JP7507135B2 - Estimation device, estimation method, and estimation program - Google Patents

Estimation device, estimation method, and estimation program Download PDF

Info

Publication number
JP7507135B2
JP7507135B2 JP2021168750A JP2021168750A JP7507135B2 JP 7507135 B2 JP7507135 B2 JP 7507135B2 JP 2021168750 A JP2021168750 A JP 2021168750A JP 2021168750 A JP2021168750 A JP 2021168750A JP 7507135 B2 JP7507135 B2 JP 7507135B2
Authority
JP
Japan
Prior art keywords
data
orthodontic
estimation
teeth
tooth
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.)
Active
Application number
JP2021168750A
Other languages
Japanese (ja)
Other versions
JP2023058939A (en
Inventor
亮佑 鍛治
巳貴則 西村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
J Morita Manufaturing Corp
Original Assignee
J Morita Manufaturing Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by J Morita Manufaturing Corp filed Critical J Morita Manufaturing Corp
Priority to JP2021168750A priority Critical patent/JP7507135B2/en
Publication of JP2023058939A publication Critical patent/JP2023058939A/en
Application granted granted Critical
Publication of JP7507135B2 publication Critical patent/JP7507135B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Description

本開示は、矯正により移動する歯牙の位置を推定する推定装置、推定方法、および推定プログラムに関する。 The present disclosure relates to an estimation device, an estimation method, and an estimation program for estimating the position of teeth that move due to orthodontic treatment.

従来、複数の歯牙のそれぞれに接する複数のブラケットをワイヤーで接続するように構成された固定式の矯正装置、または、マウスピース状のアライナーと呼ばれる矯正装置など、様々な手法の歯の矯正技術が知られている。たとえば、特許文献１は、複数の歯牙を含む歯列のデジタルモデルに基づき、矯正部材の選択および矯正部材の位置を算出する方法を開示する。 Conventionally, various orthodontic techniques are known, such as fixed orthodontic devices configured to connect multiple brackets in contact with each of multiple teeth with wires, or mouthpiece-shaped orthodontic devices called aligners. For example, Patent Document 1 discloses a method for selecting orthodontic members and calculating the positions of the orthodontic members based on a digital model of a dentition including multiple teeth.

特表２０１１－５０６０１８号公報JP 2011-506018 A

特許文献１に開示された方法を用いることにより、歯科医師は矯正装置を設計することができるが、ある程度の矯正期間が経過した後でなければ、矯正により移動した歯牙の位置を知ることができない。このため、歯科医師は、矯正期間において、定期的に歯牙の位置を確認し、その都度、矯正装置を設計し直したり、矯正装置の位置を見直したりする必要があった。このように、従来、歯科医師は、矯正期間において自身の知見に基づき手探りで矯正装置を設計する必要があるため、矯正に手間が掛かり、また、矯正精度を高めることにも限界があった。 By using the method disclosed in Patent Document 1, dentists can design orthodontic devices, but they cannot know the positions of teeth that have moved due to orthodontic treatment until a certain period of orthodontic treatment has passed. For this reason, dentists have had to periodically check the positions of the teeth during the orthodontic treatment period and redesign or reassess the position of the orthodontic device each time. Thus, traditionally, dentists have had to design orthodontic devices by trial and error based on their own knowledge during the orthodontic treatment period, which makes orthodontic treatment time-consuming and limits the accuracy of orthodontic treatment.

本開示は、このような問題を解決するためになされたものであり、手間をかけることなく精度の良い矯正を行うことができる技術を提供することを目的とする。 This disclosure has been made to solve these problems, and aims to provide technology that allows for accurate correction without hassle.

本開示の一例に従えば、矯正により移動する歯牙の位置を推定する推定装置が提供される。推定装置は、歯列を構成する複数の歯牙の各々を構成する複数の点の三次元座標位置に関する歯牙データと、矯正期間に関する期間データと、矯正装置が複数の歯牙の各々に接する三次元座標位置に関する矯正データとが入力される入力部と、歯牙データ、期間データ、および矯正データが入力されることによって矯正期間が経過した場合の複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習された推定モデルを含む推定部とを備える。 According to an example of the present disclosure, there is provided an estimation device for estimating the positions of teeth that move due to orthodontics. The estimation device includes an input unit to which tooth data related to the three-dimensional coordinate positions of a plurality of points constituting each of a plurality of teeth constituting a dentition , period data related to an orthodontic period, and orthodontic data related to the three-dimensional coordinate positions where an orthodontic device contacts each of the plurality of teeth are input, and an estimation unit including an estimation model that has been machine-learned to be able to estimate the three-dimensional coordinate positions of the plurality of points constituting each of the plurality of teeth after the orthodontic period has passed by inputting the tooth data, period data, and orthodontic data.

本開示の一例に従えば、コンピュータによる矯正により移動する歯牙の位置を推定する推定方法が提供される。推定方法は、コンピュータが実行する処理として、歯列を構成する複数の歯牙の各々を構成する複数の点の三次元座標位置に関する歯牙データと、矯正期間に関する期間データと、矯正装置が複数の歯牙の各々に接する三次元座標位置に関する矯正データとが入力されるステップと、歯牙データ、期間データ、および矯正データが入力されることによって矯正期間が経過した場合の複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習された推定モデルを用いて、入力されるステップによって入力された歯牙データ、期間データ、および矯正データに基づき、矯正期間が経過した場合の複数の歯牙の各々を構成する複数の点の三次元座標位置を推定するステップとを含む。 According to an example of the present disclosure, there is provided a method for estimating the positions of teeth that move due to orthodontics by a computer. The estimation method includes a step of inputting tooth data related to the three-dimensional coordinate positions of a plurality of points constituting each of a plurality of teeth constituting a dentition , period data related to an orthodontic period, and orthodontic data related to the three-dimensional coordinate positions where an orthodontic device contacts each of the plurality of teeth as processing executed by a computer, and a step of estimating the three-dimensional coordinate positions of the plurality of points constituting each of the plurality of teeth after the orthodontic period has passed based on the tooth data, period data, and orthodontic data input in the inputting step, using an estimation model that has been machine-learned to be capable of estimating the three-dimensional coordinate positions of the plurality of points constituting each of the plurality of teeth after the orthodontic period has passed by inputting the tooth data, period data, and orthodontic data.

本開示の一例に従えば、矯正により移動する歯牙の位置を推定する推定プログラムが提供される。推定プログラムは、コンピュータに、歯列を構成する複数の歯牙の各々を構成する複数の点の三次元座標位置に関する歯牙データと、矯正期間に関する期間データと、矯正装置が複数の歯牙の各々に接する三次元座標位置に関する矯正データとが入力されるステップと、歯牙データ、期間データ、および矯正データが入力されることによって矯正期間が経過した場合の複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習された推定モデルを用いて、入力されるステップによって入力された歯牙データ、期間データ、および矯正データに基づき、矯正期間が経過した場合の複数の歯牙の各々を構成する複数の点の三次元座標位置を推定するステップとを実行させる。 According to an example of the present disclosure, an estimation program for estimating the positions of teeth that move due to orthodontics is provided. The estimation program causes a computer to execute the steps of inputting tooth data related to the three-dimensional coordinate positions of a plurality of points constituting each of a plurality of teeth constituting a dentition , period data related to an orthodontic period, and orthodontic data related to the three-dimensional coordinate positions where an orthodontic device contacts each of the plurality of teeth, and estimating the three-dimensional coordinate positions of the plurality of points constituting each of the plurality of teeth after the orthodontic period has passed based on the tooth data, period data, and orthodontic data input in the inputting step, using an estimation model that has been machine-learned to be capable of estimating the three-dimensional coordinate positions of the plurality of points constituting each of the plurality of teeth after the orthodontic period has passed by inputting the tooth data, period data, and orthodontic data.

本開示によれば、ユーザは、手間をかけることなく精度の良い矯正を行うことができる。 According to this disclosure, users can perform accurate correction without much effort.

本実施の形態に係る推定装置の適用例を示す模式図である。FIG. 1 is a schematic diagram showing an application example of an estimation device according to an embodiment of the present invention. 本実施の形態に係る推定装置のハードウェア構成を示すブロック図である。1 is a block diagram showing a hardware configuration of an estimation device according to an embodiment of the present invention. 本実施の形態に係る推定装置の機能構成を示すブロック図である。1 is a block diagram showing a functional configuration of an estimation device according to an embodiment of the present invention. 歯牙のセグメント化の一例を示す図である。FIG. 1 shows an example of tooth segmentation. 歯牙データの生成の一例を示す図である。FIG. 11 is a diagram showing an example of generation of tooth data. 骨密度データの生成の一例を示す図である。FIG. 13 is a diagram showing an example of generation of bone density data. 本実施の形態に係る推定装置が実行する学習処理の一例を説明するためのフローチャートである。4 is a flowchart illustrating an example of a learning process executed by the estimation device according to the present embodiment. 本実施の形態に係る推定装置が実行する推定処理の一例を説明するためのフローチャートである。4 is a flowchart illustrating an example of an estimation process executed by the estimation device according to the present embodiment. 他の実施形態に係る推定装置が実行する推定処理の一例を説明するためのフローチャートである。13 is a flowchart illustrating an example of an estimation process executed by an estimation device according to another embodiment. 矯正期間における各種処理の一例を示す図である。FIG. 11 is a diagram showing an example of various processes during a correction period.

本開示の実施の形態について、図面を参照しながら詳細に説明する。なお、図中の同一または相当部分については、同一符号を付してその説明は繰り返さない。 The embodiments of the present disclosure will be described in detail with reference to the drawings. Note that the same or equivalent parts in the drawings will be given the same reference numerals and their description will not be repeated.

［適用例］
図１を参照しながら、本実施の形態に係る推定装置１の適用例を説明する。図１は、本実施の形態に係る推定装置１の適用例を示す模式図である。 [Application example]
An application example of an estimation device 1 according to the present embodiment will be described with reference to Fig. 1. Fig. 1 is a schematic diagram showing an application example of an estimation device 1 according to the present embodiment.

図１に示すように、推定装置１は、歯科医師および歯科助手などのユーザによって用いられ、ＡＩ（人工知能：Artificial Intelligence）を利用して、矯正により移動する歯牙の位置を推定する。 As shown in FIG. 1, the estimation device 1 is used by users such as dentists and dental assistants, and uses AI (artificial intelligence) to estimate the positions of teeth that will move due to orthodontic treatment.

歯牙の位置は、１または複数の歯牙の位置を特定するためのデータを含む。具体的には、歯牙の位置は、１または複数の歯牙の三次元の位置情報（縦方向、横方向、高さ方向の各軸の座標）を含む。 The tooth position includes data for identifying the position of one or more teeth. Specifically, the tooth position includes three-dimensional position information (coordinates of the vertical, horizontal, and height axes) of one or more teeth.

推定装置１は、少なくとも、複数の歯牙の位置に関する歯牙データと、矯正期間に関する期間データと、矯正装置５０に関する矯正データとを取得する。 The estimation device 1 acquires at least tooth data relating to the positions of multiple teeth, period data relating to the orthodontic period, and orthodontic data relating to the orthodontic device 50.

