BR112021000501A2 - Método de simulação - Google Patents

Método de simulação Download PDF

Info

Publication number
BR112021000501A2
BR112021000501A2 BR112021000501-3A BR112021000501A BR112021000501A2 BR 112021000501 A2 BR112021000501 A2 BR 112021000501A2 BR 112021000501 A BR112021000501 A BR 112021000501A BR 112021000501 A2 BR112021000501 A2 BR 112021000501A2
Authority
BR
Brazil
Prior art keywords
image
orthodontic appliance
dental
fact
neural network
Prior art date
Application number
BR112021000501-3A
Other languages
English (en)
Inventor
Philippe Salah
Thomas PELLISSARD
Guillaume GHYSELINCK
Laurent DEBRAUX
Original Assignee
Dental Monitoring
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 Dental Monitoring filed Critical Dental Monitoring
Publication of BR112021000501A2 publication Critical patent/BR112021000501A2/pt

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61CDENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C7/00Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
    • A61C7/002Orthodontic computer assisted systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61CDENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C13/00Dental prostheses; Making same
    • A61C13/0003Making bridge-work, inlays, implants or the like
    • A61C13/0004Computer-assisted sizing or machining of dental prostheses
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/20ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/24Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the mouth, i.e. stomatoscopes, e.g. with tongue depressors; Instruments for opening or keeping open the mouth

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

um método de simulação caracterizado pelo fato de que compreende as seguintes etapas: a) adquirir a imagem de uma arcada dentária de um paciente, chamada de imagem original; b) submeter a imagem original a uma rede neural, chamada de rede neural de modificação, treinada para modificar localmente a imagem original a fim de adquirir uma imagem modificada; c) apresentar a imagem modificada ao paciente.

