかの例では、青色LEDが使用される。1つの代替案では、例えば510nmを超える光又は520nmを超える光に対して選択的であるカメラ318によって検出される波長の光を殆ど生成しないために、ピーク発光が475nm以下の青色LEDが使用され、オプションとして、励起フィルタ344を使用される。別の代替案では、480~500nmの範囲にピーク発光を有する青色LED(例えば、海水水族館照明装置で利用可能)が使用される。より高い周波数の青色LEDは(より低いピーク発光周波数を持つ同様の青色LEDと比較して)カメラの選択範囲と重なるより多くの光を生成する可能性があるが、オプションとして高周波青色LEDを、選択された波長、例えば490nm、500nm、又は510nmを超える光のピーク透過率の50%以下又は90%以下のみを透過するショートパスフィルタ又はバンドパスフィルタと組み合わせて使用できる。ピーク透過率の50%に基づいてメーカーが指定したフィルタは、緩やかな傾斜のカットオン又はカットオフ曲線を備えた吸収フィルタである傾向があり、一方、ピーク透過率の90%(又はそれ以上)に従ってメーカーが指定したフィルタは、二色フィルタ又は公称帯域幅の外側では急激に遮断するその他の急勾配フィルタである傾向がある。従って、どちらの仕様規格も適している可能性がある。適切な高周波青色LEDは、シアン、ターコイズ、青緑色、又は青緑色の光として販売されている。フルオレセインのピーク励起周波数に近いことに加えて、このような高周波LEDは、より低い周波数を含む幅広い励起曲線ピークを有する歯のエナメル質の励起を少なくする可能性がある。同様の理由で、バンドパス励起フィルタは、歯のエナメル質の蛍光を低減する上でローパス励起フィルタよりも有利であり、いかなる色の青色LEDでも有用である。
オプションとして、励起フィルタ334は、ピーク透過率の50%又は90%によって定義される、490~510nm又は490~500nmの範囲にその帯域の上端を有するバンドパスフィルタであってもよい。励起フィルタ334は、ピーク透過率の50%又は90%によって定義される、最大60nm、例えば20~60nm又は30~50nmの範囲の帯域幅(すなわち、FWHM)を有してもよい。オプションの励起フィルタは、Kodak、Tiffenなどで販売されている、Wratten 47及びWratten 47A、又は、中心(CWL)が450~480nm、オプションとして、465~475nm、帯域幅(FWHM)が20~60nm、オプションとして30~50nmである、二色フィルタであり、帯域幅はピークの50%又はピークの90%の透過率によって定義される。
光源340は、オプションとして、カメラ318の前の点に向けることができる。例えば、予め埋め込まれた円筒形、オプションとして平らな上部の、又は表面実装LEDを、円筒形の凹部に配置することができる。図4に示す例では、表面実装青色LEDが穴、特にカメラ318を含むインサートに形成されたチューブの底に配置されている。円筒形励起フィルタ344は、チューブ内のLED342の上に任意に配置される。放射される光の正確な方向は必要ない。ただし、センサに到達する反射光の量を減らすために、穴は、少なくとも1(すなわち、直径が5mmのとき長さが5mm以上)、又は1.5以上、又は2以上のアスペクト比を有することができる。LED342は、センサ332の照準線から少なくとも20度離れた角度346で照準を合わせることができる。或いは、視野角が45度以下の市販のレンズ付きLED342(すなわち、樹脂ブロック内に予め埋め込まれたLED)を使用することもできる。光源は1つであってもよいし、例えば図4に示すように2つの光源を使用することもできる。オプションとして、3つ以上の光源があってもよい。
カメラ318は、オプションとして、ロングパス又はバンドパスバリアフィルタ334を含む。背景技術において説明した幾つかの以前の研究では、歯科専門家の目を青色の治療用ランプから保護するためにゴーグルに使用されるタイプのオレンジ色のフィルタを通して写真が撮影された。抜歯された歯の有用な画像は、特に緑色ピクセルのみの画像修正と組み合わせて、従来のデジタルカメラから取得された。これらのオレンジ色のフィルタはロングパスフィルタであるが、目の保護に適したやや高いカットオフを備えている。例えば、UVEX(商標)SCT-Orange(商標)ゴーグルのカットオン周波数は約550nmである。521nmのフルオレセイン発光ピークにおけるこれらのゴーグルの透過率は非常に低く(つまり、ピークの5%未満)、540nmでさえ透過率は依然としてピークの25%未満である。
画像は、より低いカットオン周波数、例えば510~530nmの範囲のカットオン周波数のロングパスフィルタを使用することで改善できる。例えば、コダック又はその他の企業によって、又はライセンスを受けて製造された、ラッテン(Wratten)12黄色フィルタ又はラッテン(Wratten)15オレンジフィルタを使用することができる。
更に改良された撮像は、510~530nmの範囲、例えば515nm以上又は520nm以上の通過帯域で50%以上の透過率又は90%以上の透過率を有するバンドパスフィルタを使用することによって達成することができる。中心周波数(CWL)は、530~550nmの範囲にある。歯のエナメル質は560nmを超える材料発光を伴う広い発光スペクトルを持っているため、ロングパスフィルタよりもバンドパスフィルタの使用が推奨される。バリアフィルタ334は、例えば鋭いカットオフを有する二色フィルタなどの高品質フィルタであってもよい。
上記の例では、過剰な歯垢及び/又は歯石を除去するためにナノ粒子を歯に適用する前に、歯を洗浄することが好ましい。これにより、活動性病変に進入するナノ粒子に対する障壁が取り除かれ、プラーク又は歯石自体からの干渉蛍光が減少する。同様に、ナノ粒子は歯の亀裂に入り込み、亀裂の画像を撮影できる可能性がある。或いは、プラーク及び/又は結石を所定の位置に残し、装置10、200、300を使用してプラーク又は結石を撮像することもできる。ナノ粒子は、プラーク及び/又は歯石に付着するために適用されてもよい。或いは、ナノ粒子の代わりにフルオレセイン水溶液を使用して、歯垢及び/又は歯石の蛍光を増加させることもできる。このような溶液中のフルオレセインは、正に帯電する必要はありません。
上記の説明では、「ナノ粒子」という言葉は、例えば動的光散乱によって測定されるように、1000nm以下、700nm以下、又は500nm以下のZ平均サイズを持つ粒子を指す(オプションとして、ISO13321又はISO22412規格で定義されるように、Z平均(average mean)又は調和強度平均粒径とも呼ばれる)。状況や国によっては、又は定義によっては、そのような粒子は、特にサイズが100nmを超える場合、ナノ粒子ではなくマイクロ粒子と呼ばれることがあるが、これはオプションである。他の代替例では、ナノ粒子は20nm以上のZ平均サイズを有してもよい。
「フルオレセイン」という言葉は口語的に使用され、フルオレセインを含むフルオレセイン関連化合物を指し、これは、フルオレセイン、フルオレセイン誘導体(例えば、フルオレセインアミン、フルオレセインイソチオシアネート、5-カルボキシフルオレセイン、カルボキシフルオレセインスクシンイミジルエステル、フルオレセインジクロロトリアジン(DTAF)、6-カルボキシ-4',5'-ジクロロ-2',7'-ジメトキシフルオレセイン(JOE))、フルオレセイン及びフルオレセイン誘導体の異性体を含む。本明細書に記載の例はフルオレセインに基づいているが、必要に応じて光源及び/又はセンサを調整して、例えばローダミン等の他のフルオロフォアを使用してもよい。例えば、ローダミンBは緑色LEDによって励起され、560~580nmの範囲のCWLを備えた発光バンドパスフィルタを備えたセンサで撮影できる。
例では手持ち式口腔内装置について説明する。しかしながら、他の代替案では、装置の様々な構成要素、例えば、ランプ、フィルタ、センサを、他のタイプの口腔内装置又は口腔撮像システムの一部として口内又は口の近くに配置することができる。複数のセンサを使用することもできる。例えば、装置は、口内又は口の近くの静止位置又は移動位置のいずれかから操作される、口の部分的又は全体の撮像装置又はスキャナであってもよい。実施例に記載された口腔内装置は、一度に1つ又は少数の歯のみの画像を生成することを目的としているが、他の代替例では、装置は、単一の画像として又は装置を複数の歯を通過させた後に生成される合成画像として、多くの歯の画像を生成することができる。
「齲蝕病変:ナノ粒子ベースの微小空洞の標的化と検出」アドバンスト・ヘルスケア・マテリアル(Advanced Healthcare Materials)Vol.6、No.1、2017年1月11日(アドバンスト・ヘルスケア・マテリアル2017年1月)の記事は、参照により本明細書に組み込まれる。この記事では、カチオン性デンプンベースの蛍光ナノ粒子について説明する。ナノ粒子は齲蝕病変に引き寄せられ、歯科治療用ライトの下で発光する。2017年4月27日に公開された国際公開第2017/070578号「ナノ粒子による齲蝕及び微小空洞の検出及び治療」も参照により組み込まれる。
更なる例では、上記のシステムのいずれかが、青色光に対して励起フィルタを使用することなく、例えば、400~465nm又は425~465nm又は435~450nmの範囲などの、480nm未満のピーク波長を有する青色光を有するように修正される。ライトは青色LEDであってもよい。この波長の光は、より高い周波数の光と同じ程度にはフルオレセインを励起しない。しかし、本発明者らは、場合によりソフトウェアを使用して、蛍光エナメルの背景に対してナノ粒子を検出する能力は、光の周波数が低いほど向上する可能性があることを観察した。理論に限定されることは意図することなく、この改善は、より高い波長の青色光と比較して、反射された青色光による標準RGDカメラセンサの緑色ピクセルの活性化が減少したこと、LEDがピーク波長の上下である程度の光を生成することを考慮すると約500nmを超える光の量が減少したこと、無傷のエナメル質と外因性蛍光剤との間の色相分離が増加したこと、に起因する可能性がある。更に、非常に低い波長の青色光、例えば400~434nm又は400~424nmの範囲では、蛍光ナノ粒子による領域の検出に関しては、改善が得られない可能性があるが、周波数のカットが低いバリアフィルタが使用されてもよい。青い範囲の上部付近の周波数(つまり450nm以上又は460nm以上)をカットしたバリアフィルタを通して作成された画像は、白色光の画像のように見える、又は、色のバランスをより調整して、より白色光の画像に近い画像を生成できる画像を提供するかもしれない。オプションとして、赤色光(赤色LED、紫色LED、又は低中色温度の白色LEDによって提供される場合がある)を追加すると、結果として得られる画像のカラーバランスを調整して、より白色光の画像のように見える画像を生成する能力が更に向上するかもしれない。白色光画像がバリアフィルタを通して撮影されたかどうかに関係なく、青色光画像と白色光下で撮影された画像を結合すると、結果として得られる画像のカラーバランスを調整して、より白色光画像のように見える画像を生成する能力も向上するかもしれない。