歯牙データは、後述する図５に示すように、患者の複数の歯牙の三次元形状を特定するためのデータを含む。具体的には、歯牙データは、複数の歯牙の各々の三次元の位置情報（縦方向、横方向、高さ方向の各軸の座標、たとえばＸＹＺ座標上の値）を含む。さらに、後述する図４および図５に示すように、歯牙データにおいては、歯牙の種類ごとに識別データ（たとえば、色情報）を用いて各位置情報がセグメント化されていてもよい。 As shown in FIG. 5, which will be described later, the tooth data includes data for identifying the three-dimensional shapes of the patient's teeth. Specifically, the tooth data includes three-dimensional position information (coordinates of each axis in the vertical, horizontal, and height directions, for example, values on an XYZ coordinate system) of each of the teeth. Furthermore, as shown in FIG. 4 and FIG. 5, which will be described later, in the tooth data, each piece of position information may be segmented using identification data (for example, color information) for each type of tooth.

ユーザは、図示しないＣＴ（Computed Tomography）スキャナまたはＸ線装置を用いて患者の歯牙データを取得することができる。ＣＴスキャナまたはＸ線装置によって取得され得る歯牙データは、三次元位置データ、具体的には、ＸＹＺ座標データを含む三次元ボクセルデータである。なお、ユーザは、三次元カメラによってスキャン対象の位置情報を取得することが可能な三次元スキャナを用いて患者の歯牙の位置情報を取得してもよい。三次元スキャナによって取得され得る歯牙データは、三次元位置データ、具体的には、ＸＹＺ座標データを含む三次元の表面を示す点群データである。歯牙データに基づいて画像を生成する場合は、歯牙データに含まれる三次元位置データに基づいて、任意の視点から見た歯牙の象を含む二次元画像を生成することになる。任意の視点は、予め設定されていてもよく、その二次元画像が表示されたディスプレイを見たユーザによって設定または変更されてもよい。 A user can obtain the patient's tooth data using a CT (Computed Tomography) scanner or an X-ray device (not shown). The tooth data that can be obtained by a CT scanner or an X-ray device is three-dimensional position data, specifically, three-dimensional voxel data including XYZ coordinate data. The user may obtain the position information of the patient's teeth using a three-dimensional scanner that can obtain the position information of the scanned object by a three-dimensional camera. The tooth data that can be obtained by a three-dimensional scanner is three-dimensional position data, specifically, point cloud data indicating a three-dimensional surface including XYZ coordinate data. When an image is generated based on the tooth data, a two-dimensional image including an image of the tooth viewed from an arbitrary viewpoint is generated based on the three-dimensional position data included in the tooth data. The arbitrary viewpoint may be set in advance, or may be set or changed by a user who views a display on which the two-dimensional image is displayed.

期間データは、ユーザが歯牙の位置を知りたい未来の時点（年月日など）、および、現時点からユーザが歯牙の位置を知りたい未来の時点までの期間（すなわち矯正期間）のうち、少なくとも１つを含む。 The period data includes at least one of the following: a future point in time (such as a date) for which the user wishes to know the positions of the teeth, and a period of time from the present time to a future point in time for which the user wishes to know the positions of the teeth (i.e., the orthodontic period).

矯正データは、歯科医師などによって設計された矯正装置５０に関するデータを含む。具体的には、矯正装置５０が複数の歯牙のそれぞれに接する複数のブラケット５１をワイヤー５２で接続するように構成された固定式の矯正装置である場合、矯正データは、ブラケット５１に関するデータ、およびワイヤー５２に関するデータのうち、少なくとも１つを含む。たとえば、ブラケット５１に関するデータは、複数の歯牙の各々に接するブラケット５１の面の略中央の位置、複数の歯牙の各々に接するブラケット５１の面のワイヤー５２が接する位置、ブラケット５１の形状（断面形状など）、およびブラケット５１の材質（アルミニウム、ステンレス、チタンなど）のうち、少なくとも１つを含む。ワイヤー５２に関するデータは、ブラケット５１の面に接するワイヤー５２の位置、ワイヤー５２の形状（断面形状など）、ワイヤーの材質（アルミニウム、ステンレス、チタンなど）、およびワイヤー５２の締め付け具合などのトルクコントロールにおける設計値のうち、少なくとも１つを含む。また、矯正装置５０がマウスピース状のアライナーと呼ばれる矯正装置である場合、矯正データは、アライナーの形状および材質のうち、少なくとも１つを含む。このように、矯正データは、ブラケット５１に関するデータ、ワイヤー５２に関するデータ、およびアライナーに関するデータのうちの少なくとも１つを含む。 The orthodontic data includes data on the orthodontic device 50 designed by a dentist or the like. Specifically, when the orthodontic device 50 is a fixed orthodontic device configured to connect a plurality of brackets 51 in contact with each of a plurality of teeth with a wire 52, the orthodontic data includes at least one of data on the brackets 51 and data on the wire 52. For example, the data on the brackets 51 includes at least one of the approximate center position of the face of the bracket 51 in contact with each of the plurality of teeth, the position of the face of the bracket 51 in contact with each of the plurality of teeth where the wire 52 contacts, the shape of the bracket 51 (cross-sectional shape, etc.), and the material of the bracket 51 (aluminum, stainless steel, titanium, etc.). The data on the wire 52 includes at least one of the design values in torque control such as the position of the wire 52 in contact with the face of the bracket 51, the shape of the wire 52 (cross-sectional shape, etc.), the material of the wire (aluminum, stainless steel, titanium, etc.), and the degree of tightening of the wire 52. In addition, when the orthodontic device 50 is an orthodontic device called a mouthpiece-shaped aligner, the orthodontic data includes at least one of the shape and material of the aligner. Thus, the orthodontic data includes at least one of data regarding the brackets 51, data regarding the wires 52, and data regarding the aligners.

上述した矯正データは、矯正される歯牙の移動量に影響し得る。このため、矯正データは、矯正対象となった歯牙の位置を推定するための重要なデータとなり得る。 The orthodontic data described above can affect the amount of movement of the teeth being corrected. For this reason, the orthodontic data can be important data for estimating the position of the teeth that are the subject of correction.

推定装置１は、上述した歯牙データ、期間データ、および矯正データを用いて推定モデル１２１を機械学習させることによって、矯正期間が経過した場合の歯牙の位置を推定するように構成されている。たとえば、推定装置１は、歯牙データに基づき現在の各歯牙の位置情報を取得し、矯正データに基づきユーザによって設計された矯正装置５０の設計値を取得し、期間データに基づきユーザが未来の歯牙の位置を知りたい未来の時点（この例ではＸ年後）を取得し、これらのデータを推定モデル１２１に入力することによって、未来の時点における歯牙の位置を推定することが可能である。このように、ユーザは、推定装置１を用いることにより、矯正期間が経過する前の現時点において、矯正期間（この例ではＸ年後）が経過した場合の歯牙の位置を推定することができる。 The estimation device 1 is configured to estimate the positions of the teeth after the orthodontic period has passed by machine learning the estimation model 121 using the above-mentioned tooth data, period data, and orthodontic data. For example, the estimation device 1 obtains current position information of each tooth based on the tooth data, obtains design values of the orthodontic device 50 designed by the user based on the orthodontic data, obtains a future time (X years later in this example) at which the user wants to know the future positions of the teeth based on the period data, and inputs these data into the estimation model 121, thereby making it possible to estimate the positions of the teeth at a future time. In this way, by using the estimation device 1, the user can estimate the positions of the teeth after the orthodontic period (X years later in this example) has passed at the current time before the orthodontic period has passed.

さらに、後述する図４および図５に示すように、歯牙データが歯牙の種類ごとに識別データ（たとえば、色情報）を用いてセグメント化されている場合、推定装置１は、セグメント化された歯牙ごとに歯牙の位置を推定するように推定モデル１２１を機械学習させることができる。これにより、推定装置１は、歯牙の位置の推定精度を高めることができる。 Furthermore, as shown in Figures 4 and 5 described below, when tooth data is segmented by tooth type using identification data (e.g., color information), the estimation device 1 can machine-train the estimation model 121 to estimate the tooth position for each segmented tooth. This allows the estimation device 1 to improve the accuracy of estimating the tooth position.

また、食事、会話、および睡眠中の歯ぎしりなどの顎運動は歯牙の移動に影響を与え得るため、顎運動データは、矯正対象となった歯牙の位置を推定するための重要なデータとなり得る。そこで、推定装置１は、運動する顎の位置に関する顎運動データをさらに取得し、取得した顎運動データを用いて推定モデル１２１を機械学習させてもよい。 In addition, jaw movements such as eating, talking, and teeth grinding during sleep can affect tooth movement, so jaw movement data can be important data for estimating the position of the teeth that are the subject of correction. Therefore, the estimation device 1 may further acquire jaw movement data related to the position of the moving jaw, and use the acquired jaw movement data to machine-train the estimation model 121.

推定装置１は、歯牙データ、期間データ、および矯正データに加えて、顎運動データを推定モデル１２１に入力することによって、矯正期間が経過した場合の歯牙の位置を精度よく推定することができる。 The estimation device 1 can accurately estimate the position of the teeth after the orthodontic period has passed by inputting jaw movement data into the estimation model 121 in addition to tooth data, period data, and orthodontic data.

さらに、顎骨の骨密度が小さければ小さいほど矯正によって歯牙の位置が移動し易く、顎骨の骨密度が大きければ大きいほど矯正によって歯牙の位置が移動し難い。さらに、各歯牙が位置する顎の骨の部分ごとに骨密度が異なる場合は、矯正によって各歯牙の移動に与える影響が異なる。このため、骨密度データは、矯正対象となった歯牙の位置を推定するための重要なデータとなり得る。そこで、推定装置１は、顎骨（上顎骨、下顎骨）の骨密度に関する骨密度データをさらに取得し、取得した骨密度データを用いて推定モデル１２１を機械学習させてもよい。骨密度データは、上顎骨の骨密度の平均値、下顎骨の骨密度の平均値、上顎に位置する各歯牙の周辺の骨密度の平均値、および下顎に位置する各歯牙の周辺の骨密度の平均値のうち、少なくとも１つを含む。 Furthermore, the lower the bone density of the jawbone, the easier it is for the teeth to move due to orthodontics, and the higher the bone density of the jawbone, the harder it is for the teeth to move due to orthodontics. Furthermore, if the bone density differs for each part of the jawbone in which each tooth is located, the effect of orthodontics on the movement of each tooth differs. For this reason, bone density data can be important data for estimating the position of the tooth that is the subject of orthodontics. Therefore, the estimation device 1 may further acquire bone density data related to the bone density of the jawbone (maxilla, mandible) and machine-train the estimation model 121 using the acquired bone density data. The bone density data includes at least one of the average bone density of the maxilla, the average bone density of the mandible, the average bone density around each tooth located in the maxilla, and the average bone density around each tooth located in the mandible.

