従来の線・面から点・立体（ボクセル）を要素単位とした3Dモデルにより、3Dプリンティングの分野において、時間軸を持った3D形状や、材料の特性と形状の時間変化プログラミングによる自己変形性を考えることができる。ボクセルにもとづく新たな3Dデータ生成方法として、本年度は、深層学習（CNN:畳み込みニューラルネットワーク）技術を基盤に（1）2次元スケッチから立体形状を生成する（2）表面形状から内部構造を生成する（3）時間経過による形状の変化を生成する手法に取り組んだ。（1）では複数の形状カテゴリーの3Dモデルを同時に学習でき、任意の視点からのスケッチが入力できる学習システムを開発した。（2）では人体内部のCTスキャンデータを用い、人体表面とCTスキャンの横断面図を対応づけ、立体の表面形状から骨格を生成するシステムを開発した。（3）では、3D形状を時間軸に沿って収縮させて3Dの時系列データを取得し、その逆回しにより任意の形状から成長（時間変化）して到達する形状を生成するシステムを開発した。いずれも深層学習のための時間変化する3D形状（4D）の大量のデータベースが必要となり、また3Dプリンティングのためには、材料の開発とそれらに適合するプログラム開発が必要と考えられる。
This study investigates 3D modeling based on voxels for 3D shape in time scale or autogenous deformation in 3D printing technology combined with new materials and programming technique. Convolution Neural Network is utilized to obtain 3 types of 3D Voxel data (1) from 2 dimensional sketch by hand, (2) from 3D surface, and (3) of growing in time scale. The CNN algorithm which is adjusted to able to learn two or more categories of 3D shape at one process and to accept input sketch images from arbitral point of view is incorporated on the system (1). Regarding the system (2), the computer learns human body surface shapes from its CT scan images on the same horizontal sliced plane then the machine discriminates bone-like shape from any 3D shape. On the system (3), the computer obtains a set of 3D shapes decreased by constant volume as time series data then learns a piece of decreased shapes will grow to the original shape. Considerable amount of 3D shapes data with time scale (4D) is necessary for the deep learning system and new materials and further programming technique should be developed to realize the data to print in 3D.