一例では、分光計の測定値は、公称ピーク波長が469~480nmの範囲にある青色LEDが、500nm以上でもピークパワーの約5%を出力することを示した。励起フィルタがない場合、これは様々なテスト画像から明らかであり、無傷の歯のエナメルの十分な青色光反射及び/又は自然蛍光を生成し、無傷のエナメルと外因性蛍光ナノ粒子との間のコントラストを減少させる。オプションとして、例えば、カットオフが480~505nmの範囲又は490~500nmの範囲にあるショートパスフィルタ又はバンドパスフィルタなどの励起フィルタをこの青色LEDと組み合わせて使用すると、放出される500nmを超える光の量を減らすことができる。オプションとして、励起フィルタは、二色性(すなわち、反射コーティングされた)フィルタによって提供されるような鋭いカットオフを有する。ただし、ゲルや透明プラスチックの吸収型励起フィルタを使用することもできる。
画像は、赤、青、緑(RGB)及び色相、彩度、値(HSV)システムの両方で分析された。上述の装置200と同様の3台の口腔内カメラのカメラセンサ上のロングパスバリアフィルタと青色LEDの3つの組み合わせで撮影された抜歯の画像において無傷のエナメル質と蛍光ナノ粒子による活動性病変について、表1にHSV値を示し、表2にRGB値を示す。病変は目視検査とその周囲に境界線を引くことによって分離される。同様に、無傷のエナメル質の領域は、目視検査とその周囲の境界線の描画によって特定された。完全に黒又は完全に白のピクセルを除去した後、無傷のエナメル質の領域を結合して合成画像にし、蛍光ナノ粒子を含む領域を結合して合成画像を作成した。次に、合成画像のHSV値とRGB値が決定された。
ケースAでは、LEDは469~480nmの範囲にピーク強度(メーカーの指定による)を有する。バリアフィルタは、Wratten15で、これは、カットオン周波数(50%透過)が約530nmで、やや丸いカットオンプロファイルを持つロングパスフィルタである。ケースBでは、LEDは440~445nmの範囲にピーク強度(メーカーの指定による)を有する。バリアフィルタは、Wratten 15である。ケースCでは、LEDは約405nmにピーク強度を有する。バリアフィルタは、カットオン周波数が約460nmのロングパスフィルタである。
画像は同様の条件で撮影されたが、完全に比較可能な画像を取得することは困難である。例えば、ケースAのライトはケースBのライトよりも明るく、ナノ粒子からの強い応答も生成する。これにより、最初は多くの緑色ピクセルが飽和する原因となったため、表1と表2では、ケースAのライトに供給される電力が減少した。更に例として、ケースCのバリアフィルタは、より多くの光を通過させる。カメラには自動露出機能があるが、自動露出機能は全ての光とフィルタの組み合わせに同じように反応するわけではない。オプションとして、例えばエナメル領域、蛍光ナノ粒子領域、又は画像全体のいずれかについて、例えば同じV又は緑色ピクセル値を有するようにさらに均一化された画像間で比較を行うことができる。差分値であっても、光源の全体的な明るさや画像の露出などの影響を受けるが、このような調整がない場合、ケースを比較するには絶対値よりも差分値の方が有用であると考えられる。ただし、以下でさらに説明する他の例では、差分値も使用できるが、選択したケース(つまり、光とフィルタの組み合わせ)で作成された複数の画像を分析する場合は絶対値が役立つことが判明した。
表1と表2に示すように、ケースBには例えば、H差分、V差分、緑ピクセルの差分など複数の指標があり、これらは需要であり、ナノ粒子を含む画像上の領域(つまり、活動性病変)と無傷のエナメル質を含む歯の領域を分離するために使用できる。R差分も重要であるが、赤色蛍光は細菌によって生成されるポルフォリンに関連している可能性があり、蛍光ナノ粒子の検出に使用すると偽陽性を引き起こす可能性がある。他のテストでは、440~445nmの青色光と、カットオン周波数(透過率50%)が約520nmで、カットオンプロファイルがやや丸いロングパスフィルタであるWratten12フィルタを使用した。この組み合わせでは、ケースBと比較して、青色のピクセル差分が増加し、ナノ粒子の存在を示す潜在的に有用な指標になった。
この例では、ケースAの差分が小さく、特に活動性病変と無傷のエナメル質の間の色相分離が小さくなる。他の例では、ケースAは、表1及び表2よりも大きなV又は緑のピクセル差分を提供する可能性があるが、それでも通常はケースBよりも小さく、色相分離は一貫して低くなる。
ケースCはケースBより劣るが、それでも有用なH、V、及び緑のピクセル差分を持っている。この例では、ケースCのH差分は数値的に小さいが(約12)、他の例では、ケースCではより大きな色相差(最大24)が得られた。色相差は、例えば、カメラの設定(つまり、露出時間)、適用される光の強度、カメラと歯の間の距離などの違いに強く、外因性蛍光剤がある場合とない場合の画像の部分を分離するのに非常に役立つ。例えば、色相差は全体的に暗い画像で持続するが、V又は緑のピクセルの差分は通常、全体的に暗い画像で減少する。従って、例えば5以上又は10以上の小さな色相差は、たとえそれが、例えばこの例のV差分ほど数値的に大きくなくても、画像分析に有用である。
ケースCでは、より多くの青色ピクセルのアクティブ化も維持される。青色光源の波長が低いため、バリアフィルタの周波数カットが低くなる。ケースAとケースBに対して、この青ピクセルの活性化の増加により、例えば、カラーバランスなどの画像操作が使用される可能性が生まれ、白色光画像、フィルタリングされていない画像、又は外因性蛍光剤を使用せずに撮影された画像のように見える画像を作成する。このような操作に利用できる情報量を増やすために、赤色ライトを追加して、利用可能な赤色チャネル情報の量を増やすことができる。例えば、カメラには1つ又は複数の青色光と同時に照明される1つ又は複数の赤色光がある場合がある。この例では、単色の赤色LEDに比べてより多くの紫色LEDが必要であり、紫色LED光をより均一に分散できるため、紫色LEDが赤色光として特に役立つ。画像を操作して、蛍光領域を強調する画像、及び/又は蛍光領域の強調を弱める画像、或いは白色光画像により近い画像を生成することができる。幾つかの例では、1つ又は2つの赤色ライトが4~8つの青色ライトと同時に点灯する。代替的又は追加的に、2つの別々の画像を、オプションとして素早く連続して撮影することができる。最初の画像は、青色光、又は青色光と赤色光の組み合わせの下で撮影される。この画像は、蛍光領域を示すために使用できる。2番目の画像は、白色及び/又は赤色の光の下で撮影される。この画像は、オプションとして、バリアフィルタの効果を打ち消すための操作後に、白色光画像を表すために使用できる。上で論じたように、口腔内カメラは、1つ以上の色の様々な組み合わせで個別且つ選択的に照射できる複数の色の光を有することができる。ここでケースCについて説明した技術は、他のライトとフィルタの組み合わせ、例えばケースAとケースBにも適用できる。ただし、ケースAとケースBのバリアフィルタのカット周波数が高いため、白色光画像に似た画像を生成する操作がより困難になる。ただし、操作は引き続き実行できる。特に、マシンビジョン、機械学習、及び/又は人工知能を使用する場合、画像が患者にとって通常の白色光画像のように見えるかどうかはあまり重要ではない。蛍光灯に比べて反射光が増加した画像は、赤みがかったカラーバランスなどにより人間には不自然に見える場合があるものの、真の白色光画像(つまり、実質的に白色光の下で撮影されたフィルタされていない画像であって、オプションとして外因性蛍光剤が使用されていない)の代わりとしてアルゴリズムで役立つ。ただし、特にケースA又はケースBでは、フィルタスイッチャを使用できる。フィルタスイッチは、青色LEDを点灯させながら(オプションとして1つ又は複数の赤色光と組み合わせて)、センサの前にバリアフィルタを選択的に配置して蛍光画像を撮影する。或いは、フィルタスイッチャは、白色及び/又は赤色のLEDを点灯させて白色光画像を撮影しながら、センサへの光の経路からバリアフィルタを取り除くこともできる。バリアフィルタなしで撮影された画像は、外因性フルオロフォアが存在する場合でも、蛍光情報よりも反射光情報を強調し、白色光画像とみなすことができ、及び/又は本明細書に記載の白色光画像の方法で使用することができる。このような画像はまた、医師や患者にとって、操作なしで理解しやすく、またバリアフィルタや外因性蛍光剤なしで撮影された白色光画像により近くなるように操作することも容易である。オプションとして、赤色に偏った白色光を使用することにより、蛍光の相対量をさらに減らすことができる。赤に偏った白色光は、単色の赤色LEDと白色光の混合、及び/又は低~中色温度の白色光の使用によって生成できる。上で述べたように、更に操作が必要になる場合があるが、バリアフィルタを装着し、蛍光剤を存在させて撮影した画像は、カラーバランスなど画像を調整するために使用される画像処理により白色光画像として使用することもでき、特にケースCでは、フィルタなしで撮影されたように見える画像を作成する。
別の方法では、G:Bの比を使用して、外因性蛍光剤の領域と無傷のエナメルの領域を区別することができる。HSVシステムでH値を使用するのと同様に、比率を使用すると、光の強度やカメラの露出時間などの変化の影響を受けにくくなる場合がある。オプションとして、口腔内カメラは、オプションとして異なるピーク周波数を有する2組以上の青色LEDを備えていてもよい。1つの画像内の蛍光剤の存在が2番目の画像で確認される場合がある。例えば、ナノ粒子を含まず(例えば、ぎらつきやLEDの反射キャビティのセンサへの直接反射が原因で)異常に明るい領域、又は、ナノ粒子が存在するにもかかわらず(影などによって)暗い領域を特定するため、2つの画像を使用すると便利である。2番目のLEDセットが最初のLEDセットとは異なる位置にある場合、反射と反射のパターンは2つの画像で異なり、反射や影をより簡単に識別して除去できるようになる。2組のLEDの青色の色合いが異なる場合は、より多くのレシオメトリック分析手法を使用できる。例えば、上記のケースAとケースBを考慮すると、ケースBの画像と比較して、ケースAの画像では緑色のピクセルの強度がエナメル質で増加し、病変で減少するはずである。これらの変化の存在は、その領域がエナメル質又は病変であることを確認するために使用できる。