Description

MÉTODO DE SIMULAÇÃO Campo Técnico
[0001] A presente invenção se refere a um método de simulação que permite uma vista odontológica hiper realística que simula a aparência de um aparelho ortodôntico quando usado para ser gerado. Estado da Técnica
[0002] A adesão de um paciente a um tratamento ortodôntico é importante para o sucesso desse tratamento. Em particular, o uso de aparelho ortodôntico modifica a aparência do paciente, possivelmente desestimulando-o a buscar o tratamento.
[0003] Existe, portanto, a necessidade de um método que permita melhorar essa adesão.
[0004] Um dos objetivos da invenção é atender, pelo menos parcialmente, a essa necessidade. Resumo da Invenção
[0005] A invenção provê um método de simulação caracterizado pelo fato de que compreende as seguintes etapas: a) adquirir uma imagem contendo uma arcada dentária de um paciente, chamada de “imagem original”; b) submeter a imagem original a uma rede neural, chamada de “rede neural de modificação”, treinada para modificar localmente a imagem original a fim de adquirir uma “imagem modificada”; c) preferencialmente, apresentar a imagem modificada ao paciente.
[0006] Como será visto com mais detalhes no restante do relatório descritivo, essa rede neural é capaz de converter a imagem original de uma maneira surpreendentemente realista. Um método de acordo com a invenção permite, portanto, uma representação de um aparelho ortodôntico a ser incorporado na imagem original, ou um aparelho ortodôntico contido na imagem original a ser modificado, ou um aparelho ortodôntico contido na imagem original a ser excluído. O paciente pode, assim, se beneficiar de uma simulação que permite medir adequadamente o impacto visual do uso do aparelho ortodôntico ou de uma troca do aparelho ortodôntico.
[0007] A adesão do paciente ao tratamento ortodôntico é reforçada com isso.
[0008] Um método de acordo com a invenção é notável pelo fato de que a rede neural é treinada para criar uma imagem modificada a partir da imagem original entregue a ela. Este método é, portanto, bastante diferente de um método em que, por exemplo, um elemento, por exemplo uma representação de um aparelho ortodôntico existente, é adicionado a uma imagem. Especificamente, para incorporar uma representação de um aparelho ortodôntico à imagem original, a rede neural cria essa representação. Essa representação, portanto, não é a reprodução de um aparelho ortodôntico atual ou de um modelo tridimensional de um aparelho ortodôntico real, mas é gerada pela rede neural de forma artificial, ao mesmo tempo que o restante da imagem.
[0009] A representação do aparelho ortodôntico é muito realista e fornece uma boa simulação para o paciente a ser obtida, conforme mostrado na figura 3B. Em particular, o treinamento da rede neural ensina como representar o aparelho ortodôntico no contexto da imagem original, com o contraste, nitidez, sombras e reflexos correspondentes. A simulação é, portanto, muito mais realista do que a simples adição, a uma imagem contendo a arcada dentária, de uma representação pré-existente de um aparelho ortodôntico.
[0010] A modificação da imagem original pela rede neural pode levar a modificações de regiões da imagem original que não a região de representação do aparelho ortodôntico. Por exemplo, uma comparação cuidadosa das figuras 3A e 3B permitirá que seja visto que os perfis dos dentes inferiores na imagem original (Fig. 3A) e na imagem modificada (Fig.
3B) são ligeiramente diferentes. Essas diferenças, que poderiam ser prejudiciais se a imagem modificada fosse usada para intervenções realizadas nos dentes (por exemplo, para orientar um dentista durante uma operação de fresamento), não o são quando a imagem modificada se destina a ser apresentada ao paciente. O desempenho das redes neurais pode até tornar substancialmente impossível detectar quaisquer diferenças além da região em que o aparelho ortodôntico foi representado, como a comparação das figuras 6A e 6B irá mostrar.
[0011] Um método de acordo com a invenção pode, além disso, compreender uma ou mais das seguintes características opcionais: - a rede neural de modificação é treinada para: - representar um dispositivo odontológico, e em particular um aparelho ortodôntico, em uma imagem de arcada dentária nua, ou seja, em uma imagem que não contém o dispositivo odontológico; - excluir a representação de um aparelho odontológico, e em particular de um aparelho ortodôntico, de uma imagem de uma arcada dentária equipada, ou seja, uma imagem contendo o dispositivo odontológico; ou - substituir a representação de um dispositivo odontológico, e em particular de um aparelho ortodôntico, numa imagem de uma arcada dentária equipada, pela representação de outro dispositivo odontológico, e em particular de outro aparelho ortodôntico, respetivamente; - o dispositivo odontológico é escolhido a partir de um aparelho ortodôntico, uma coroa, um implante, uma ponte e uma faceta; - a imagem original é uma imagem extraoral; - a imagem original é uma foto ou uma vista de um modelo tridimensional digital da referida arcada; - antes da etapa a), a referida visualização é tornada hiper realística por meio de uma rede neural de “conversão”;
- antes da aquisição da referida vista, o referido modelo é modificado; - a referida deformação consiste em: - um movimento de um modelo tridimensional de um dente e/ou - uma deformação de um modelo de dente e/ou - uma exclusão de um modelo de dente e/ou - uma deformação de um modelo de mandíbula. - antes da etapa b), a rede neural de modificação é treinada com um banco de dados de treinamento histórico que consiste em um conjunto de registros históricos, cada registro histórico compreendendo: - uma imagem histórica escolhida dentre uma foto de uma cena odontológica contendo uma arcada dentária não portando um aparelho ortodôntico, uma vista de uma cena odontológica contendo uma arcada dentária não portando um aparelho ortodôntico, uma foto de uma cena odontológica contendo uma arcada dentária portando um aparelho ortodôntico e uma vista de um modelo que representa uma arcada dentária portando um aparelho ortodôntico, e - uma descrição histórica especificando se a imagem histórica contém ou não um aparelho ortodôntico, todos os aparelhos ortodônticos contidos nas imagens históricas são do mesmo tipo. - o tipo de aparelho ortodôntico inclui aparelhos ativos de múltiplos braquetes ou retentores ou contenções ortodônticas, ou seja, por exemplo, todos os aparelhos ativos de múltiplos braquetes são considerados do mesmo tipo; - na etapa c), a imagem modificada é apresentada na tela de um telefone do paciente ou em um espelho, de preferência em realidade aumentada.
