3DCGANで設計した歯冠の形態と機械的性能

Morphology and mechanical performance of dental crown designed by 3D-DCGAN.

抄録

目的:

本研究では，歯冠設計の自動化アルゴリズムとして，真の3次元機械学習手法の一つである3D-Deep Convolutional Generative Adversarial Network (3D-DCGAN)を用いた．

OBJECTIVES: This study utilised an Artificial Intelligence (AI) method, namely 3D-Deep Convolutional Generative Adversarial Network (3D-DCGAN), which is one of the true 3D machine learning methods, as an automatic algorithm to design a dental crown.

方法:

健康な人から採取した下顎第二小臼歯とその隣接歯、拮抗歯を含む600セットのデジタルギプスを3D-DCGANを用いて機械学習した。さらに、12セットのデータをテストデータセットとして使用し、テストデータセットの天然第二小臼歯と、(1)3D-DCGAN、(2)CEREC Biogeneric、(3)CADの設計を、3次元類似性、カスプ角度、咬合接触点数と面積の形態学的パラメータ、および二ケイ酸リチウム材料を用いた有限要素（FE）によるin silico疲労シミュレーションで比較した。

METHODS: Six hundred sets of digital casts containing mandibular second premolars and their adjacent and antagonist teeth obtained from healthy personnel were machine-learned using 3D-DCGAN. Additional 12 sets of data were used as the test dataset, whereas the natural second premolars in the test dataset were compared with the designs in (1) 3D-DCGAN, (2) CEREC Biogeneric, and (3) CAD for morphological parameters of 3D similarity, cusp angle, occlusal contact point number and area, and in silico fatigue simulations with finite element (FE) using lithium disilicate material.

結果:

3D-DCGANデザインと天然歯は、他のグループと比較して形態の不一致が最も少なかった（二乗平均平方根値=0.3611）。Biogenericデザインは、3D-DCGANデザイン（49.43°）および天然歯（54.05°）と比較して、有意（p<0.05）に高いカスプ角（67.11°）を示した。咬合接触点の数および面積については，4群間で有意差は認められなかった．FE解析の結果，3D-DCGAN設計が歯冠内の応力分布に関して天然歯に最もよく適合していた．3D-DCGANは26.73MPa，天然歯は23.97MPaの応力を生理的咬合力（300N）で中心窩部に負荷した．BiogenericまたはTechnicianを用いた設計では、天然歯よりも疲労寿命がそれぞれ高くまたは低くなる。

RESULTS: The 3D-DCGAN design and natural teeth had the lowest discrepancy in morphology compared with the other groups (root mean square value = 0.3611). The Biogeneric design showed a significantly (p < 0.05) higher cusp angle (67.11°) than that of the 3D-DCGAN design (49.43°) and natural tooth (54.05°). No significant difference was observed in the number and area of occlusal contact points among the four groups. FE analysis showed that the 3D-DCGAN design had the best match to the natural tooth regarding the stress distribution in the crown. The 3D-DCGAN design was subjected to 26.73 MPa and the natural tooth was subjected to 23.97 MPa stress at the central fossa area under physiological occlusal force (300 N); the two groups showed similar fatigue lifetimes (F-N curve) under simulated cyclic loading of 100-400 N. Designs with Biogeneric or technician would yield respectively higher or lower fatigue lifetime than natural teeth.

意義:

本研究により、3D-DCGANは、天然歯の形態とバイオメカニクスの両方を模倣することができる、高精度のパーソナライズされた歯冠の設計に利用できることが実証された。

SIGNIFICANCE: This study demonstrated that 3D-DCGAN could be utilised to design personalised dental crowns with high accuracy that can mimic both the morphology and biomechanics of natural teeth.