幾つかの例では、画像の蛍光領域の位置を特定するために、青チャネル強度及び/又は青差分が使用される。青チャネル強度と差分は緑チャネル強度と差分より小さいが、緑チャネルは飽和する可能性が高くなる。初期段階の病変は通常小さいため、通常のカメラの自動露出機能には大きな影響を与えない。従って、自動露出機能は、緑色チャンネルが蛍光領域で飽和する点まで露出を増加させ、場合によっては蛍光領域に隣接する領域でも露出を増加させる可能性がある。ただし、青チャンネルは飽和していない。青チャネルの強度をしきい値と比較すると、どのピクセルが画像の蛍光領域にあるかを確実に判断できる。
口腔内カメラでは、図4のようにカメラの端ではなく、患者の口に挿入されるカメラの端からセンサが配置されてもよい。例えば、センサは、少なくとも20mm、少なくとも30mm、又は少なくとも40mmの距離だけカメラから変位することができ、又はセンサが概してカメラの中央付近に位置するようにすることができる。患者の口に挿入されたカメラの端に角度の付いたミラーを配置して、画像をセンサに向けることができる。この配置により、より長い光路が提供され、それによって、例えばフィルタスイッチャ及び/又は調整可能な(すなわち、焦点を合わせる)レンズのためにより多くのスペースが提供される。調整可能なレンズは、例えば、電気機械的に移動するレンズ又は液体レンズであってもよい。オプションとして、1つ以上の追加の固定レンズをセンサとミラーの間に配置することもできる。歯とセンサ間の距離が離れると、カメラの焦点範囲も広がる可能性がある。
一例では、フィルタスイッチャは、ピボット又はリビングヒンジを介してカメラに取り付けられたバリアフィルタを備えている。アクチュエータ、例えばソレノイド又はマッスルワイヤは、バリアフィルタを第1の位置と第2の位置との間で移動させるように動作する。最初の位置では、バリアフィルタはカメラの外側(歯など)からセンサに向かう光を遮断する。2番目の位置では、バリアフィルタはカメラの外側(歯など)からセンサに向かう光を遮断しない。このようにして、カメラはフィルタ処理された画像又はフィルタ処理されていない画像を選択的に取得できる。一例では、カメラは、2つのモードのうちの1つで画像を収集するように構成される。第1のモードでは、バリアフィルタが第2の位置にある間に白色又は赤色の光が照射され、フィルタされていない画像が生成される。第2のモードでは、バリアフィルタが第1の位置にあり、フィルタ処理された画像を生成する間に、青色光が、オプションとして赤色光と組み合わせて照射される。カメラ本体の1つ以上のボタン、又はコントローラ(つまり、コンピュータ又はフットペダルなどの遠隔操作デバイス)から開始されるコマンドを使用して、オペレータは、フィルタ処理された画像、フィルタ処理されていない画像、又はフィルタ処理された画像とフィルタ処理されていない画像を含む一連の画像を生成するようにカメラに指示することができる。オプションとして、フィルタ処理された画像とフィルタ処理されていない画像を連続して撮影して、画像間のカメラの動きを最小限に抑える。これは、2つの画像の比較、又は画像若しくは画像の一部を組み合わせた場合の1つの画像と別の画像の位置合わせを容易にするのに役立つ。
一例では、カメラは、カメラ内に配置された調整可能なレンズと結合されたセンサで作られている。固定レンズは、調整可能なレンズの前に間隔を置いて配置される。カメラの先端には45度の角度のミラーが設置されている。オプションとして、フィルタスイッチを固定レンズとミラーの間に配置する。透明なカバーガラスがミラーの上に置かれ、カメラが囲まれる。一例では、3~5個のLEDの列が、カメラの外側のカバーガラスの1つ又は複数の面に配置される。オプションとして、LEDをディフューザー及び/又は励起フィルタで覆うこともできる。必要に応じて、LEDは図4に関連して上で説明したように角度を付けることができる。別のバージョンでは、LEDがカメラの内部に配置され、センサの周囲に配置される。オプションとして、カメラは、参照により本明細書に組み込まれる米国特許第8571397号に記載されているように、液体レンズ、固体レンズ、及び撮像素子を有してもよい。このカメラには、例えば、液体レンズと固体レンズの間、固体レンズと撮像素子の間、又は液体レンズを越えたところ(つまり、液体レンズの撮像素子とは反対側)に、ミラーやフィルタスイッチャを追加できる。
オプションとして、エッジ検出アルゴリズムを使用して、画像内の1つ又は複数の歯を周囲の組織から分離することもできる。非常に大きな齲蝕病変は目に見えて明らかであり、通常は活動性である。蛍光ナノ粒子は、小さな病変や白い斑点の発見、観察、測定を支援したり、それらが活性であるかどうかを判断したりするのに最も役立つ。この場合、歯の大部分は無傷であり、例えば、HSVシステムのH若しくはV、又はRGBシステムのG若しくはBなど、歯全体で測定された1つ以上の測定値は、通常、エナメル質のみの値に近くなる。これらの値は、齲蝕病変の検出に役立つベースラインとして使用できる。例えば、齲蝕病変(すなわち、蛍光領域)は、ベースラインからのH、V、G、又はBの差によって検出されうる。或いは、エッジ検出アルゴリズムを使用して、活動性の齲蝕病変(蛍光ナノ粒子を含む)を周囲の無傷のエナメル質から分離することもできる。一旦分離されると、特に患者による視覚化を助けるために、活動性齲蝕病変にマークを付ける(つまり、輪郭を描くか、対照的な色に変更する)ことができる。活動性齲蝕病変の面積も測定できる。オプションとして、活動性齲蝕病変部分を蛍光画像から抽出し、同じ歯の白色光画像に重ね合わせることができる。
本出願における「色相」への言及は、HSV、HSL、又はHSI画像解析システムにおけるH値を指すことができる。幾つかの例では、RGBシステムの2つ又は3つのチャネルの強度の比が色相と同じ方法で使用される。
上述の方法及び装置は、口の他の部分を標的としたフルオレセインの撮像にも使用できることが期待される。例えば、プラークの撮像を助けるために、フルオレセインナトリウム水溶液を使用することができる。
幾つかの例では、画像解析は、例えばエッジ検出又はセグメンテーションアルゴリズムを使用して、画像内の1つ又は複数の歯を周囲の組織から分離することを含む。オプションとして、歯の外側の領域を画像から削除することもできる。オプションとして、コントラスト強調アルゴリズム又はヒートマップアルゴリズムなどの様々な既知のアルゴリズムを使用して、歯の特徴の視覚化を改善することができる。視覚化の向上は、さらなる分析や患者とのコミュニケーションに役立つ可能性がある。
画像はRGBシステムで分析でき、各ピクセルは赤、緑、青のチャネル強度の3つの値で表される。或いは、画像は別のシステム、例えば色相のピクセル値を有するシステムで分析されてもよい。例えば、HSVシステムでは、色相(又は色)は、0~360のスケールで表され、緑色の色相は約70~160の範囲の値になる。
選択された青色光とフィルタの組み合わせでは、蛍光ナノ粒子によって生成される光の色相は、一般に画像間で一貫している。一例では、56.5~180の範囲の色相を有するピクセルを選択することにより、蛍光ナノ粒子を表す画像の部分に対応するピクセルが確実に識別される。ただし、適切な色相範囲は青色光の波長や使用するフィルタによって異なるため、カメラによっては異なる色相範囲が適切な場合がある。累積的に蛍光領域を表す蛍光ナノ粒子を表す11個のピクセルが識別され、蛍光領域を強調したり視覚化しやすくするために、画像を様々な方法で任意に変更できる。例えば、蛍光領域の外側の歯を表すピクセルは、強度を低下させたり、除去したりすることができる。他の例では、オプションとして蛍光領域の外側の画像の強度を低減するか、又は画像を除去した後、コントラスト強調アルゴリズムを画像に適用することができる。他の例では、オプションとして蛍光領域の外側の画像の強度を低減するか又は画像を除去した後、ファルゼンシュワルブクラスタリング又はK-meansクラスタリングアルゴリズムが画像に適用される。他の例では、オプションとして蛍光領域の外側の画像の強度を低減するか又は画像を除去した後、ヒートマップアルゴリズムが画像に適用される。他の例では、オプションとして蛍光領域の外側の画像の強度を低減するか又は画像を除去した後、蛍光領域は、異なる色に変換され、及び/又は強度が増加する。
齲蝕病変の診断に関する標準的な臨床ガイドラインは、病変の検出、病変活動性の決定、及び治療を決定するための重症度のスコアリングである。初期段階の病変はフッ化物と洗浄で医学的に治療できるが、より進行した空洞化病変は外科的治療と手術による修復が必要になる場合がある。初期段階の病変を検出して治療すると、長期的なコストが削減され、手術管理の必要性が減り、進行した疾患による合併症の発生率が低下する。
歯科医による病変の重症度や活動性の検出とスコアリングを支援するために、NYVAD基準やICDASシステムなど、齲蝕病変に対する複数の臨床スコアリングシステムが設計され、検証されている。しかし、どちらの臨床検出システムも、臨床現場で使用するには歯科医に多大なトレーニングと時間の負担が必要であることに加えて、特に初期段階の病変の場合、活動性と重症度のスコアリングの精度が低いという問題がある。どちらのシステムでも、訓練を受けた歯科医は、初期段階の(空洞化していない)病変に対する感度、特異度、評価者間の一致が最も低くなる。ICDAS重症度スコアの精度の推定値は65~83%の範囲であるが、初期段階の病変では精度が低くなる。これらのシステムを病変活動のゴールドスタンダードと比較した研究は殆どないが、ある研究では、歯科医がICDASシステムを使用して病変活動を判定する精度が52%であることがわかった。更に、一般開業医は、これらのシステムは実際に使用するには複雑すぎ、時間とコストがかかりすぎるため、その利用率が低いと考えている。実際の実践では、これらのシステムを使用した重症度、特に初期病変と病変活動性の特定は、文献で報告されているものよりも悪い可能性がある。
機械学習(ML)と人工知能(Al)は、齲蝕を高精度かつ迅速に検出及びスコアリングするための潜在的なソリューションとして報告されている。殆どの研究では、精度が90%を超えるX線写真画像が使用されているが、これらの研究には病変の重症度や活動性のスコアリングが欠如しており、取得されるX線写真とX線写真の解像度の限界に依存している。ある研究では、口腔内カメラを使用して白色光画像を取得し、ICDASシステムを使用して咬合性病変を検出及びスコアリングすることを使用していると報告されている。この研究はそれなりの成功を収めたが、このモデルは重症度の低い病変では成績が悪く、ICDAS1、2、3のF1スコアはそれぞれ0.642、0.377、0.600と報告されている。この研究には、病変活動性の測定も含まれていなかった。