推定装置１は、歯牙データ、期間データ、および矯正データに加えて、骨密度データを推定モデル１２１に入力することによって、矯正期間が経過した場合の歯牙の位置を精度よく推定することができる。 The estimation device 1 can accurately estimate the position of the teeth after the orthodontic period has passed by inputting bone density data into the estimation model 121 in addition to tooth data, period data, and orthodontic data.

なお、推定装置１は、歯牙データ、期間データ、および矯正データに加えて、顎運動データおよび骨密度データの両方を推定モデル１２１に入力することによって、矯正期間が経過した場合の歯牙の位置を推定してもよい。すなわち、推定装置１は、歯牙データ、期間データ、および矯正データに加えて、顎運動データおよび骨密度データの少なくとも１つを推定モデル１２１に入力することによって、矯正期間が経過した場合の歯牙の位置を推定してもよい。 The estimation device 1 may estimate the position of the teeth after the orthodontic period has passed by inputting both jaw movement data and bone density data to the estimation model 121 in addition to the tooth data, period data, and orthodontic data. That is, the estimation device 1 may estimate the position of the teeth after the orthodontic period has passed by inputting at least one of jaw movement data and bone density data to the estimation model 121 in addition to the tooth data, period data, and orthodontic data.

［推定装置のハードウェア構成］
図２を参照しながら、本実施の形態に係る推定装置１のハードウェア構成の一例を説明する。図２は、本実施の形態に係る推定装置１のハードウェア構成を示すブロック図である。 [Hardware configuration of the estimation device]
An example of a hardware configuration of the estimation device 1 according to the present embodiment will be described with reference to Fig. 2. Fig. 2 is a block diagram showing the hardware configuration of the estimation device 1 according to the present embodiment.

図２に示すように、推定装置１は、主なハードウェア要素として、演算装置１１と、記憶装置１２と、メディア読取装置１３と、通信装置１４と、ディスプレイインターフェース１５と、周辺機器インターフェース１６とを備える。 As shown in FIG. 2, the estimation device 1 includes, as its main hardware elements, a computing device 11, a storage device 12, a media reading device 13, a communication device 14, a display interface 15, and a peripheral device interface 16.

演算装置１１は、各種のプログラムを実行することで、推定モデル１２１の推定処理および学習処理などの各種の処理を実行する演算主体であり、コンピュータの一例である。演算装置１１は、たとえば、ＣＰＵ（Central Processing Unit）、ＦＰＧＡ（Field-Programmable Gate Array）、およびＧＰＵ（Graphics Processing Unit）などで構成される。なお、演算装置１１は、ＣＰＵ、ＦＰＧＡ、およびＧＰＵの少なくとも１つで構成されてもよいし、ＣＰＵとＦＰＧＡ、ＦＰＧＡとＧＰＵ、ＣＰＵとＧＰＵ、あるいはＣＰＵ、ＦＰＧＡ、およびＧＰＵの全てから構成されてもよい。また、演算装置１１は、演算回路（processing circuitry）で構成されてもよい。 The arithmetic device 11 is an example of a computer, and is a computing entity that executes various processes such as estimation processing and learning processing of the estimation model 121 by executing various programs. The arithmetic device 11 is composed of, for example, a CPU (Central Processing Unit), an FPGA (Field-Programmable Gate Array), and a GPU (Graphics Processing Unit). The arithmetic device 11 may be composed of at least one of the CPU, FPGA, and GPU, or may be composed of a CPU and an FPGA, an FPGA and a GPU, a CPU and a GPU, or all of the CPU, FPGA, and GPU. The arithmetic device 11 may also be composed of a processing circuit.

記憶装置１２は、演算装置１１が任意のプログラムを実行するにあたって、プログラムコードやワークメモリなどを一時的に格納する揮発性の記憶領域（たとえば、ワーキングエリア）を含む。たとえば、記憶装置１２は、ＤＲＡＭ（Dynamic Random Access Memory）またはＳＲＡＭ（Static Random Access Memory）などの揮発性メモリデバイスで構成される。さらに、記憶装置１２は、不揮発性の記憶領域を含む。たとえば、記憶装置１２は、ハードディスクまたはＳＳＤ（Solid State Drive）などの不揮発性メモリデバイスで構成される。 The storage device 12 includes a volatile storage area (e.g., a working area) that temporarily stores program code, work memory, and the like when the computing device 11 executes any program. For example, the storage device 12 is configured with a volatile memory device such as a DRAM (Dynamic Random Access Memory) or an SRAM (Static Random Access Memory). Furthermore, the storage device 12 includes a non-volatile storage area. For example, the storage device 12 is configured with a non-volatile memory device such as a hard disk or an SSD (Solid State Drive).

なお、本実施の形態においては、揮発性の記憶領域と不揮発性の記憶領域とが同一の記憶装置１２に含まれる例を示したが、揮発性の記憶領域と不揮発性の記憶領域とが互いに異なる記憶装置に含まれていてもよい。たとえば、演算装置１１が揮発性の記憶領域を含み、記憶装置１２が不揮発性の記憶領域を含んでいてもよい。推定装置１は、演算装置１１と、記憶装置１２とを含むマイクロコンピュータを備えていてもよい。 In the present embodiment, an example has been shown in which the volatile storage area and the nonvolatile storage area are included in the same storage device 12, but the volatile storage area and the nonvolatile storage area may be included in different storage devices. For example, the calculation device 11 may include a volatile storage area, and the storage device 12 may include a nonvolatile storage area. The estimation device 1 may include a microcomputer including the calculation device 11 and the storage device 12.

記憶装置１２は、推定モデル１２１と、推定プログラム１２２とを格納する。推定モデル１２１は、ニューラルネットワーク１２１１（図１参照）と、ニューラルネットワークにおける処理で用いられるパラメータ１２１２（図１参照）とを含む。パラメータ１２１２は、ニューラルネットワーク１２１１による計算に用いられる重み付け係数と、推定の判定に用いられる判定値とを含む。ニューラルネットワーク１２１１は、畳み込みニューラルネットワーク（ＣＮＮ：Convolution Neural Network）など、少なくとも、歯牙データ、期間データ、および矯正データに基づき、矯正期間が経過した場合の歯牙の位置を推定することができるニューラルネットワークであれば、いずれのニューラルネットワークであってもよい。 The storage device 12 stores an estimation model 121 and an estimation program 122. The estimation model 121 includes a neural network 1211 (see FIG. 1) and parameters 1212 (see FIG. 1) used in processing in the neural network. The parameters 1212 include weighting coefficients used in calculations by the neural network 1211 and judgment values used to judge the estimation. The neural network 1211 may be any neural network, such as a convolution neural network (CNN), that can estimate the position of the teeth after the orthodontic period has passed based on at least tooth data, period data, and orthodontic data.

推定モデル１２１は、少なくとも機械学習が可能なプログラムを含み、学習用データ（教師データ）に基づき機械学習を行うことで最適化（調整）される。学習用データは、入力データと、正解データとを含む。入力データは、少なくとも、歯牙データ、期間データ、および矯正データを含む。なお、入力データは、歯牙データ、期間データ、および矯正データに加えて、顎運動データおよび骨密度データの少なくとも１つを含んでいてもよい。正解データは、入力データを用いて実際に矯正された場合の複数の歯牙の位置を含む。 The estimation model 121 includes at least a program capable of machine learning, and is optimized (adjusted) by performing machine learning based on learning data (teacher data). The learning data includes input data and corrective data. The input data includes at least tooth data, period data, and orthodontic data. Note that the input data may include at least one of jaw movement data and bone density data in addition to the tooth data, period data, and orthodontic data. The corrective data includes the positions of multiple teeth when actually corrected using the input data.

推定モデル１２１は、歯牙データ、期間データ、および矯正データなどの入力データが入力されると、当該入力データに基づきニューラルネットワーク１２１１によって、矯正期間が経過した場合の歯牙の位置を推定する。そして、推定モデル１２１は、自身が推定した歯牙の位置と、正解データに含まれる歯牙の位置とを比較して、両者の一致度が所定範囲内であればパラメータ１２１２を更新しない一方で、両者の一致度が所定範囲外であれば両者の一致度が所定範囲内になるようにパラメータ１２１２を更新することで、パラメータ１２１２を最適化する。このように、推定モデル１２１は、入力データである歯牙データ、期間データ、および矯正データと、正解データである矯正期間が経過した場合の歯牙の位置とを含む学習用データを利用して、パラメータ１２１２を最適化することで機械学習を行う。 When input data such as tooth data, period data, and orthodontic data are input, the estimation model 121 estimates the tooth positions after the orthodontic period has passed using the neural network 1211 based on the input data. The estimation model 121 then compares the tooth positions estimated by itself with the tooth positions included in the correct answer data, and if the degree of agreement between the two is within a predetermined range, the estimation model 121 does not update the parameters 1212, whereas if the degree of agreement between the two is outside the predetermined range, the estimation model 1212 updates the parameters 1212 so that the degree of agreement between the two is within the predetermined range, thereby optimizing the parameters 1212. In this way, the estimation model 121 performs machine learning by optimizing the parameters 1212 using learning data including the tooth data, period data, and orthodontic data, which are input data, and the tooth positions after the orthodontic period, which is correct answer data.

なお、上述したような推定モデル１２１を学習する処理を「学習処理」とも称する。また、学習処理によって最適化された推定モデル１２１を、特に「学習済モデル」とも称する。つまり、本実施の形態においては、学習前の推定モデル１２１および学習済みの推定モデル１２１をまとめて「推定モデル」と総称する一方で、特に、学習済みの推定モデル１２１を「学習済モデル」とも称する。 The process of learning the estimation model 121 as described above is also referred to as the "learning process." The estimation model 121 optimized by the learning process is also specifically referred to as the "learned model." In other words, in this embodiment, the pre-learning estimation model 121 and the trained estimation model 121 are collectively referred to as the "estimation models," while the trained estimation model 121 is also specifically referred to as the "learned model."

推定プログラム１２２は、演算装置１１が推定処理および学習処理を実行するためのプログラムである。本実施の形態においては、画像に特化した処理を行うプログラムとして、たとえば、VoxNet、3D ShapeNets、Multi-View CNN、RotationNet、OctNet、FusionNet、PointNet、PointNet++、SSCNet、MarrNet、VoxelNet、およびVoteNetなどが推定プログラム１２２に用いられるが、順伝搬型ニューラルネットワークまたはリカレント型ニューラルネットワークなど、その他のプログラムが用いられてもよい。 The estimation program 122 is a program for the computing device 11 to execute the estimation process and the learning process. In this embodiment, for example, VoxNet, 3D ShapeNets, Multi-View CNN, RotationNet, OctNet, FusionNet, PointNet, PointNet++, SSCNet, MarrNet, VoxelNet, and VoteNet are used as programs for performing image-specific processing in the estimation program 122, but other programs such as a forward propagation neural network or a recurrent neural network may also be used.

メディア読取装置１３は、リムーバブルディスク１３０などの記憶媒体を受け入れ、リムーバブルディスク１３０に格納されているデータを取得する。 The media reading device 13 accepts a storage medium such as a removable disk 130 and obtains the data stored on the removable disk 130.

