JP2024512334A - 歯科用撮像システムと画像解析 - Google Patents

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。

図１は、歯科用撮像及び／又は治療システムの概略図である。 図２は、活動性齲蝕病変を検出し、それらを再石灰化病変である可能性のある非活動性病変と区別するための図１のシステムの使用を示す図である。 図３は、代替システムを示す。 図４は、別の代替システムを示す。 図５は、画像分析プロセスを図で表したものである。 図６は、抜歯された歯のセットの様々な重症度の活動性病変と非活動性病変のグラフである。 図７は、様々な種類の画像に適用されたソフトウェアを使用して病変をスコア付けした結果と、人がスコア付けした病変と、を比較したものである。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。
18. 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。
19. 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。
20. 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。
21. 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。
22. 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。
23. 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。
24. 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。
25. 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。
26. 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。
27. 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。
28. 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。
29. 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。

Images