標的化された蛍光デンプンナノ粒子(TFSN)は、高い表面多孔性を持って齲蝕病変に結合することが示されており、これは病変の活動性の指標であると考えられている。強力な蛍光と特異的なターゲティングにより、歯科医は非常に初期段階の病変を含む齲蝕病変を高い感度と特異性で視覚的に検出できる。粒子蛍光は視覚信号を強化し、病変の活動性と関連していると考えられているため、ここでは、TFSNでラベル付けされた歯の画像上のMLを、齲蝕病変の検出と、ICDASスケールを使用した活動性と重症度のスコアリングに使用できるかどうかを研究する。更に、蛍光シグナルは強力かつ独特であるため、定量化及び/又は画像拡張のために画像からシグナルを抽出することができ、機械学習、疾患分類、及び患者コミュニケーションにおける潜在的な利点を得ることができる。
実験例では、様々な齲蝕の重症度を持つ130本の抽出された人間の歯が選択され、FCSS粒子の適用後に白色光照明とオレンジ色のフィルタを使用した青色光照明の下で実体顕微鏡で撮像された。両方の画像セットは、病変の位置と重症度を区別するために、盲検のICDAS校正済みカリ専門医によってラベル付けされた。畳み込みニューラルネットワークは、齲蝕病変の存在、位置、ICDASスコア(重症度)、及び病変表面の多孔性(活動性)を決定するために構築され、白色光、青色光、及び結合された画像セットについて20,000倍の検証によってテストされた。この方法論は、高い齲蝕検出性能(感度89.3%、PPV72.3%)、及びICDASスコアリングによって重症度を判定できる可能性(精度76%、SD6.7%)、及び表面空隙率(病変の活動性)(精度91%、SD5.6%)を示した。より広範には、生体標的粒子と撮像Alの組み合わせは、他の多くの用途に適用できる可能性のある新規技術の有望な組み合わせである。
ミシガン大学に匿名で寄贈された人間の歯はオートクレーブ処理され、咬合面に様々な重症度の齲蝕病変が存在するものとして研究対象として選択された。重度の着色、歯石、修復物のある歯は除外された。歯を、脱イオン水中のTFSNの1.0%w/w分散液(後にGreenMark BiomedicalからLumiCare(商標)として市販されるTFSNと実質的に同様)に30秒間浸漬し、その後、結合していないTFSNを洗い流すために脱イオン水で10秒間リンスした。次に、これらの歯を、NikonSMZ-745T実体顕微鏡に取り付けられたNikonDigitalSightDS-Fi2カメラを使用して10倍の倍率で撮像した。白色光画像は、白色光照明と自動露出で撮影された。青色光画像は、Optilux501歯科治療用ランプによる照明と、歯科医師がUV又は青色光への曝露から目を保護するために頻繁に使用するタイプの、明るいオレンジ色の光学シールドロングパスフィルターを使用して撮影された。青色光の画像には、TFSNによって生成された蛍光が含まれている。
画像には、PhotoPea画像ソフトウェア(www.photopea.com)を使用して、ICDASで校正された人間の検査者(虫歯専門医(cariologist))が注釈を付けた。検査者は白色光画像を使用して病変領域を選択して注釈を付け、対応するICDASスコアでラベルを付けた(図5、パネルA)。これらの注釈は青色光画像に転送され、注釈付き病変におけるTFSN蛍光の存在が、病変活動のマーカーとして検者によって決定された。
全ての画像において、標準的なソーベルエッジ検出法を使用して歯のエッジをトリミングすることにより、無関係な背景ピクセルが除去された。全ての画像は、ニューラルネットワークへの入力用に299x299ピクセルにサイズ変更された。
40枚の青色光画像のサブセットでは、蛍光領域と非蛍光領域に手動で注釈が付けられた。ピクセル値は、対応する蛍光又は非蛍光ラベルを使用して3次元の色相-彩度-強度(HSI)として抽出された。ピクセルが蛍光であるかどうかを決定するために決定木分類器が訓練され、20k分割交差検証により、ラベル付きデータセット内でこの方法の精度が99.98%であることがわかった。40枚の注釈付き画像からのピクセルのデータセット全体で訓練されたモデルが、TFSN蛍光を分離するために残りの青色光画像に適用された。
様々な機械学習タスクにどの入力画像が最適であるかが不明だったため、全てのバリエーションの画像が生成された。まず、白色光、青色光、及び抽出された蛍光ピクセル(簡略化して「蛍光」と呼ぶ)のみを含む画像が生成され、処理された。TFSN蛍光が既知の病変や表面多孔性をターゲットにすることがわかっているため、抽出された蛍光ピクセルは、画像内の関心領域(regions of interest (ROI))、つまり10個の連続するピクセルによって拡張された孤立した蛍光の領域を識別するために使用できる。また、蛍光ピクセルを強度(又は他の拡張領域)に合わせてスケーリングしたハイコントラストの青色として白色画像に追加して戻し、青色光と白色光の「結合された」(又は拡張した)画像を作成することもできる。青色の色相が白色光画像内の既存の色相と重ならないため、コントラストを最大化するために結合された画像には青色のスケールが選択された。病変の位置を決定するためのモデルの入力として、白色光、青色光、結合蛍光、分離蛍光(図5では「蛍光」と呼ばれる)、及び全ての形式のROI画像がテストされた(図5、パネルB)。病変の位置を決定するための追加のベースラインとして、モデルなしで分離された蛍光が使用され(図5では「蛍光なしモデル」と呼ばれる)、(色相と強度を分類パラメータとして使用して)決定木分類器によって決定された分離された蛍光は、予測マスクに直接変換された(図5、パネルB)。病変表面の多孔性と病変の重症度を決定するためのモデルの入力として、全ての病変の白色光、青色光、結合、及び分離TFSN画像の画像全体から病変ピクセルが抽出された(図5、パネルC及びD)。
病変の存在と位置の決定は、セマンティックセグメンテーションの機械学習タスクである。U-Netモデルアーキテクチャは、生物医学画像などのこれらのタスクで非常に効果的であることが示されている。従って、このタスクにはU-Netモデルアーキテクチャを使用することにした。これらのモデルは出力としてマスクを必要とするため、モデルの訓練と評価のために病変がバイナリマスクに変換された(図5、パネルB)。
孤立した病変からの病変の重症度と活動性の決定は、画像分類タスクである。畳み込みニューラルネットワーク(CNN)は、これらのタスクにおいて非常に効果的であることが示されている。NASnetは、多くのベンチマーク画像分類タスクで最先端の結果を達成したCNNアーキテクチャである。従って、分類モデルにはNASNetアーキテクチャを使用した。別々のモデルが訓練され、スコアリングの重症度と病変活動の両方について評価された(図5、パネルC及びD)。
全てのモデルは、30,000倍の相互検証を使用して訓練及び評価された。各フォールドについて、モデルはAdam最適化を使用して60エポックにわたって訓練された。
セマンティックセグメンテーションタスク(semantic segmentation tasks)のモデルパフォーマンスの標準的な測定値は、交差オーバーユニオン(intersection-over-union (IOU))であり、これは、アノテーションマスク内のピクセルと重複するモデルによって予測されたピクセルの比率を、予測されたピクセルとアノテーションマスク内のピクセルの合計で割ったものとして定義され、ここで、値1は完全な予測になる。この指標は、わずかな偏差により、重複しないピクセルが多数発生し、臨床的関連性を反映しないIOUが低下する可能性があるため、厳格である。また、感度と陽性的中率(positive-predictive value (PPV))を決定するために、真陽性、偽陰性、及び偽陽性の割合も決定した(図5、パネルA)。真陽性は、既知の病変と重なるピクセルの連続領域として定義された。偽陰性とは、病変が予測領域と重複しない場合である。偽陽性とは、既知の病変と重複しないと予測されたピクセルの領域である。全体として、IOU、感度、及びPPVはk倍ごとに計算された。平均及び標準偏差は、30の折り目全てにわたって決定された。分離されたTFSN蛍光又は関心領域を入力として使用したモデルの場合、他の病変は画像から除去されているため、活動していると判断された病変に対してのみ評価された。病変の重症度と活動性がわかったので、各ICDAS重症度スコアと活動性ステータスの感度も計算できる。
分類モデルの場合、モデルの予測された分類が真の(True)ラベルと比較され、全体的な精度スコアとF1スコア(特異性と感度の調和平均)が決定された。これらのメトリクスはkフォールドごとに決定され、30フォールド全ての平均と標準偏差が計算された。これらの指標は、分類タスク(活動又はICDAS重症度)のサブクラスごとに計算された。
130枚の歯の画像から、ICDASで校正された検査官によって459個の病変が特定され、注釈が付けられた。ICDAS4病変は確認された。殆どの病変の重症度は、ICDAS1又は2で、ICDAS3’又は5/6’はごくわずかであった。マニュアルレビューでは、459個の病変のうち268個にTFSN蛍光があり、58.4%の病変が活動性であり、表面多孔性を有していたことが示唆された。
完全に結合された画像を全体的に利用すると、平均感度が80.26%、PPVが76.26%となり、最も優れたパフォーマンスを示した(表3)。全てのモデルで、ICDAS重症度が増加するにつれて感度も増加した。「関心領域」を与えられたモデルは、歯全体を含むモデルとほぼ同様のパフォーマンスを示した。
全体として、青色光画像と白色光画像を使用したモデルの精度が最も高く、どちらも72%であった(表4)。最高のF1スコアは、一般に、ICDAS重症度スコアが低い病変、つまりICDAS T及び2において得られた(表4)。全ての入力の混同行列と重症度スコアリングのモデルを図7に示す。
分離された蛍光のみを使用した場合、病変活動性の決定に関して全体的な精度は90%であった(表4)。白色光画像を使用した場合、モデルが病変が活動的であると常に予測すると仮定した場合、病変活動を予測するモデルの精度は63%で、確率で予想される精度(58.4%)をわずかに上回った(表4)。全ての入力の混同行列と活動スコアリングのモデルを図7に示す。