通信装置１４は、有線通信または無線通信を介して、図示しない外部装置との間でデータを送受信する。 The communication device 14 transmits and receives data to and from an external device (not shown) via wired or wireless communication.

ディスプレイインターフェース１５は、ディスプレイ１５０を接続するためのインターフェースであり、推定装置１とディスプレイ１５０との間のデータの入出力を実現する。 The display interface 15 is an interface for connecting the display 150 and realizes the input and output of data between the estimation device 1 and the display 150.

周辺機器インターフェース１６は、キーボード１６１およびマウス１６２などの周辺機器を接続するためのインターフェースであり、推定装置１と周辺機器との間のデータの入出力を実現する。 The peripheral device interface 16 is an interface for connecting peripheral devices such as a keyboard 161 and a mouse 162, and realizes the input and output of data between the estimation device 1 and the peripheral devices.

［推定装置の機能構成］
図３を参照しながら、本実施の形態に係る推定装置１の機能構成の一例を説明する。図３は、本実施の形態に係る推定装置１の機能構成を示すブロック図である。 [Functional configuration of the estimation device]
An example of the functional configuration of the estimation device 1 according to the present embodiment will be described with reference to Fig. 3. Fig. 3 is a block diagram showing the functional configuration of the estimation device 1 according to the present embodiment.

図３に示すように、推定装置１は、主な機能部として、入力部１１０１と、推定部１１０２と、記憶部１１０３と、出力部１１０４とを備える。 As shown in FIG. 3, the estimation device 1 has, as its main functional units, an input unit 1101, an estimation unit 1102, a memory unit 1103, and an output unit 1104.

入力部１１０１は、メディア読取装置１３、通信装置１４、および周辺機器インターフェース１６のうち、少なくとも１つの機能部であり、入力データが入力される。上述したように、入力データは、少なくとも、歯牙データ、期間データ、および矯正データを含むが、顎運動データおよび骨密度データの少なくとも１つをさらに含んでいてもよい。 The input unit 1101 is at least one of the functional units of the media reading device 13, the communication device 14, and the peripheral device interface 16, and input data is input. As described above, the input data includes at least tooth data, period data, and orthodontic data, and may further include at least one of jaw movement data and bone density data.

たとえば、入力部１１０１がメディア読取装置１３の機能部である場合、メディア読取装置１３は、リムーバブルディスク１３０などの記憶媒体に記憶された入力データを取得する。入力部１１０１が通信装置１４の機能部である場合、通信装置１４は、有線通信または無線通信を介して、外部装置から入力データを取得する。なお、外部装置は、歯科医院に設置されたサーバ装置であってもよいし、歯科医院とは別の場所に設置されたクラウド型のサーバ装置であってもよい。入力部１１０１が周辺機器インターフェース１６の機能部である場合、周辺機器インターフェース１６は、キーボード１６１およびマウス１６２を用いてユーザによって入力された入力データを取得する。 For example, if the input unit 1101 is a functional unit of the media reading device 13, the media reading device 13 acquires input data stored in a storage medium such as the removable disk 130. If the input unit 1101 is a functional unit of the communication device 14, the communication device 14 acquires the input data from an external device via wired communication or wireless communication. The external device may be a server device installed in a dental clinic, or a cloud-type server device installed in a location separate from the dental clinic. If the input unit 1101 is a functional unit of the peripheral device interface 16, the peripheral device interface 16 acquires input data entered by a user using the keyboard 161 and mouse 162.

推定部１１０２は、演算装置１１の機能部であり、入力部１１０１から入力された入力データと、ニューラルネットワーク１２１１を含む推定モデル１２１とに基づき、矯正期間が経過した場合の歯牙の位置を推定する。 The estimation unit 1102 is a functional unit of the calculation device 11, and estimates the position of the teeth after the orthodontic period has elapsed based on the input data input from the input unit 1101 and the estimation model 121 including the neural network 1211.

記憶部１１０３は、記憶装置１２の機能部であり、ニューラルネットワーク１２１１およびパラメータ１２１２を含む推定モデル１２１を記憶する。 The memory unit 1103 is a functional part of the storage device 12, and stores the estimation model 121 including the neural network 1211 and parameters 1212.

出力部１１０４は、メディア読取装置１３、通信装置１４、およびディスプレイインターフェース１５のうち、少なくとも１つの機能部であり、推定部１１０２によって推定された複数の歯牙の位置を示す推定データを外部に出力する。 The output unit 1104 is at least one of the functional units of the media reading device 13, the communication device 14, and the display interface 15, and outputs to the outside estimated data indicating the positions of the multiple teeth estimated by the estimation unit 1102.

たとえば、出力部１１０４がメディア読取装置１３の機能部である場合、メディア読取装置１３は、リムーバブルディスク１３０などの記憶媒体に推定データを出力する。出力部１１０４が通信装置１４の機能部である場合、通信装置１４は、有線通信または無線通信を介して、推定データを外部装置に出力する。出力部１１０４がディスプレイインターフェース１５の機能部である場合、ディスプレイインターフェース１５は、推定データをディスプレイ１５０に出力する。この場合、ディスプレイ１５０は、推定データに対応する画像を表示する。 For example, if the output unit 1104 is a functional unit of the media reading device 13, the media reading device 13 outputs the estimated data to a storage medium such as a removable disk 130. If the output unit 1104 is a functional unit of the communication device 14, the communication device 14 outputs the estimated data to an external device via wired communication or wireless communication. If the output unit 1104 is a functional unit of the display interface 15, the display interface 15 outputs the estimated data to the display 150. In this case, the display 150 displays an image corresponding to the estimated data.

推定装置１は、図２および図３に示すような構成を備えることにより、歯牙データ、期間データ、および矯正データと、推定モデル１２１とに基づき、矯正期間が経過した場合の歯牙の位置を推定し、推定結果を含む推定データを出力することができる。さらに、推定装置１は、歯牙データ、期間データ、および矯正データに加えて、顎運動データおよび骨密度データのうちの少なくとも１つに基づき、矯正期間が経過した場合の歯牙の位置を推定し、推定結果を含む推定データを出力することができる。 The estimation device 1 has a configuration as shown in Figures 2 and 3, and is therefore capable of estimating the position of the teeth after the orthodontic period has passed based on the tooth data, period data, and orthodontic data, as well as the estimation model 121, and outputting estimated data including the estimation result. Furthermore, the estimation device 1 is capable of estimating the position of the teeth after the orthodontic period has passed based on at least one of the jaw movement data and bone density data, in addition to the tooth data, period data, and orthodontic data, and outputting estimated data including the estimation result.

［歯牙データの生成の一例］
図４および図５を参照しながら、歯牙データの生成の一例を説明する。図４は、歯牙のセグメント化の一例を示す図である。図５は、歯牙データの生成の一例を示す図である。 [An example of tooth data generation]
An example of tooth data generation will be described with reference to Figures 4 and 5. Figure 4 shows an example of tooth segmentation. Figure 5 shows an example of tooth data generation.

図４（Ａ）に示すように、ＣＴスキャナなどによって患者の顔を撮影することによって、上顎骨、下顎骨、および複数の歯牙を含む患者の顔の三次元データが取得される。図４（Ｂ）に示すように、三次元データに含まれる各部位ごとに複数の位置情報の各々がセグメント化される。具体的には、上顎骨、下顎骨、および複数の歯牙の各々に対して識別データが対応付けられることによって、上顎骨、下顎骨、および複数の歯牙の各々における位置情報が区別される。なお、図４（Ｂ）に示す例では、セグメント化された上顎骨は、前頭骨または鼻骨などと一緒になっているが、三次元データは、少なくとも上顎骨を含み、かつ、上顎骨が下顎骨と歯牙とから区別されていればよい。また、三次元データに基づいて、任意の視点から見た患者の顔の像を含む２次元画像が生成可能である。 As shown in FIG. 4(A), three-dimensional data of the patient's face, including the maxilla, mandible, and multiple teeth, is obtained by photographing the patient's face with a CT scanner or the like. As shown in FIG. 4(B), each of the multiple pieces of positional information is segmented for each part included in the three-dimensional data. Specifically, identification data is associated with each of the maxilla, mandible, and multiple teeth, thereby distinguishing the positional information for each of the maxilla, mandible, and multiple teeth. In the example shown in FIG. 4(B), the segmented maxilla is combined with the frontal bone or nasal bone, but the three-dimensional data only needs to include at least the maxilla and distinguish the maxilla from the mandible and teeth. Also, based on the three-dimensional data, a two-dimensional image including an image of the patient's face viewed from any viewpoint can be generated.

たとえば、図５に示すように、歯牙データは、複数の歯牙の各々の三次元の位置情報を含む。ＣＴスキャナによって患者の歯牙が撮影された場合、三次元データは、濃淡のある複数のボクセルによって複数の歯牙の各々が表現される。この場合、歯牙データは、複数の歯牙の各々を構成する複数のボクセルの位置情報（たとえば、ボクセルの中心位置の三次元座標）を含む。あるいは、三次元スキャナによって患者の歯牙が撮影された場合、三次元データは、複数の点（点群）によって複数の歯牙の各々が表現される。この場合、歯牙データは、複数の歯牙の各々を構成する複数の点の位置情報（各点の三次元座標）を含む。 For example, as shown in FIG. 5, the tooth data includes three-dimensional position information for each of the multiple teeth. When the patient's teeth are photographed using a CT scanner, the three-dimensional data represents each of the multiple teeth using multiple voxels with varying shading. In this case, the tooth data includes position information for the multiple voxels that make up each of the multiple teeth (e.g., the three-dimensional coordinates of the center positions of the voxels). Alternatively, when the patient's teeth are photographed using a three-dimensional scanner, the three-dimensional data represents each of the multiple teeth using multiple points (point cloud). In this case, the tooth data includes position information for the multiple points that make up each of the multiple teeth (the three-dimensional coordinates of each point).

さらに、上顎骨データ、下顎骨データ、および歯牙データは、各位置座標に対して色情報（ＲＧＢ値）が対応付けられている。たとえば、複数の歯牙は、上顎右側の中切歯、側切歯、犬歯、第１小臼歯、第２小臼歯、第１大臼歯、第２大臼歯、および第３大臼歯、上顎左側の中切歯、側切歯、犬歯、第１小臼歯、第２小臼歯、第１大臼歯、第２大臼歯、および第３大臼歯、下顎右側の中切歯、側切歯、犬歯、第１小臼歯、第２小臼歯、第１大臼歯、第２大臼歯、および第３大臼歯、下顎左側の中切歯、側切歯、犬歯、第１小臼歯、第２小臼歯、第１大臼歯、第２大臼歯、および第３大臼歯といったように、口腔内の位置および種類ごとに区別され得る。歯牙データに含まれる複数の位置座標のうち、同じ種類の歯牙を構成する位置座標に対しては同じ色情報が対応付けられる。なお、人がディスプレイ１５０に表示された三次元データに基づいて生成された画像を確認しながら歯牙の種類を識別することによって、各位置座標に対して色情報が対応付けるようにして記録されてもよいし、専用のソフトウェアを用いて自動で歯牙の種類を識別することによって、各位置座標に対して色情報が対応付けるようにして記録されてもよい。 Furthermore, color information (RGB values) is associated with each position coordinate in the maxillary bone data, mandibular bone data, and tooth data. For example, the teeth can be classified according to their position and type in the oral cavity, such as the central incisor, lateral incisor, canine, first premolar, second premolar, first molar, second molar, and third molar on the right side of the maxilla, the central incisor, lateral incisor, canine, first premolar, second premolar, first molar, second molar, and third molar on the left side of the maxilla, the central incisor, lateral incisor, canine, first premolar, second premolar, first molar, second molar, and third molar on the right side of the mandible, and the central incisor, lateral incisor, canine, first premolar, second premolar, first molar, second molar, and third molar on the left side of the mandible. Of the multiple position coordinates included in the tooth data, the same color information is associated with position coordinates that constitute the same type of tooth. Note that color information may be recorded in association with each position coordinate by a person identifying the type of tooth while checking an image generated based on the three-dimensional data displayed on the display 150, or color information may be recorded in association with each position coordinate by automatically identifying the type of tooth using dedicated software.

［骨密度データの生成の一例］
図６を参照しながら、骨密度データの生成の一例を説明する。図６は、骨密度データの生成の一例を示す図である。 [An example of generating bone density data]
An example of generation of bone density data will be described with reference to Fig. 6. Fig. 6 is a diagram showing an example of generation of bone density data.

図６（Ａ）に示すように、三次元データに含まれる上顎骨、下顎骨、および複数の歯牙の各々ごとにセグメント化された後、図６（Ｂ）に示すように、セグメント化された三次元データに基づき、顎骨（上顎骨、下顎骨）の骨密度が推定される。具体的には、ＣＴスキャナなどによって取得された三次元データは、ＣＴ値（computed tomography value）と呼ばれるエックス線吸収値に応じて、各ボクセルの濃淡が決まる。よって、三次元データの濃淡（ＣＴ値）に基づき、顎骨（上顎骨、下顎骨）の骨密度を推定することが可能である。なお、上顎骨の骨密度は、上顎骨全体の骨密度の平均値であってもよい。また、下顎骨の骨密度は、下顎骨全体の骨密度の平均値であってもよい。 As shown in FIG. 6(A), the maxilla, mandible, and teeth included in the three-dimensional data are each segmented, and then, as shown in FIG. 6(B), the bone density of the jaws (maxilla, mandible) is estimated based on the segmented three-dimensional data. Specifically, the three-dimensional data acquired by a CT scanner or the like has a shade of each voxel determined according to an X-ray absorption value called a CT value (computed tomography value). Therefore, it is possible to estimate the bone density of the jaws (maxilla, mandible) based on the shade (CT value) of the three-dimensional data. The bone density of the maxilla may be the average value of the bone density of the entire maxilla. The bone density of the mandible may be the average value of the bone density of the entire mandible.

図６（Ｂ）の例では、三次元データに基づき、上顎に位置する各歯牙の歯根周辺の骨密度の平均値、および下顎に位置する各歯牙の歯根周辺の骨密度の平均値が推定されている。推定された各歯牙の骨密度は、図５に示した各歯牙の位置座標に対応付けられる。なお、歯根周辺とは、歯根の中心位置から予め定められた範囲内の部分を含む。 In the example of Figure 6 (B), the average value of bone density around the root of each tooth located in the upper jaw and the average value of bone density around the root of each tooth located in the lower jaw are estimated based on the three-dimensional data. The estimated bone density of each tooth is associated with the position coordinates of each tooth shown in Figure 5. Note that the area around the tooth root includes the area within a predetermined range from the center position of the tooth root.

［学習処理］
図７を参照しながら、推定装置１の学習処理を説明する。図７は、本実施の形態に係る推定装置１が実行する学習処理の一例を説明するためのフローチャートである。本実施の形態において、推定装置１は、学習用データを用いた教師あり学習によって推定モデル１２１を学習させる。図７に示す各ステップ（以下、「Ｓ」で示す。）は、推定装置１の演算装置１１が推定プログラム１２２を実行することで実現される。 [Learning process]
The learning process of the estimation device 1 will be described with reference to Fig. 7. Fig. 7 is a flowchart for explaining an example of the learning process executed by the estimation device 1 according to the present embodiment. In the present embodiment, the estimation device 1 trains an estimation model 121 by supervised learning using learning data. Each step (hereinafter, indicated by "S") shown in Fig. 7 is realized by the calculation device 11 of the estimation device 1 executing the estimation program 122.

図７に示すように、まず、推定装置１は、学習用データを取得する（Ｓ１）。たとえば、推定装置１は、入力データとして、歯牙データ、期間データ、および矯正データを取得するとともに、正解データとして、矯正期間が経過した場合の歯牙の位置を取得する。さらに、推定装置１は、顎運動データまたは骨密度データに基づき機械学習を行う場合、歯牙データ、期間データ、および矯正データに加えて、顎運動データおよび骨密度データの少なくとも１つを取得する。 As shown in FIG. 7, first, the estimation device 1 acquires learning data (S1). For example, the estimation device 1 acquires tooth data, period data, and orthodontic data as input data, and acquires the tooth positions after the orthodontic period has passed as correct answer data. Furthermore, when performing machine learning based on jaw movement data or bone density data, the estimation device 1 acquires at least one of jaw movement data and bone density data in addition to tooth data, period data, and orthodontic data.

推定装置１は、学習用データのうちの入力データに基づき、矯正期間が経過した場合の歯牙の位置を推定する（Ｓ２）。推定装置１は、自身が推定した歯牙の位置と、正解データに含まれる歯牙の位置とを比較することによって、推定モデル１２１を機械学習させる（Ｓ３）。なお、Ｓ２の処理において、推定装置１は、入力データに基づき１つの歯牙の位置を推定するように推定モデル１２１を機械学習させてもよいし、入力データに基づき複数の歯牙の位置を推定するように推定モデル１２１を機械学習させてもよい。推定装置１は、推定モデル１２１が推定した歯牙の位置と正解データに含まれる歯牙の位置との間の一致度合（一致／不一致）に基づいて、推定モデル１２１を機械学習させる。たとえば、推定装置１は、推定モデル１２１が推定した歯牙の位置と正解データに含まれる歯牙の位置とが完全に一致する場合に、両者が一致すると判定してもよい。あるいは、推定装置１は、推定モデル１２１が推定した歯牙の位置と正解データに含まれる歯牙の位置との差が所定距離以内（たとえば、１．５ｍｍ以内）である場合に、両者が一致すると判定してもよい。 The estimation device 1 estimates the tooth position after the orthodontic period has passed based on the input data in the learning data (S2). The estimation device 1 performs machine learning of the estimation model 121 by comparing the tooth position estimated by the estimation device 1 with the tooth position included in the correct answer data (S3). In the process of S2, the estimation device 1 may perform machine learning of the estimation model 121 to estimate the position of one tooth based on the input data, or may perform machine learning of the estimation model 121 to estimate the positions of multiple teeth based on the input data. The estimation device 1 performs machine learning of the estimation model 121 based on the degree of agreement (agreement/mismatch) between the tooth position estimated by the estimation model 121 and the tooth position included in the correct answer data. For example, the estimation device 1 may determine that the tooth position estimated by the estimation model 121 and the tooth position included in the correct answer data match when they completely match. Alternatively, the estimation device 1 may determine that the tooth positions estimated by the estimation model 121 match the tooth positions included in the correct answer data if the difference between them is within a predetermined distance (for example, within 1.5 mm).

推定装置１は、学習済みの推定モデル１２１（学習済モデル）を記憶装置１２に記憶させる（Ｓ４）。その後、推定装置１は、本処理を終了する。 The estimation device 1 stores the trained estimation model 121 (trained model) in the storage device 12 (S4). After that, the estimation device 1 ends this process.

このように、推定装置１は、少なくとも、歯牙データ、期間データ、および矯正データに基づき、歯牙の位置を推定するように推定モデル１２１を機械学習させることができる。また、推定装置１は、歯牙データ、期間データ、および矯正データに加えて、顎運動データおよび骨密度データの少なくとも１つに基づき、歯牙の位置を推定するように推定モデル１２１を機械学習させることができる。さらに、歯牙データが歯牙の種類ごとに識別データ（たとえば、色情報）を用いてセグメント化されている場合、推定装置１は、セグメント化された歯牙ごとに歯牙の位置を推定するように推定モデル１２１を機械学習させることができる。 In this way, the estimation device 1 can train the estimation model 121 by machine learning to estimate the tooth position based on at least the tooth data, period data, and orthodontic data. Furthermore, the estimation device 1 can train the estimation model 121 by machine learning to estimate the tooth position based on at least one of jaw movement data and bone density data in addition to the tooth data, period data, and orthodontic data. Furthermore, when the tooth data is segmented using identification data (e.g., color information) for each type of tooth, the estimation device 1 can train the estimation model 121 by machine learning to estimate the tooth position for each segmented tooth.

［推定処理］
図８および図９を参照しながら、推定装置１の推定処理を説明する。図８は、本実施の形態に係る推定装置１が実行する推定処理の一例を説明するためのフローチャートである。図８に示す各ステップ（以下、「Ｓ」で示す。）は、推定装置１の演算装置１１が推定プログラム１２２を実行することで実現される。 [Estimation process]
The estimation process of the estimation device 1 will be described with reference to Fig. 8 and Fig. 9. Fig. 8 is a flowchart for explaining an example of the estimation process executed by the estimation device 1 according to the present embodiment. Each step (hereinafter, indicated by "S") shown in Fig. 8 is realized by the calculation device 11 of the estimation device 1 executing the estimation program 122.

図８に示すように、まず、推定装置１は、入力データを取得する（Ｓ１１）。たとえば、推定装置１は、入力データとして、歯牙データ、期間データ、および矯正データを取得する。さらに、推定装置１は、顎運動データまたは骨密度データに基づき推定モデル１２１に対して機械学習を行っている場合、歯牙データ、期間データ、および矯正データに加えて、顎運動データおよび骨密度データの少なくとも１つを取得してもよい。 As shown in FIG. 8, first, the estimation device 1 acquires input data (S11). For example, the estimation device 1 acquires tooth data, period data, and orthodontic data as input data. Furthermore, when the estimation device 1 performs machine learning on the estimation model 121 based on jaw movement data or bone density data, the estimation device 1 may acquire at least one of jaw movement data and bone density data in addition to the tooth data, period data, and orthodontic data.