全体として、我々は、標的蛍光デンプンナノ粒子と組み合わせた機械学習が、抜歯された歯の画像における齲蝕病変の存在、位置、重症度、及び表面多孔性を決定するための実行可能な方法であることを示した。これは、機械学習を使用して齲蝕病変の活動性を判定する初めての試みであり、これらの新しいテクノロジーを初めて組み合わせて使用するものである。
病変の位置と存在に関しては、最良のモデルは適度に感度が高く80.26%、良好なPPVは76.36%であった。モデルは、歯科医によるパフォーマンスと同様に、より重度の空洞化した(ICDASが高い)病変に対して最も感度が高かったが、空洞化していないICDAS1及び2病変に対しても適度な感度を示した。
私たちのモデルは、重症度(F1>0.75)によるICDAS1及び2病変のスコアリングでは良好な成績を収めたが、より重篤な病変では成績が悪かった。この矛盾は、特に高ICDAS病変に対する我々の高い感度と文献で報告されているものと比較した場合、モデル学習に十分なより重篤なICDAS病変が存在しなかったという我々のデータセットの偏りに二次的なものである可能性がある。
予想通り、分離された蛍光の画像を使用したモデルは、病変活動性の決定において90%の精度で非常に正確であった。入力として白色光画像だけを使用した場合、明らかなモデル学習は生じず、偶然に予想されるものよりもわずかに優れていた(63%対58.4%)。TFSNからの追加の蛍光がなければ、これらの画像には表面多孔性に関する情報が存在しない可能性があるため、白色光画像のみを使用して病変活動を判断することは不可能な作業である。これは、歯科医が視覚的に病変の活動性を判断する精度は、偶然の推測であるが50%近くである可能性があるという文献データによって裏付けられる可能性がある。NYVADシステムは、より信頼性が高いと思われるが、表面粗さ(歯科用探査機でテスト)と乾燥への反応に関する観察が組み込まれており、これにより、視覚検査では決定できない表面多孔性に関する追加情報が歯科医に提供される可能性がある。
青色光画像内の蛍光領域内のピクセルを特定して抽出できる。これらのピクセルの抽出は、MLモデルを訓練することなく、例えば、1つ以上の色相と強度に基づく、例えば、決定木分類、単一パラメータ範囲若しくは閾値との比較、又はエッジ検出分類を使用して、関心領域及び病変活動の検出に使用できる。MLに関する主な懸念事項は、過剰適合と伝達性の欠如である。蛍光抽出は、過剰適合の影響を受けやすく臨床的に実用的ではない可能性のある大規模な画像注釈付けやモデルの訓練を必要とせずに、画像タイプ間で転送可能な病変検出及び活動スコアリングの開始点として機能する。予測マスクの作成などにおいて、MLモデルの有無にかかわらず、青色光画像からの蛍光ピクセルの抽出は、例えば、白色光の画像にマスクをオーバーレイすることで、同じ歯の白色光画像を拡張するために使用することもできる。オプションとして、拡大、回転、平行移動、又は歯のサイズ、位置、方向が最初は同一ではない患者で撮影された2つの画像を重ね合わせる画像操作後において、これが行われてよい。拡張された白色光画像は、例えば活動性病変のサイズ及び位置の視覚的表示を提供することにより、患者とのコミュニケーションを強化するのに役立つ可能性がある。オプションとして、蛍光抽出ピクセル又はマスクを選択した色相又は強度に変換することにより、患者とのコミュニケーションのために拡張青色光画像を作成することもできる。拡張された白色光又は青色光の画像により、蛍光写真のコントラストが向上したり、エッジがより鮮明に定義されたりすることができ、いずれも、患者が活動領域を理解したり、サイズの測定や、別の日に撮影された別の画像との比較など、今後使用するために活動領域を記録したりするのに役立つ。
画像は、ICDAS校正済み虫歯専門医によってラベル付けされた。文献内の他の研究とは異なり、TFSN画像の使用により、病変の重症度に加えて活動性の判定が可能になった。全ての病変は重症度及び活動性についてラベル付けされており、病変のサブクラス全体でモデルのパフォーマンスを比較できる。機械学習タスクを分割することで、クリニカルパスのコンポーネント間でパフォーマンスを比較できるようになった。
制限は、ICDAS4病変がなく、ICDAS5及び6病変が殆どない130歯というデータセットのサイズが小さいことであった。更に、これらの画像は、生体内口腔内画像ではなく、顕微鏡を使用して抜歯された歯から得られたものである。前述したように、ICDASで校正されたカリ専門医による画像からの視覚検査を「ゴールドスタンダード」として使用すると、モデルの精度が制限される可能性がある。触覚検査と歯の乾燥を含む完全な臨床検査により、より正確なスコアが得られる可能性がある。これらの制限にもかかわらず、この研究の結果は、これらの方法が、標準(白色光)口腔内カメラ及び/又は本明細書に記載の青色光及びフィルタを備えた口腔内カメラで撮影された患者の画像に有効に適用できることを示している。
ターゲットを絞った蛍光デンプンナノ粒子と組み合わせた機械学習は、抜歯された歯の画像における齲蝕病変の存在、位置、重症度、表面多孔性を判定するための実現可能な方法である。これらの技術の継続的な開発は、歯科医による齲蝕病変、特に初期病変の迅速かつ正確な検出とスコアリングを支援し、予防歯科と世界の健康と幸福を促進する可能性がある。
本明細書に記載される方法は、口腔内カメラ画像、又は口の外から撮影されたカメラ画像、例えばデジタル一眼レフ(DSLR)カメラ又はスマートフォンカメラを使用し、オプションとして、鏡及び/又は開創器を使用して、生体内で実行することもできる。口の外で撮影した画像の場合、治療用ランプなどの青色光を対象の歯又は複数の歯に照射し、カメラのレンズにフィルタを追加することで蛍光画像を撮影できる。或いは、カメラのフラッシュユニットを青色フィルタ、例えばWratten 47又は47Aフィルタで覆うこともできる。又は、白色LEDを取り外して青色LEDに置き換えることによってLEDベースのフラッシュシステムを変換して、青色光を提供することもできる。スマートフォン又はデジタル一眼レフカメラに適したフィルタは、Oral ID(商標)口腔がんスクリーニング装置とともに通常使用される、Forward Science社から入手可能であり、Identifi(商標)口腔がんスクリーニング装置に通常使用される、Trimira社から入手可能であり、又は、Fusion(商標)口腔がんスクリーニング装置に通常使用される、DentLightから入手可能である。或いは、Tiffen 12又は16フィルタをデジタル一眼レフカメラのレンズに取り付けることもできる。口腔内カメラ画像の場合、白色光画像は従来の口腔内カメラから撮影することができ、蛍光画像は本明細書に記載の青色光及びフィルタを備えた口腔内カメラから撮影することができる。オプションとして、口腔内カメラを使用して青と白の両方の画像を撮影できる。例えば、CarestreamのCS1600(商標)カメラは、白色光と蛍光画像を生成する。ただし、この製品は健康なエナメル質と比較して強度を低下させることで齲蝕病変を識別しようとしているため、カメラで使用されるソフトウェアは適切ではない。白色光及び蛍光画像を撮影できる口腔内カメラは、米国特許出願公開第20080063998号及び第20190365236号にも記載されており、これらは参照により本明細書に組み込まれる。
TFSNがMLモデルの伝達性と過学習にどのような影響を与えるかを判断するために、白色光と青色光の画像を使用して訓練されたモデルを、様々な照明と条件の画像でテストできる。更に、我々のモデルが蛍光のみから病変の重症度を予測できることは、TFSN蛍光が病変の重症度に応じて変化するため、病変の重症度のマーカーとなり得ることを示唆している。蛍光のサイズと強度の指標は、病変の進行の予測値を決定するために、経時的に病変について研究することができる。蛍光特性は、病変の深さに関連して研究することもできる。
インビボ(in vivo)プロセスの一例では、患者の歯を洗浄した後、患者が蛍光ナノ粒子の水性分散液(GreenMark BiomedicalのLumiCare(商標)など)を口に含み、その後すすいでよい。1つ又は複数の歯の画像は、例えば口腔内カメラを使用して取得される。オプションとして、蛍光(青色光及びバリアフィルタ)と白色光(オプションとして低カットオンのロングパスフィルタを介して)の両方が同時に又はほぼ同時に得られる。オプションとして、蛍光画像(又は蛍光画像から抽出された蛍光領域)と白色光画像がオーバーレイされる。画像はコンピュータ上のソフトウェアに渡されるか、処理のためにクラウドにアップロードされる。
個々の歯は、AI又は歯科医(又は他の臨床医)のいずれかによって、患者の名前/位置(例えば、左上の第一大臼歯)によって識別されてもよい。オプションとして、歯科医は最初にベースラインとして全ての歯の画像を撮影し、画像にラベルを付けてもよい。歯科医が十分な画像を取得してラベルを付けたら、歯のアイデンティティを識別するモデルを展開して自動ラベル付けを行うことができる。画像オーバーレイ又は画像類似性計算を使用して、ソフトウェアは次回の訪問時に歯を識別し、比較のために画像をオーバーレイできる。ORBは、画像をオーバーレイするための、オプションとしての計算方法の1つである。
歯が選択され、その歯上で1つ又は複数の関心領域が特定される。オプションとして、分類子を使用して、蛍光ナノ粒子を表すピクセルを識別及び/又は抽出することができる。識別/抽出は、分類器を備えたHSI又は蛍光を見つけるために適用されるセグメンテーション用のニューラルネットワークに基づいて行うことができる。決定木(つまり、選択された範囲内の色相、選択されたしきい値を超える値又は強度)が使用されているが、他のアルゴリズム(ランダムフォレスト、SVMなど)も使用できる。蛍光領域は自動的にラベル付けされるため、歯科医は病変の存在を確認し、その重症度をスコア化するように求められる。
オプションとして、セグメンテーションモデルを白色光モデルと青色光(蛍光)モデルの両方に適用して、対象領域を決定できる。(蛍光画像に加えて)白色光画像を使用すると精度が向上し、非蛍光(つまり不活性)病変の検出が可能になる可能性がある。セグメンテーションモデルはマルチクラスにすることができ、関心領域のICDAS(又はその他)重症度スコアを自動的に識別する。関心領域は、重症度やその他の特性(深さ、活動など)に基づいてニューラルネットワークによってスコア付けできる。オプションとして、白色光画像と青色光画像を畳み込みニューラルネットワークで画像分類に使用できる。
ソフトウェアは、蛍光量、蛍光面積、及び以前の画像と比較した経時的な領域の変化に関する統計を生成することができる。オプションの追加モデルは、治療の成功の可能性などに使用できる。