推定装置１は、入力データに基づき、矯正期間が経過した場合の歯牙の位置を推定する（Ｓ１２）。なお、推定装置１は、入力データに基づき１つの歯牙の位置を推定してもよいし、入力データに基づき複数の歯牙の位置を推定してもよい。推定装置１は、歯牙の位置の推定結果を出力する（Ｓ１３）。その後、推定装置１は、本処理を終了する。 The estimation device 1 estimates the tooth positions after the orthodontic period has elapsed based on the input data (S12). The estimation device 1 may estimate the position of one tooth based on the input data, or may estimate the positions of multiple teeth based on the input data. The estimation device 1 outputs the estimation result of the tooth positions (S13). After that, the estimation device 1 ends this process.

図８の例では、歯牙データが歯牙の種類ごとに識別データ（たとえば、色情報）を用いて予めセグメント化されているが、図９に示すように、推定装置１は、歯牙の種類ごとに識別データを用いて歯牙データを自らセグメント化してもよい。また、図８の例では、骨密度データが予め生成されているが、図９に示すように、推定装置１は、骨密度データを自ら生成してもよい。 In the example of FIG. 8, the tooth data is pre-segmented for each tooth type using identification data (e.g., color information), but as shown in FIG. 9, the estimation device 1 may itself segment the tooth data using identification data for each tooth type. Also, in the example of FIG. 8, the bone density data is generated in advance, but as shown in FIG. 9, the estimation device 1 may itself generate the bone density data.

図９は、他の実施形態に係る推定装置１が実行する推定処理の一例を説明するためのフローチャートである。図９に示す各ステップ（以下、「Ｓ」で示す。）は、推定装置１の演算装置１１が推定プログラム１２２を実行することで実現される。 FIG. 9 is a flowchart for explaining an example of an estimation process executed by an estimation device 1 according to another embodiment. Each step (hereinafter, indicated by "S") shown in FIG. 9 is realized by the calculation device 11 of the estimation device 1 executing the estimation program 122.

図９に示すように、推定装置１は、図４（Ａ）に示すように、任意の視点から見た患者の顔の像を含む二次元画像を生成可能な三次元データを取得する（Ｓ２１）。すなわち、図９の例では、患者の顔の像を含む二次元画像を生成可能な三次元データが入力部１１０１から入力される。 As shown in Figure 9, the estimation device 1 acquires three-dimensional data that can generate a two-dimensional image including an image of the patient's face seen from any viewpoint, as shown in Figure 4 (A) (S21). That is, in the example of Figure 9, three-dimensional data that can generate a two-dimensional image including an image of the patient's face is input from the input unit 1101.

推定装置１は、図４（Ｂ）に示すように、上顎骨、下顎骨、および複数の歯牙の各々に対して識別データ（たとえば、色情報）を対応付けることによって、上顎骨、下顎骨、および複数の歯牙の各々を区別するように複数の位置情報の各々をセグメント化する（Ｓ２２）。 As shown in FIG. 4(B), the estimation device 1 segments each of the multiple pieces of position information to distinguish between the maxilla, mandible, and multiple teeth by associating identification data (e.g., color information) with each of the maxilla, mandible, and multiple teeth (S22).

推定装置１は、セグメント化された複数の位置情報に基づき、各歯牙の位置を抽出する（Ｓ２３）。これにより、推定装置１は、歯牙データを生成することができる。 The estimation device 1 extracts the position of each tooth based on the segmented position information (S23). This allows the estimation device 1 to generate tooth data.

推定装置１は、Ｓ２１において取得した三次元データの濃淡（ＣＴ値）に基づき、顎骨（上顎骨、下顎骨）の骨密度を推定する（Ｓ２４）。具体的には、推定装置１は、三次元データに基づき、上顎に位置する各歯牙の歯根周辺の骨密度の平均値、および下顎に位置する各歯牙の歯根周辺の骨密度の平均値を推定する。これにより、推定装置１は、骨密度データを生成することができる。 The estimation device 1 estimates the bone density of the jawbone (maxilla, mandible) based on the shading (CT values) of the three-dimensional data acquired in S21 (S24). Specifically, the estimation device 1 estimates the average value of bone density around the roots of each tooth located in the maxilla, and the average value of bone density around the roots of each tooth located in the mandible, based on the three-dimensional data. This allows the estimation device 1 to generate bone density data.

推定装置１は、図示しない顎運動測定器によって測定された顎運動データを取得する（Ｓ２５）。また、推定装置１は、ユーザによって設計された矯正装置５０に関する矯正データを取得する（Ｓ２６）。さらに、推定装置１は、ユーザによって入力された矯正期間に関する期間データを取得する（Ｓ２７）。 The estimation device 1 acquires jaw movement data measured by a jaw movement measuring device (not shown) (S25). The estimation device 1 also acquires orthodontic data related to the orthodontic device 50 designed by the user (S26). The estimation device 1 also acquires period data related to the orthodontic period input by the user (S27).

次に、推定装置１は、取得した歯牙データ、骨密度データ、顎運動データ、矯正データ、および期間データに基づき歯牙の位置を推定する前に、歯牙データおよび顎運動データの各々における位置情報の基準を合わせる（Ｓ２８）。すなわち、歯牙データは、ＣＴスキャナなどによって取得された三次元データに基づき生成される一方で、顎運動データは、顎運動測定器の測定値に基づき生成されるため、両者の基準を合わせることによって、推定装置１による歯牙の位置の推定精度を向上させることができる。そこで、推定装置１は、歯牙データに含まれる位置情報と、顎運動データに含まれる位置情報とで、基準を合わせることで、両者の位置情報を変換する。 Next, before estimating the tooth positions based on the acquired tooth data, bone density data, jaw movement data, orthodontic data, and period data, the estimation device 1 aligns the references of the position information in each of the tooth data and the jaw movement data (S28). That is, the tooth data is generated based on three-dimensional data acquired by a CT scanner or the like, while the jaw movement data is generated based on measurements from a jaw movement measuring device, so by aligning the references of both, the estimation accuracy of the tooth positions by the estimation device 1 can be improved. Therefore, the estimation device 1 converts the position information contained in the tooth data and the position information contained in the jaw movement data by aligning the references of both.

なお、図８で示した推定処理においても、推定装置１は、Ｓ１１で取得した歯牙データ、骨密度データ、顎運動データ、矯正データ、および期間データに基づき歯牙の位置を推定する前（Ｓ１２の前）に、歯牙データおよび顎運動データの各々における位置情報の基準を合わせてもよい。 In the estimation process shown in FIG. 8, the estimation device 1 may also align the reference position information for each of the tooth data and jaw movement data before estimating the tooth position based on the tooth data, bone density data, jaw movement data, orthodontic data, and period data acquired in S11 (before S12).

推定装置１は、取得した歯牙データ、骨密度データ、顎運動データ、矯正データ、および期間データに基づき歯牙の位置を推定する（Ｓ２９）。推定装置１は、歯牙の位置の推定結果を出力する（Ｓ３０）。その後、推定装置１は、本処理を終了する。 The estimation device 1 estimates the tooth positions based on the acquired tooth data, bone density data, jaw movement data, orthodontic data, and period data (S29). The estimation device 1 outputs the estimation result of the tooth positions (S30). After that, the estimation device 1 ends this process.

［矯正期間における各種処理］
図１０を参照しながら、ユーザが推定装置１を用いて矯正期間において実行する各種処理を説明する。図１０は、矯正期間における各種処理の一例を示す図である。 [Various procedures during the correction period]
Various processes executed by the user during the orthodontic period using the estimation device 1 will be described with reference to Fig. 10. Fig. 10 is a diagram showing an example of various processes during the orthodontic period.

図１０に示すように、ユーザは、矯正治療を開始すると（Ｓ５１）、初期治療段階に移行する。ユーザは、ＣＴスキャナなどによって取得した患者の顔の三次元データに基づき、上顎骨、下顎骨、および複数の歯牙の各々を区別するように複数の位置情報の各々をセグメント化するとともに、矯正治療に関して分析、診断、および計画を実行し、矯正装置５０を設計する（Ｓ５２）。 As shown in FIG. 10, when the user starts orthodontic treatment (S51), the process moves to the initial treatment stage. Based on three-dimensional data of the patient's face acquired by a CT scanner or the like, the user segments each of the multiple pieces of positional information to distinguish between the maxilla, mandible, and multiple teeth, and performs analysis, diagnosis, and planning regarding the orthodontic treatment, and designs the orthodontic device 50 (S52).

そして、ユーザは、推定装置１に歯牙データ、骨密度データ、顎運動データ、矯正データ、および期間データを入力することで、矯正期間が経過した場合の歯牙の位置を推定する（Ｓ５３）。すなわち、ユーザは、実際に矯正装置５０を用いて患者の歯牙を矯正する前に、推定装置１を用いて、矯正期間が経過した場合の歯牙の位置を推定する。これにより、ユーザは、矯正装置５０を患者に装着させる前に、推定結果に基づき矯正装置５０の設計を是正することができる。ユーザは、是正した矯正装置５０を用いて矯正治療を行う（Ｓ５４）。 Then, the user inputs tooth data, bone density data, jaw movement data, orthodontic data, and period data into the estimation device 1 to estimate the positions of the teeth after the orthodontic period has passed (S53). That is, before actually orthodontic the patient's teeth using the orthodontic device 50, the user uses the estimation device 1 to estimate the positions of the teeth after the orthodontic period has passed. This allows the user to correct the design of the orthodontic device 50 based on the estimation results before having the patient wear the orthodontic device 50. The user performs orthodontic treatment using the corrected orthodontic device 50 (S54).

ユーザは、矯正中の歯牙を移動させるための動的治療段階において、再び、ＣＴスキャナなどによって取得した患者の顔の三次元データに基づき、上顎骨、下顎骨、および複数の歯牙の各々を区別するように複数の位置情報の各々をセグメント化するとともに、矯正治療に関して分析、診断、および計画を実行し、矯正装置５０を設計する（Ｓ５５）。 In the dynamic treatment phase for moving the teeth during orthodontic treatment, the user again segments each of the multiple pieces of positional information to distinguish between the maxilla, mandible, and each of the multiple teeth based on three-dimensional data of the patient's face acquired by a CT scanner or the like, and performs analysis, diagnosis, and planning regarding the orthodontic treatment, and designs the orthodontic device 50 (S55).

そして、ユーザは、推定装置１に歯牙データ、骨密度データ、顎運動データ、矯正データ、および期間データを入力することで、矯正期間が経過した場合の歯牙の位置を推定する（Ｓ５６）。すなわち、ユーザは、動的治療段階において、再び、推定装置１を用いて、矯正期間が経過した場合の歯牙の位置を推定する。これにより、ユーザは、動的治療段階において、再設計された矯正装置５０を患者に装着させる前に、推定結果に基づき矯正装置５０の設計を是正することができる。ユーザは、是正した矯正装置５０を用いて矯正治療を行う（Ｓ５７）。 Then, the user inputs tooth data, bone density data, jaw movement data, orthodontic data, and period data into the estimation device 1 to estimate the positions of the teeth after the orthodontic period has passed (S56). That is, in the dynamic treatment phase, the user again uses the estimation device 1 to estimate the positions of the teeth after the orthodontic period has passed. This allows the user to correct the design of the orthodontic device 50 based on the estimation results before having the patient wear the redesigned orthodontic device 50 in the dynamic treatment phase. The user performs orthodontic treatment using the corrected orthodontic device 50 (S57).

さらに、ユーザは、矯正中の歯牙を保定するための保定段階において、再び、ＣＴスキャナなどによって取得した患者の顔の三次元データに基づき、上顎骨、下顎骨、および複数の歯牙の各々を区別するように複数の位置情報の各々をセグメント化するとともに、矯正治療に関して分析、診断、および計画を実行し、矯正装置５０を設計する（Ｓ５８）。 Furthermore, in the retention stage for retaining the teeth during orthodontic treatment, the user again segments each of the multiple pieces of positional information to distinguish between the maxilla, mandible, and each of the multiple teeth based on three-dimensional data of the patient's face acquired by a CT scanner or the like, and performs analysis, diagnosis, and planning regarding the orthodontic treatment, and designs the orthodontic device 50 (S58).

そして、ユーザは、推定装置１に歯牙データ、骨密度データ、顎運動データ、矯正データ、および期間データを入力することで、矯正期間が経過した場合の歯牙の位置を推定する（Ｓ５９）。すなわち、ユーザは、保定段階において、再び、推定装置１を用いて、矯正期間が経過した場合の歯牙の位置を推定する。これにより、ユーザは、保定段階において、再設計された矯正装置５０を患者に装着させる前に、推定結果に基づき矯正装置５０の設計を是正することができる。ユーザは、是正した矯正装置５０を用いて矯正治療を行う（Ｓ６０）。 Then, the user inputs tooth data, bone density data, jaw movement data, orthodontic data, and period data into the estimation device 1 to estimate the positions of the teeth after the orthodontic period has passed (S59). That is, in the retention phase, the user again uses the estimation device 1 to estimate the positions of the teeth after the orthodontic period has passed. This allows the user to correct the design of the orthodontic device 50 based on the estimation results before having the patient wear the redesigned orthodontic device 50 in the retention phase. The user performs orthodontic treatment using the corrected orthodontic device 50 (S60).

ユーザは、上述したような処理を繰り返しながら矯正治療を行い、矯正期間が経過すると、矯正治療を終了する（Ｓ６１）。 The user performs orthodontic treatment by repeating the above-described process, and ends the orthodontic treatment when the orthodontic period has elapsed (S61).

以上のように、歯科医師などのユーザは、推定装置１を用いて矯正期間が経過した場合の歯牙の位置を推定することで、矯正装置５０を患者に装着させる前に、推定結果に基づき矯正装置５０の設計を是正することができる。これにより、ユーザは、矯正期間において自身の知見に基づき手探りで矯正装置５０を設計する必要がなく、手間をかけることなく精度の良い矯正を行うことができる。さらに、ユーザは、矯正期間を短くすることもできる。 As described above, a user such as a dentist can use the estimation device 1 to estimate the position of the teeth after the orthodontic period has passed, and can correct the design of the orthodontic device 50 based on the estimation results before the patient wears the orthodontic device 50. This eliminates the need for the user to design the orthodontic device 50 by trial and error based on their own knowledge during the orthodontic period, and allows for accurate orthodontic treatment without much effort. Furthermore, the user can also shorten the orthodontic period.

［変形例］
本開示は、上記の実施例に限られず、さらに種々の変形、応用が可能である。以下、本開示に適用可能な変形例について説明する。 [Modification]
The present disclosure is not limited to the above-described embodiment, and various modifications and applications are possible. Modifications that can be applied to the present disclosure will be described below.

（セグメント化における識別データ）
推定装置１は、複数の歯牙の各々で歯牙データをセグメント化する際に、識別データとして色情報を用いていたが、識別データとしてその他の識別情報を用いてもよい。たとえば、推定装置１は、識別データとして、模様、文字、数字、および記号のうちの少なくとも１つを用いてもよい。 (Identification data in segmentation)
Although the estimation device 1 uses color information as identification data when segmenting the tooth data for each of the multiple teeth, other identification information may be used as the identification data. For example, the estimation device 1 may use at least one of a pattern, a letter, a number, and a symbol as the identification data.

（推定結果に対応する矯正期間）
推定装置１は、最終的に矯正治療が終了する時点における歯牙の位置を推定することに限らず、矯正治療の途中段階における歯牙の位置を推定するように機械学習が行われてもよい。たとえば、図７に示す学習処理において、入力データは、矯正治療の途中段階における歯牙データ、期間データ、および矯正データを含んでいてもよい。そして、推定装置１は、矯正治療の途中段階における入力データを用いて、矯正治療の途中段階における歯牙の位置を推定し、推定結果と、正解データである矯正治療の途中段階における歯牙の位置とを比較することで、推定モデル１２１を機械学習させてもよい。このようにすれば、たとえば、矯正期間が３年である矯正治療について、推定装置１は、１年目または２年目といったように矯正治療の途中段階における歯牙の位置を推定することができる。 (Correction period corresponding to the estimated result)
The estimation device 1 is not limited to estimating the tooth position at the final end of the orthodontic treatment, and may perform machine learning to estimate the tooth position at an intermediate stage of the orthodontic treatment. For example, in the learning process shown in FIG. 7, the input data may include tooth data, period data, and orthodontic data at an intermediate stage of the orthodontic treatment. The estimation device 1 may then use the input data at an intermediate stage of the orthodontic treatment to estimate the tooth position at the intermediate stage of the orthodontic treatment, and compare the estimation result with the correct data, which is the tooth position at the intermediate stage of the orthodontic treatment, to perform machine learning of the estimation model 121. In this way, for example, for an orthodontic treatment with a period of three years, the estimation device 1 can estimate the tooth position at an intermediate stage of the orthodontic treatment, such as the first or second year.

（推定装置の態様）
推定装置１は、汎用コンピュータで実現され得るが、たとえば、ＰＣ（Personal Computer）またはスマートフォンなどの携帯端末であってもよい。さらに、推定装置１は、歯科医院とは別の場所に設置されたクラウド型のサーバ装置であってもよい。 (Estimation Device)
The estimation device 1 may be realized by a general-purpose computer, but may also be, for example, a personal computer (PC) or a mobile terminal such as a smartphone. Furthermore, the estimation device 1 may be a cloud-type server device installed in a location separate from the dental clinic.

（学習用データ）
推定装置１は、推定モデル１２１を機械学習させるときに、矯正対象である患者のプロファイルデータを用いてもよい。プロファイルデータは、患者に関する属性情報であって、当該患者の年齢、性別、人種、国籍、身長、体重、および居住地のうちの少なくとも１つを含む。たとえば、学習段階においては、プロファイルデータごとに学習用データ（入力データ）を予め分類しておき、分類された学習用データを用いて推定モデル１２１を機械学習させればよい。このようにすれば、実用段階においては、歯牙データ、期間データ、および矯正データを含む入力データとともに、患者のプロファイルデータを推定装置１に入力することで、推定モデル１２１は、プロファイルデータによる分類に基づく機械学習を活かして、より精度よく歯牙の位置を推定することができる。すなわち、推定装置１は、入力部１１０１から入力された歯牙データ、期間データ、矯正データ、およびプロファイルデータと、推定モデル１２１とに基づき、推定部１１０２によって歯牙の位置を推定してもよい。 (Learning data)
The estimation device 1 may use profile data of a patient to be corrected when machine learning the estimation model 121. The profile data is attribute information on a patient, and includes at least one of the patient's age, sex, race, nationality, height, weight, and place of residence. For example, in the learning stage, learning data (input data) may be classified in advance for each profile data, and the estimation model 121 may be machine-learned using the classified learning data. In this way, in the practical stage, by inputting the patient's profile data together with input data including tooth data, period data, and orthodontic data to the estimation device 1, the estimation model 121 can estimate the tooth position more accurately by utilizing machine learning based on the classification by the profile data. That is, the estimation device 1 may estimate the tooth position by the estimation unit 1102 based on the tooth data, period data, orthodontic data, and profile data input from the input unit 1101, and the estimation model 121.

（推定システム）
上述した推定装置１と、ＣＴスキャナ、Ｘ線装置、または三次元スキャナなどの三次元データ取得装置とを備えた、推定システムが構成されてもよい。 (Estimation System)
An estimation system may be configured that includes the above-described estimation device 1 and a three-dimensional data acquisition device such as a CT scanner, an X-ray device, or a three-dimensional scanner.

今回開示された実施の形態は全ての点で例示であって制限的なものではないと考えられるべきである。本開示の範囲は上記した説明ではなく特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。なお、本実施の形態で例示された構成および変形例で例示された構成は、適宜組み合わせることができる。 The embodiment disclosed herein should be considered as illustrative in all respects and not restrictive. The scope of the present disclosure is indicated by the claims, not by the above description, and is intended to include all modifications within the meaning and scope of the claims. The configurations exemplified in the present embodiment and the configurations exemplified in the modified examples can be combined as appropriate.

１ 推定装置、１１ 演算装置、１２ 記憶装置、１３ 装置、１４ 通信装置、１５ ディスプレイインターフェース、１６ 周辺機器インターフェース、５０ 矯正装置、５１ ブラケット、５２ ワイヤー、１２１ 推定モデル、１２２ 推定プログラム、１３０ リムーバブルディスク、１５０ ディスプレイ、１６１ キーボード、１６２ マウス、１１０１ 入力部、１１０２ 推定部、１１０３ 記憶部、１１０４ 出力部、１２１１ ニューラルネットワーク、１２１２ パラメータ。 1 Estimation device, 11 Computing device, 12 Storage device, 13 Device, 14 Communication device, 15 Display interface, 16 Peripheral device interface, 50 Correction device, 51 Bracket, 52 Wire, 121 Estimation model, 122 Estimation program, 130 Removable disk, 150 Display, 161 Keyboard, 162 Mouse, 1101 Input unit, 1102 Estimation unit, 1103 Storage unit, 1104 Output unit, 1211 Neural network, 1212 Parameter.