上記のプロセスで使用されるニューラルネットワークでは、UNETベースのアーキテクチャがセグメンテーションタスクに最適に機能し、畳み込みニューラルネットワーク(CNN)のバリアントが分類に最適に機能する。この分野が発展するにつれて、より優れており、本明細書で説明する方法に適応できる新しいアーキテクチャが発見される可能性がある。
別の例では、歯上の蛍光ナノ粒子の面積は、指定された範囲内の色相値を有するピクセルを選択することによって決定された。範囲は、画像の撮影に使用される光とフィルタの組み合わせによって異なる。ただし、指定された青色光源とフィルタでは、歯の画像の殆ど(つまり、少なくとも95%)で色相範囲が正確であった。
別の例では、4つの既知の機械学習アルゴリズム(ロジスティック回帰(LR)、線形判別分析(LDA)、分類回帰木(CART)、及び単純ベイズ分類器(NB))が訓練され、(青色光下で、蛍光ナノ粒子で処理した歯のバリアフィルタを通して撮影される)10本の歯の画像のラベル付きピクセル(300万ピクセル以上)上の蛍光ピクセルを、ピクセルのHSV/HSI値を使用して検出した。このアルゴリズムには、新しい画像内の蛍光ナノ粒子に関連するピクセルを識別するというタスクが課せられた。4つのアルゴリズムの平均精度は、LR:99.7982%、LDA:99.3441%、CART:99.9341%、NB:95.2392%であった。
別の例では、本明細書に記載の装置200と同様の口腔内カメラを使用して、蛍光ナノ粒子(GreenMark BiomedicalのLumiCare(商標))で治療された歯の画像を撮影した。約100万ピクセルで構成される蛍光領域と非蛍光領域は、カメラから撮影された3つの青色光画像上で人間によってラベル付けされた。上記の例で説明した公開されている機械学習アルゴリズムは、ピクセルのHSI値を使用して、ピクセルが蛍光領域にあるか(陽性ピクセル)、そうでないか(陰性ピクセル)を予測するように訓練された。次に、訓練されたモデルを使用して、カメラからの追加の6枚の画像内の蛍光領域(陽性ピクセル)を識別した。蛍光領域は、一般に他の画像よりも暗かった1つの画像の約半分を除いて、人間によって特定された蛍光領域と高い一致を示した。
別の例では、339個の病変を持つ100本の歯が臨床医によってICDAS重症度についてスコア付けされ、蛍光ナノ粒子を使用して活動性もチェックされた。ICDAS4以上の病変スコアは全て活動性であった。ICDAS2又は3とスコア付けされた病変の90%以上が活動性であった。しかし、ICDAS1とスコア付けされた病変の約60%のみが活動性でした。
陽性ピクセル(つまり、蛍光ナノ粒子を含むと機械学習アルゴリズムによって識別されたピクセル)の数は、ICDASスコアと弱い相関があることが実証された。蛍光領域内の最大ピクセル強度は、平均ピクセル強度よりも病変の存在と相関があることが示された。陽性ピクセル数の代わりに、領域内の高強度ピクセルの数(最大強度の少なくとも70%を持つピクセルとして定義)を使用すると、ICDASスコアとのより良い相関関係が得られた。本明細書で説明される方法でピクセル強度が使用される場合、それは平均ピクセル強度又は最大ピクセル強度であってよい。ピクセル強度は、カメラの設定や照明などによって変化する可能性があるため、オプションとして、ピクセル強度を内部基準(つまり、ナノ粒子を含む画像のセグメントの外側にある歯の平均強度)と比較して、レシオメトリック分析(つまり、蛍光ナノ粒子セグメント内の強度とセグメント外の強度の比)によって、又はスケーリング(つまり、画像内の強度と基準強度の比を画像内の強度に乗算する)によって、又は画像内の強度が基準強度に近づくまで後処理でカメラの設定つまり露出を調整することによって、分析する。
蛍光ナノ粒子は、ピクセルレベルベースの機械学習アルゴリズムによって歯の画像上で識別できる。白色光又は蛍光画像のいずれかを機械学習とともに使用して、ICDASスコアリングを行うことができる。ただし、白色光画像は、病変、特にICDAS 0~2病変が活動性であるか非活動性であるかを判断するのには役立たない。蛍光ナノ粒子を適用し、蛍光画像を撮影することにより、活動性病変の検出とスコア付けを決定することができる。白色光画像と蛍光画像を併用すると、活動性及び非活動性の全ての病変の位置を特定してスコアリングし、その活動性を判定することができる。
別の例では、蛍光デンプンナノ粒子(FSNP、すなわちGreenMark BiomedicalのLumiCare(商標))を使用して、活動性の非空洞化齲蝕病変の視覚的検出を補助した。この研究では、齲蝕疾患の重症度を特定し決定するためのツールとして、FSNPとコンピュータビジョンの組み合わせを評価した。
抜歯された人間の歯(n=112)は、咬合面上の一連の齲蝕の重症度(健全、非空洞、及び空洞)を識別するために、2人のICDAS校正済み虫歯専門医によって選択及びマークが付けられた。FSNPを各歯に適用した(30秒間適用、10秒間水ですすぐ)。その後、LED歯科治療用ランプによる照明下で実体顕微鏡法によって撮像され、オレンジ色の光学シールドによってフィルタリングされた。画像は基本的なコンピュータ画像処理技術を使用して評価され、色相、彩度、強度に関する情報が抽出された(RGBベクトルがHSIベクトルに変換された)。歯を切断し、盲検検査者3名により組織学をダウナースコアについて評価した。画像抽出値と各病変の組織学的スコアから統計的比較が行われた。
112個の病変は、様々な重症度を表した(ダウナー0=45、ダウナー1+2=29、ダウナー3+4=38)。蛍光領域は、陽性ピクセルとみなされる、56.5~180の範囲の色相を持つピクセルを選択することによって決定された。蛍光領域の分析では、増加した領域(つまり、陽性ピクセルの数)と平均ピクセル強度についてはより高い病変重症度との相関関係が示され、最大ピクセル強度については非常に有意な相関関係(p<10e-9、Kruskal Wallisによる)が示された。
これらの結果は、FSNPとコンピュータビジョン技術を組み合わせてナノ粒子の蛍光パターンを抽出及び分析し、病変の重症度(深さ) を判断できる可能性を示す。標的ナノ粒子とコンピュータビジョンの組み合わせは、歯科医にとって強力な臨床ツールを提供するかもしれない。
別の例では、蛍光デンプンナノ粒子(FSNP、GreenMark BiomedicalのLumiCare(商標))が、活動性の非空洞性齲蝕病変(active non-cavitated carious lesions (NCCLs))の検出を支援することが示されている。この研究では、滑らかな表面のNCCLに対するフッ化物処理の効果をモニタリングするツールとしてFSNPの可能性を評価した。
滑らかな表面上にICDAS2齲蝕病変(白斑病変)を有する抽出されたヒトの歯(n=40)が選択された。FSNPを各歯に適用した(30秒の浸漬、10秒の水洗)。その後、オレンジ色の光学シールドでフィルタをかけたLED歯科治療用ランプによる照明下で実体顕微鏡によって撮像された。次に、歯に、酸サイクルの有無にかかわらず、人工唾液に浸漬し、1,000ppmのフッ化物又はネガティブコントロール(脱イオン水)で処理する20日間の治療サイクルを行った。次に、歯を再度FSNPに曝露し、再撮像した。画像は、各齲蝕病変について、画像分析を使用して定量的に比較され、盲検評価者によって5段階のカテゴリースケールで定性的に比較された。
20日間のサイクリング後、フッ化物で処理したサンプルの高い割合がネガティブコントロール(酸サイクリング有りと無しでそれぞれ41.7%と54.5%)と比較して改善された(酸サイクリング有りで82.4%、酸サイクリング無しで75.0%)と定性的に判断された。画像解析により、蛍光の平均変化は、サイクリングありとサイクリングなしについてそれぞれ、ネガティブコントロールにおける+0.17±5.9%及び-38.3±5.2%と比較して、フッ化物については-64.1±7.1%及び-58.7±5.3%と測定された。
これらの結果は、FSNPがフッ化物(再石灰化)治療後の蛍光の減少により、初期の活動性齲蝕病変の治療結果のモニタリングに役立つ可能性を示す。これらの粒子は、キャビテーションの前に非侵襲的治療の有効性を追跡するために使用できる。
オプションとして、歯の複数の表面、又はオプションとして患者の口内の全ての歯を含む歯のセットを評価して、例えば複数の表面又は歯のICDAS又は他のスコアを提供することができる。複数の表面又は歯のセットの合成写真は、複数の画像を組み立てることによって作成することができる。或いは、組み立てられた画像を作成せずに、複数の画像を個別に分析して、セット内の各歯の表面を識別することもできる。合計スコアは、例えば複数の病変のICDASスコアを加算することによって、歯の表面、歯全体、又は歯のセットの複数の病変に対して与えられてもよい。
HSV又はHSIシステムの色相値(色相差分を含む場合がある)は、例えば、カメラの設定(つまり、露出時間)、適用される光の強度、カメラと歯の間の距離などの違いに強く、外因性蛍光剤がある場合とない場合の画像の部分を分離するのに非常に役立つ。更に、強度の差分を含む強度値を考慮すると、外因性蛍光剤の有無による画像の部分を分離するのに更に役立つ。しかしながら、色相値の代わりに、又は色相値に加えて、赤、緑、青(RGB)系のチャネル強度値が使用される、同様の技術が使用されてもよい。例えば、フルオレセインベースの薬剤の場合、緑色チャネル及び/又は青色チャネル(どちらも蛍光領域のピクセルでは通常より高い)の活性化レベル(つまり、0~255)が有用な尺度になる。方法がカメラ露出の影響を受けにくくするために、緑及び/又は青のチャネル強度が差分測定として使用される(つまり、周囲又は隣接する低い緑チャネル強度のレベルと比較して、より高い青及び/又は緑チャネル強度の領域を特定する)ことが好ましい。代替又は追加の方法では、G:Bチャネル強度の比は、通常、健全なエナメル質よりも蛍光領域の方が高く、外因性蛍光剤の領域と無傷のエナメル質の領域を区別するのに役立つ。このような比率を使用すると、HSV/HSIシステムでH値を使用する場合と同様に、カメラの露出やその他の要因の変動の影響を受けにくくなる場合がある。オプションとして、上述の方法は、HSV/HSI/HSLシステムにおける色相の代理としてRGBシステムにおける2つ又は3つのチャネルの強度の1つ以上の比を使用して実装される。オプションとして、上述の方法は、HSV/HSI/HSLシステムにおけるI又はVの代理として緑又は青チャネル強度を使用して実装される。