Claims (12)

矯正により移動する歯牙の位置を推定する推定装置であって、
歯列を構成する複数の歯牙の各々を構成する複数の点の三次元座標位置に関する歯牙データと、矯正期間に関する期間データと、矯正装置が前記複数の歯牙の各々に接する三次元座標位置に関する矯正データとが入力される入力部と、
前記歯牙データ、前記期間データ、および前記矯正データが入力されることによって前記矯正期間が経過した場合の前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習された推定モデルを含む推定部とを備える、推定装置。 An estimation device for estimating a position of a tooth that moves due to orthodontic treatment, comprising:
an input unit for inputting tooth data relating to three-dimensional coordinate positions of a plurality of points constituting each of a plurality of teeth constituting a dentition , period data relating to an orthodontic period, and orthodontic data relating to three-dimensional coordinate positions where an orthodontic device contacts each of the plurality of teeth ;
and an estimation unit including an estimation model that has been machine-learned to enable estimation of three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth after the orthodontic period has elapsed by inputting the tooth data, the period data, and the orthodontic data. 前記入力部は、運動する顎の位置に関する顎運動データが入力され、
前記推定モデルは、さらに前記顎運動データが入力されることによって前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習されている、請求項１に記載の推定装置。 The input unit receives jaw movement data relating to a position of a moving jaw,
The estimation device according to claim 1 , wherein the estimation model is machine-learned to be capable of estimating three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth by further inputting the jaw movement data. 前記推定部は、前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定する前に、前記歯牙データおよび前記顎運動データの各々における位置情報の基準を合わせる、請求項２に記載の推定装置。 The estimation device according to claim 2 , wherein the estimation unit aligns references of position information in each of the tooth data and the jaw movement data before estimating the three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth. 前記入力部は、顎骨の骨密度に関する骨密度データが入力され、
前記推定モデルは、さらに前記骨密度データが入力されることによって前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習されている、請求項１～請求項３のいずれか１項に記載の推定装置。 The input unit receives bone density data related to bone density of a jawbone,
The estimation device according to any one of claims 1 to 3, wherein the estimation model is machine-learned to be capable of estimating three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth by further inputting the bone density data. 前記骨密度データは、上顎骨の骨密度の平均値、下顎骨の骨密度の平均値、上顎に位置する複数の歯牙の各々の周辺の骨密度の平均値、および下顎に位置する前記複数の歯牙の各々の周辺の骨密度の平均値のうちの少なくとも１つを含む、請求項４に記載の推定装置。 5. The estimation device of claim 4, wherein the bone density data includes at least one of an average bone density of the maxilla, an average bone density of the mandible, an average bone density around each of a plurality of teeth located in the maxilla, and an average bone density around each of the plurality of teeth located in the mandible. 前記歯牙データは、前記複数の歯牙の各々を区別する識別データを含む、請求項１～請求項５のいずれか１項に記載の推定装置。 6. The estimation device according to claim 1, wherein the tooth data includes identification data for distinguishing each of the plurality of teeth. 前記歯牙データは、前記複数の歯牙の各々の種類ごとにセグメント化されている、請求項１～請求項６のいずれか１項に記載の推定装置。 7. The estimation device according to claim 1, wherein the tooth data is segmented for each type of the plurality of teeth. 前記矯正装置は、ブラケット、ワイヤー、およびアライナーのうちの少なくとも１つを含み、
前記矯正データは、前記ブラケットに関するデータ、前記ワイヤーに関するデータ、および前記アライナーに関するデータのうちの少なくとも１つを含む、請求項１～請求項７のいずれか１項に記載の推定装置。 The orthodontic appliance includes at least one of a bracket, a wire, and an aligner;
The estimation device according to any one of claims 1 to 7, wherein the orthodontic data includes at least one of data regarding the brackets, data regarding the wires, and data regarding the aligners. 前記ブラケットに関するデータは、前記複数の歯牙の各々に接する前記ブラケットの面の略中央の位置に関するデータ、または、前記複数の歯牙の各々に接する前記ブラケットの面の前記ワイヤーが接する位置に関するデータを含む、請求項８に記載の推定装置。 The estimation device of claim 8, wherein the data regarding the bracket includes data regarding a position of approximately the center of a face of the bracket that contacts each of the plurality of teeth, or data regarding a position where the wire contacts a face of the bracket that contacts each of the plurality of teeth. 前記ワイヤーに関するデータは、前記ブラケットの面に接するワイヤーの位置に関するデータを含む、請求項８または請求項９に記載の推定装置。 The estimation device according to claim 8 or claim 9, wherein the data about the wire includes data about the position of the wire in contact with the face of the bracket. コンピュータによる矯正により移動する歯牙の位置を推定する推定方法であって、
前記コンピュータが実行する処理として、
歯列を構成する複数の歯牙の各々を構成する複数の点の三次元座標位置に関する歯牙データと、矯正期間に関する期間データと、矯正装置が前記複数の歯牙の各々に接する三次元座標位置に関する矯正データとが入力されるステップと、
前記歯牙データ、前記期間データ、および前記矯正データが入力されることによって前記矯正期間が経過した場合の前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習された推定モデルを用いて、前記入力されるステップによって入力された前記歯牙データ、前記期間データ、および前記矯正データに基づき、前記矯正期間が経過した場合の前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定するステップとを含む、推定方法。 A method for estimating a position of a tooth to be moved by computer-aided orthodontics, comprising the steps of:
The process executed by the computer is
a step of inputting tooth data relating to three-dimensional coordinate positions of a plurality of points constituting each of a plurality of teeth constituting a dentition , period data relating to an orthodontic period, and orthodontic data relating to three-dimensional coordinate positions where an orthodontic device contacts each of the plurality of teeth ;
and estimating, based on the tooth data, the period data, and the orthodontic data input in the inputting step, three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth after the orthodontic period has passed, using an estimation model that has been machine-learned to enable estimation of three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth after the orthodontic period has passed by inputting the tooth data, the period data, and the orthodontic data. 矯正により移動する歯牙の位置を推定する推定プログラムであって、
コンピュータに、
歯列を構成する複数の歯牙の各々を構成する複数の点の三次元座標位置に関する歯牙データと、矯正期間に関する期間データと、矯正装置が前記複数の歯牙の各々に接する三次元座標位置に関する矯正データとが入力されるステップと、
前記歯牙データ、前記期間データ、および前記矯正データが入力されることによって前記矯正期間が経過した場合の前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定することが可能に機械学習された推定モデルを用いて、前記入力されるステップによって入力された前記歯牙データ、前記期間データ、および前記矯正データに基づき、前記矯正期間が経過した場合の前記複数の歯牙の各々を構成する複数の点の三次元座標位置を推定するステップとを実行させる、推定プログラム。 An estimation program for estimating a position of a tooth to be moved by orthodontic treatment,
On the computer,
a step of inputting tooth data relating to three-dimensional coordinate positions of a plurality of points constituting each of a plurality of teeth constituting a dentition , period data relating to an orthodontic period, and orthodontic data relating to three-dimensional coordinate positions where an orthodontic device contacts each of the plurality of teeth ;
and a step of estimating the three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth after the orthodontic period has passed, based on the tooth data, the period data, and the orthodontic data input in the inputting step, using an estimation model that has been machine-learned to enable estimation of the three-dimensional coordinate positions of a plurality of points constituting each of the plurality of teeth after the orthodontic period has passed by inputting the tooth data, the period data, and the orthodontic data.
JP2021168750A 2021-10-14 2021-10-14 Estimation device, estimation method, and estimation program Active JP7507135B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021168750A JP7507135B2 (en) 2021-10-14 2021-10-14 Estimation device, estimation method, and estimation program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021168750A JP7507135B2 (en) 2021-10-14 2021-10-14 Estimation device, estimation method, and estimation program

Publications (2)

Publication Number Publication Date
JP2023058939A JP2023058939A (en) 2023-04-26
JP7507135B2 true JP7507135B2 (en) 2024-06-27

Family

ID=86095620

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021168750A Active JP7507135B2 (en) 2021-10-14 2021-10-14 Estimation device, estimation method, and estimation program

Country Status (1)

Country Link
JP (1) JP7507135B2 (en)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005503235A (en) 2001-09-26 2005-02-03 スリーエム イノベイティブ プロパティズ カンパニー Use of finite element analysis and equipment selection of straightening equipment
JP2011507613A (en) 2007-12-21 2011-03-10 スリーエム イノベイティブ プロパティズ カンパニー Orthodontic treatment monitoring based on reduced images
JP2018520804A (en) 2014-11-13 2018-08-02 アライン テクノロジー， インコーポレイテッド How to track, predict, and preventative correction of malocclusions and related problems
US20180336736A1 (en) 2015-02-23 2018-11-22 Osstemimplant Co., Ltd. Method for simulating mandibular movement, device for same and recording medium for recording same
WO2020048960A1 (en) 2018-09-04 2020-03-12 Promaton Holding B.V. Automated orthodontic treatment planning using deep learning
JP2020036755A (en) 2018-09-04 2020-03-12 株式会社ＤｅｎｔａｌＢａｎｋ Orthodontics support apparatus and orthodontics support program
JP2020068875A (en) 2018-10-29 2020-05-07 宏太郎 槇 Simulation device, computer program and simulation method
JP2020096691A (en) 2018-12-17 2020-06-25 株式会社モリタ製作所 Identification device, scanner system, identification method, and program for identification

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005503235A (en) 2001-09-26 2005-02-03 スリーエム イノベイティブ プロパティズ カンパニー Use of finite element analysis and equipment selection of straightening equipment
JP2011507613A (en) 2007-12-21 2011-03-10 スリーエム イノベイティブ プロパティズ カンパニー Orthodontic treatment monitoring based on reduced images
JP2018520804A (en) 2014-11-13 2018-08-02 アライン テクノロジー， インコーポレイテッド How to track, predict, and preventative correction of malocclusions and related problems
US20180336736A1 (en) 2015-02-23 2018-11-22 Osstemimplant Co., Ltd. Method for simulating mandibular movement, device for same and recording medium for recording same
WO2020048960A1 (en) 2018-09-04 2020-03-12 Promaton Holding B.V. Automated orthodontic treatment planning using deep learning
JP2020036755A (en) 2018-09-04 2020-03-12 株式会社ＤｅｎｔａｌＢａｎｋ Orthodontics support apparatus and orthodontics support program
JP2020068875A (en) 2018-10-29 2020-05-07 宏太郎 槇 Simulation device, computer program and simulation method
JP2020096691A (en) 2018-12-17 2020-06-25 株式会社モリタ製作所 Identification device, scanner system, identification method, and program for identification

Also Published As

Publication number Publication date
JP2023058939A (en) 2023-04-26

Similar Documents

Publication Publication Date Title
US10945813B2 (en) Providing a simulated outcome of dental treatment on a patient
US20220015868A1 (en) Method for tracking, predicting, and proactively correcting malocclusion and related issues
US11642195B2 (en) Visual presentation of gingival line generated based on 3D tooth model
US11596499B2 (en) Dental appliance with cavity for an unerupted or erupting tooth
US10952817B1 (en) Systems and methods for determining orthodontic treatments
EP2134290B1 (en) Computer-assisted creation of a custom tooth set-up using facial analysis
US9283061B2 (en) Method and analysis system for the geometrical analysis of scan data from oral structures
JP6770573B2 (en) How to create a flexible arch model of teeth for use in restorative dentistry
KR20200046843A (en) Appratus, method and program for setting a tranparent orthodontic model using orthodontics clinical bigdata
JP7398512B2 (en) Data generation device, scanner system, data generation method, and data generation program
JP7507135B2 (en) Estimation device, estimation method, and estimation program
JP7405809B2 (en) Estimation device, estimation method, and estimation program
JP7265359B2 (en) DATA GENERATION DEVICE, SCANNER SYSTEM, DATA GENERATION METHOD, AND DATA GENERATION PROGRAM
JP7195291B2 (en) DATA PROCESSING APPARATUS, DATA PROCESSING SYSTEM, DATA PROCESSING METHOD, AND DATA PROCESSING PROGRAM

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230407

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20231127

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231205

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240129

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240312

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240507

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240611

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240617