オプションとして、絶対値ではなく差分を使用する場合、セグメンテーション、位置特定、又はエッジ検出アルゴリズムを使用して、少なくとも一時的に、歯上の著しく異なる特性を持つ1つ又は複数の領域の周囲に境界線を引くことができる。オプションとして、歯は、歯内の領域の周囲に境界線を描く前に、セグメンテーション、位置特定、又はエッジ検出アルゴリズムを事前に適用することによって、画像全体から分離されていてもよい。次いで、境界内のピクセルと境界の外側のピクセルとの間の差分を決定して、どの領域が蛍光領域であるかを決定することができる。オプションとして、1つ又は複数の非蛍光領域の値をベースラインとして使用し、ベースラインとの差に基づいてピクセルを蛍光性又は非蛍光性として指定して境界を再描画することもできる。蛍光ナノ粒子は、小さな病変や白い斑点の発見、観察、測定を支援したり、それらが活性であるかどうかを判断したりするのに最も役立つ。この場合、歯の大部分は無傷であり、(エッジ検出などにより歯の境界を決定した後に)歯全体にわたって考慮される(つまり、平均値(average or mean value)を決定することによって)、例えば、H、V/l、B、G、又はB:G比などの、1つ以上の測定値は、通常、無傷のエナメル質の値に近似する。これらの値の1つ以上をベースラインとして使用して、齲蝕病変の検出に役立てることができる。例えば、齲蝕病変は、ベースラインに対するH、V/I、B、G、又はB:G比の差によって検出されうる。
上で説明した例のいくつかでは、白色光の画像が青色光の組み合わせと組み合わせて使用されている。
他の例では、異なる外因性蛍光剤が異なる色の光によって励起され、及び/又は異なる色相又は他の特性を有する蛍光を生成するかもしれない。光源、バリアフィルタ、及び蛍光領域を識別するために使用されるパラメータは、それに応じて調整できる。幾つかの例では、有色光源は必要なく、白色光が使用されてもよい。
本明細書における特定のタイプの色光への言及においては、別のタイプの光、又は光とフィルタの組み合わせも使用されてもよい。例えば、青色、赤色、又は紫色のLEDを、青色、赤色、又は紫色のフィルタと組み合わせた任意の白色又は多色の光源に置き換えることができる。
上記の説明は上記のソフトウェア又はアルゴリズムに言及しているが、一部の方法は人によって実装されてもよい。例えば、人は画像を表示又は比較してもよい。画像を保存及び/又は拡大するカメラの機能は、歯科医が画像を分析するのに役立つかもしれない。患者は自分の口の中を見ることが難しいため、画像は歯科医が患者とコミュニケーションをとるのにも役立つ。幾つかの例では、2つの画像、例えば青色光画像と白色光画像を1つの画面又は他の閲覧装置上に同時に配置することは、医師が画像を比較するのに役立つかもしれない。
結合された画像を含む方法は、実際に画像を1つの画像に結合することなく、一緒に検討される2つ以上の画像のセット、つまり、2つ以上のピクセルベクトルのセットから作成された1つのピクセルベクトルのセットを持つ画像、を使用して実行してもよい。例えば、2つ以上の画像(例えば、白色光画像と蛍光画像)を画面上に一緒に表示して、同時に見ることができる。別の例では、アルゴリズムは、単一の結合画像を考慮するのと同様の方法で、更に2つの画像のセットを考慮できる。画像の組み合わせ、又は画像のセットを考慮した方法では、画像の1つ又は両方が操作されている可能性があり、及び/又は1つ又は複数の画像が元の画像の一部又は全てである可能性がある。
幾つかの例では、白色光画像は、例えば病変の識別又はスコアリングなどの分析には使用されない。白色光画像は、例えば患者とのコミュニケーションや記録保持に使用されてもよい。幾つかの例では、白色光画像は、フィルタも蛍光剤も存在しない白色光の下で撮影された画像である。幾つかの例では、白色光画像は、蛍光画像と比較して反射光に対する蛍光の関連影響を低減する方法で撮影されるが、フィルタ及び/又は蛍光剤が存在する。
Claims (29)
- 光源であって、オプションとして、色付きである光源と、
画像センサと、
前記画像センサ上のバリアフィルタと、
前記画像センサから画像を受信し、マシンビジョン、機械学習、又は人工知能ルーチンを使用して画像を分析し、前記画像内の蛍光に対応するピクセルを検出し、及び/又は、前記画像内の歯の病変にスコア付けるように構成されたコンピュータと、
を備えることを特徴とする口腔撮像システム。 - 前記光源は、青色光源であり、
前記蛍光は、フルオレセイン関連化合物、例えば、20~700のz平均サイズを有する正に荷電した粒子を含む、外因性物質によって生成される
ことを特徴とする請求項1に記載のシステム。 - 白色光カメラを更に備え、
前記コンピュータは、前記白色光カメラから画像を受信し、機械学習又は人工知能ルーチンを使用して前記画像を分析し、前記画像内の病変を検出及び/又はスコア付けするように構成されている
ことを特徴とする請求項1又は2に記載のシステム。 - 前記コンピュータは、色相、強度、値、青チャネル強度、緑チャネル強度、緑チャネル強度と青チャネル強度の比、決定木、及び/又はUNETアーキテクチャニューラルネットワークのうち1つ又は複数を使用して前記画像内の蛍光領域を特定するように構成されている
ことを特徴とする請求項1~3のいずれか1項に記載のシステム。 - 前記コンピュータは、畳み込みニューラルネットワークを使用して病変をスコア付けするように構成されている
ことを特徴とする請求項1~4のいずれか1項に記載のシステム。 - 前記システムは、蛍光画像で決定された活動について、白色光画像内に位置する病変を相互参照するように構成されている
ことを特徴とする請求項1~5のいずれか1項に記載のシステム。 - 歯を分析する方法であって、
フルオロフォアを前記歯に塗布し、オプションとして、カチオン性粒子の形態で、前記塗布を行い、
前記歯に光、オプションとして色付きの光、を当て、
前記フルオロフォアから発せられる蛍光を含む画像をバリアフィルタを通して感知し、
前記画像を分析して前記歯の齲蝕を検出及び/又はスコア付けする
ことを含むことを特徴とする方法。 - 前記画像を分析することは、マシンビジョン、機械学習、又は人工知能アルゴリズムを使用することを含む
ことを特徴とする請求項7に記載の方法。 - ナノ粒子からの蛍光を分離することは、色相、強度、値、青チャネル強度、緑チャネル強度、又は緑チャネル強度と青チャネル強度の比を、単独で又は他の値と組み合わせて、オプションとして決定木によって、考慮することを含む
ことを特徴とする請求項8に記載の方法。 - 前記画像を分析することは、UNETアーキテクチャニューラルネットワークを適用することを含む
ことを特徴とする請求項8又は9に記載の方法。 - 病変をスコア付けすることは、畳み込みニューラルネットワークを使用することを含み、オプションとして、前記畳み込みニューラルネットワークは、蛍光に対応すると以前に決定された前記画像の部分に適用される
ことを特徴とする請求項7~10のいずれか1項に記載の方法。 - 後の時点において第2の画像を感知し、前記第2の画像を分析することを含み、
オプションとして、前記第2の画像に基づいて病変をスコア付けし、これらの結果を前記第1の画像の結果と比較して、病気の進行又は退行を判断することを含む
ことを特徴とする請求項7~11のいずれか1項に記載の方法。 - 前記歯の白色光画像を感知し、機械学習又は人工知能ルーチンを使用して前記画像を分析し、前記画像内の病変を検出及び/又はスコア付けすることを含む
ことを特徴とする請求項7~12のいずれか1項に記載の方法。 - 前記白色光画像で検出された病変と蛍光画像で検出された病変を相互参照し、前記蛍光画像には現れず前記白色光画像に現れる非活動性病変を識別することを含む
ことを特徴とする請求項13に記載の方法。 - エッジ検出又はセグメンテーションアルゴリズムを使用して前記画像内の前記歯を分離することを含む
ことを特徴とする請求項7~14のいずれか1項に記載の方法。 - 画像への注釈付けを行い、機械学習アルゴリズムの訓練において前記注釈付き画像を使用することを含む
ことを特徴とする請求項7~15のいずれか1項に記載の方法。 - 1つ又は複数の画像内で検出及び/又は分離された蛍光の領域に関連して、
a)前記領域の位置を記録すること、
b)前記領域を定量化すること、
c)前記領域の前記蛍光を定量化すること、
d)前記蛍光に関するデータを保存すること、
e)前記システムからコンピュータに、オプションとして、汎用コンピュータ、リモートコンピュータ、又はスマートフォンに、前記画像を送信すること、
f)1つの画像を別の画像に転置し、又は、2つの画像を同時に表示し、いずれの場合においても、オプションとして、前記画像を比較しやすくために、前記画像のうち少なくとも1つの画像を回転及び/又はスケール変更した後に、前記転置又は表示が行われ、
g)蛍光が増強された領域のサイズ(つまり面積)を定量化すること、
h)例えば、バックグラウンド蛍光と比較して、蛍光が増強された領域の強度を定量化すること、
i)例えば、前記領域の色相や強度を変更することにより、画像を拡張すること、
のうち1つ又は複数を含むことを特徴とする請求項7~16のいずれか1項に記載の方法。 - 歯を分析する方法であって、
蛍光ナノ粒子を前記歯に塗布し、
青いLEDを前記歯に照射し、
バリアフィルタを介して前記蛍光ナノ粒子から発せられた光を含む画像を感知し、
前記画像内の蛍光領域を分離する
ことを含み、
蛍光領域を分離することは、
a)前記画像内のピクセルの色相若しくは色の比率を考慮する、又は、前記画像内の一部のピクセルの色相若しくは色の比率の、前記画像内の他の若しくは殆どのピクセルの色相からの違いを考慮すること、
b)前記画像内のピクセルの強度若しくは値、又は、ピクセル単位の1つ又は複数のカラーチャネルの強度を考慮すること、又は、
前記画像内のピクセルの強度若しくは値又はピクセル単位の1つ又は複数のカラーチャネルの強度の、前記画像内の他の若しくは殆どのピクセルの強度若しくは値又はピクセル単位の1つ又は複数のカラーチャネルの強度からの違いを考慮すること、及び/又は、
c)決定木又はニューラルネットワークを介してピクセルベースで前記画像を分析すること
のうち1つ又は複数を含むことを特徴とする方法。 - 蛍光ナノ粒子を含む前記画像のセグメントに対応する病変の強度をスコア付けすることを更に含み、
前記スコア付けは、
a)前記セグメント内のピクセル数、選択された閾値を超える強度を有する前記セグメント内のピクセル数、前記セグメント内の平均(average又はmean)ピクセル強度、及び/又は前記セグメント内の最高ピクセル強度を考慮すること、及び/又は、
b)ニューラルネットワークを介して前記セグメントを分析すること
によって行われることを特徴とする請求項18に記載の方法。 - 1つの歯又は口内の複数の歯に複数の病変のスコアを追加し、歯の表面ごと、歯ごと、又は口全体に基づいて合計スコアを決定すること
を更に含むことを特徴とする請求項18又は19に記載の方法。 - 第1の青色光源と、
赤色光源、白色光源、及び第2の青色光源のうちの1つ又は複数と、
画像センサと、
バリアフィルタと、
を含む口腔撮像システム。 - 前記バリアフィルタは、前記画像センサへの光の経路に選択的に配置できる
ことを特徴とする請求項21に記載の口腔撮像システム。 - 人の口の中に入れるのに適した本体を含む
ことを特徴とする請求項21又は22に記載の口腔撮像システム。 - 単色の赤色光源又は紫色光源を含む赤色光源を含む
ことを特徴とする請求項21~23のいずれか1項に記載の口腔撮像システム。 - 赤色光源、又は低色温度から中色温度の白色光源を含む白色光源を有する
ことを特徴とする請求項21~24のいずれか1項に記載の口腔撮像システム。 - 400~475nmの範囲にピーク発光を有する青色LEDを有する
ことを特徴とする請求項21~25のいずれか1項に記載の口腔撮像システム。 - 青色LED上のバンドパス又はショートパス励起フィルタを更に備える
ことを特徴とする請求項21又は26に記載のデバイス。 - 励起フィルタの通過帯域の上端は、480~510nmの範囲、又は500nm以下である
ことを特徴とする請求項23に記載のデバイス。 - 前記バリアフィルタは、500nm未満、例えば450~500nmの範囲の周波数をカットする
ことを特徴とする請求項21~28のいずれか1項に記載のデバイス。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163157151P | 2021-03-05 | 2021-03-05 | |
US202163157378P | 2021-03-05 | 2021-03-05 | |
US63/157,378 | 2021-03-05 | ||
US63/157,151 | 2021-03-05 | ||
PCT/US2022/018953 WO2022187654A1 (en) | 2021-03-05 | 2022-03-04 | Dental imaging system and image analysis |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024512334A true JP2024512334A (ja) | 2024-03-19 |
Family
ID=83155592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023553614A Pending JP2024512334A (ja) | 2021-03-05 | 2022-03-04 | 歯科用撮像システムと画像解析 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20240138665A1 (ja) |
EP (1) | EP4301274A1 (ja) |
JP (1) | JP2024512334A (ja) |
KR (1) | KR20230153430A (ja) |
AU (1) | AU2022229909A1 (ja) |
BR (1) | BR112023017937A2 (ja) |
CA (1) | CA3210287A1 (ja) |
WO (1) | WO2022187654A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024106391A1 (ja) * | 2022-11-17 | 2024-05-23 | パナソニックIpマネジメント株式会社 | 画像処理方法、画像処理装置、及び、プログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100500093C (zh) * | 2003-01-14 | 2009-06-17 | 株式会社森田制作所 | 诊断用摄影仪 |
US20190313963A1 (en) * | 2018-04-17 | 2019-10-17 | VideaHealth, Inc. | Dental Image Feature Detection |
WO2020051352A1 (en) * | 2018-09-06 | 2020-03-12 | Greenmark Biomedical Inc. | Dental imaging and/or curing system |
US11443423B2 (en) * | 2018-10-30 | 2022-09-13 | Dgnct Llc | System and method for constructing elements of interest (EoI)-focused panoramas of an oral complex |
-
2022
- 2022-03-04 AU AU2022229909A patent/AU2022229909A1/en active Pending
- 2022-03-04 EP EP22764155.2A patent/EP4301274A1/en active Pending
- 2022-03-04 JP JP2023553614A patent/JP2024512334A/ja active Pending
- 2022-03-04 BR BR112023017937A patent/BR112023017937A2/pt unknown
- 2022-03-04 KR KR1020237033189A patent/KR20230153430A/ko unknown
- 2022-03-04 CA CA3210287A patent/CA3210287A1/en active Pending
- 2022-03-04 US US18/548,301 patent/US20240138665A1/en active Pending
- 2022-03-04 WO PCT/US2022/018953 patent/WO2022187654A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4301274A1 (en) | 2024-01-10 |
BR112023017937A2 (pt) | 2023-11-14 |
CA3210287A1 (en) | 2022-09-09 |
AU2022229909A1 (en) | 2023-09-21 |
KR20230153430A (ko) | 2023-11-06 |
WO2022187654A1 (en) | 2022-09-09 |
US20240138665A1 (en) | 2024-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9870613B2 (en) | Detection of tooth condition using reflectance images with red and green fluorescence | |
JP6785941B2 (ja) | 内視鏡システム及びその作動方法 | |
US11426062B2 (en) | Intra-oral 3-D fluorescence imaging | |
EP2061372B1 (en) | Apparatus for caries detection | |
KR100853655B1 (ko) | 피부 질환의 광학 진단 및 치료를 위한 장치, 광원 시스템 및 장치의 이용방법 | |
US20220189611A1 (en) | Noninvasive multimodal oral assessment and disease diagnoses apparatus and method | |
US10973411B2 (en) | Method and device for examining a biological tissue by analysing fluorescence response to illumination and for treating the tissue | |
WO2016073569A2 (en) | Video detection of tooth condition using green and red fluorescence | |
JP6289462B2 (ja) | 画像処理装置及び画像処理方法 | |
US20210321864A1 (en) | Dental imaging and/or curing system | |
US9854963B2 (en) | Apparatus and method for identifying one or more amyloid beta plaques in a plurality of discrete OCT retinal layers | |
US11689689B2 (en) | Infrared imaging system having structural data enhancement | |
JP2024512334A (ja) | 歯科用撮像システムと画像解析 | |
JP2023527046A (ja) | マルチモーダル軟組織診断法のための方法及び装置 | |
Hyttinen et al. | Computational Filters for Dental and Oral Lesion Visualization in Spectral Images | |
JP4109132B2 (ja) | 蛍光判定装置 | |
KR20200064771A (ko) | 모바일 형광 영상 기반 치아 우식증 조기 진단 시스템 및 방법 | |
US12052526B2 (en) | Imaging system having structural data enhancement for non-visible spectra | |
US20210315513A1 (en) | Dental imaging system | |
CN116723786A (zh) | 口内诊断装置和使用其的方法 | |
Schwarz et al. | Real-time spectroscopic evaluation of oral lesions and comparisons with histopathology |