[0012] A invenção também provê um método para aumentar a adesão de um paciente a um tratamento ortodôntico, o método caracterizado pelo fato de que compreende as seguintes etapas: 1) escolher um tipo de aparelho ortodôntico, por exemplo, "aparelho ativo de múltiplos braquetes", "contenção ortodôntica" ou "restrição" e uma rede neural treinada para representar um aparelho ortodôntico desse tipo em imagens de arcadas dentárias nuas entregues para isso; 2) simular, por meio de um método de simulação de acordo com a invenção, a imagem original adquirida na etapa a) contendo uma arcada dentária nua do paciente e a rede neural de modificação sendo a rede neural escolhida na etapa 1); 3) após a etapa c), dependendo da opinião do paciente, determinar tratamento ortodôntico com um aparelho ortodôntico do tipo escolhido na etapa 1) ou recomeçar na etapa 1) com outro tipo de aparelho ortodôntico.
[0013] Na etapa 3), o paciente dá uma opinião sobre a imagem modificada apresentada a eles na etapa c). Caso estejam satisfeitos, o tratamento ortodôntico é realizado com o aparelho ortodôntico do tipo escolhido. Como o aparelho ortodôntico é aceito pelo paciente, sua adesão ao tratamento é alta.
[0014] Em caso de insatisfação, uma nova simulação é iniciada com outro tipo de aparelho ortodôntico.
[0015] Os passos b) e c) de um método de simulação de acordo com a invenção são implementados por um computador, após a imagem original ter sido carregada no computador.
[0016] A etapa 1) e, de preferência, a etapa 3) também são implementadas por um computador.
[0017] A invenção, portanto, também se refere a:
- um programa de computador que compreende instruções de código de programa para executar essas etapas b), c), 1) e preferencialmente 3), quando o referido programa é executado por um computador, - um meio de armazenamento no qual esse programa é armazenado, uma memória ou um CD-ROM, por exemplo. Definições
[0018] Um “paciente” é uma pessoa para quem um método de acordo com a invenção é implementado, independentemente de essa pessoa estar em tratamento ortodôntico ou não.
[0019] Por “profissional de assistência odontológica” entende-se qualquer pessoa qualificada para prestar assistência odontológica, em particular um ortodontista e um dentista.
[0020] Uma “situação odontológica” define um conjunto de características relacionadas a uma arcada de um paciente em um momento, por exemplo, a posição dos dentes, sua forma, a posição de um aparelho ortodôntico, etc. neste momento.
[0021] Por “modelo” entende-se um modelo digital tridimensional. Consiste em um conjunto de voxels. Um "modelo de uma arcada" é um modelo que representa pelo menos uma porção de uma arcada dentária e de preferência pelo menos 2, preferencialmente pelo menos 3 e preferencialmente pelo menos 4 dentes (Fig. 4 por exemplo).
[0022] Uma observação de um modelo, sob condições de observação definidas, em particular de um ângulo definido e de uma distância definida, é chamada de “vista”.
[0023] Uma “imagem” é uma representação bidimensional (formada de pixels) de uma cena.
[0024] Uma imagem extraoral é uma imagem tirada de um ponto de observação fora da boca, por exemplo, tirada de frente para o paciente, de preferência com um afastador.
[0025] Uma “foto” é uma imagem particular, convencionalmente uma imagem colorida, tirada com uma câmera. Por “câmera” entende-se qualquer aparelho que permita tirar uma foto, incluindo uma câmera de vídeo, um telefone celular, um tablet ou um computador. Uma vista é outro exemplo de imagem.
[0026] Um atributo de dente é um atributo cujo valor é específico para os dentes. Preferencialmente, um valor de um atributo de dente é atribuído a cada região de dente da imagem em questão ou a cada modelo de dente de um modelo de arcada dentária em questão. Em particular, um atributo de dente não está relacionado à imagem ou ao modelo em sua totalidade. Seu valor deriva das características do dente ao qual se relaciona.
[0027] Uma “cena” consiste em um conjunto de elementos que podem ser observados simultaneamente. Uma “cena odontológica” é uma cena que contém pelo menos uma parte de uma arcada dentária. Ela contém preferencialmente pelo menos 2, preferencialmente pelo menos 3 e preferencialmente pelo menos 4 dentes.
[0028] Por “foto de uma arcada”, “vista de uma arcada”, “representação de uma arcada”, “digitalização de uma arcada”, “modelo de uma arcada”, etc. o que se entende é uma foto, uma vista, uma representação, uma varredura ou um modelo, etc. de toda ou parte da referida arcada dentária.
[0029] Um “banco de dados de treinamento” é um banco de dados de registros de computador adequado para treinar uma rede neural. Cada registro convencionalmente compreende um objeto, por exemplo uma imagem, e informações sobre esse objeto, ou sua “descrição”. Uma descrição contém valores de atributos do objeto. Por exemplo, um atributo de uma imagem de uma cena odontológica pode ser usado para identificar um tipo representado de aparelho ortodôntico. O atributo é então “Tipo de aparelho ortodôntico” e o valor deste atributo é, por exemplo “aparelho ativo de múltiplos braquetes” ou “restrição”.
[0030] Uma modificação “local” de uma imagem original é uma modificação que diz respeito principalmente a apenas uma porção da imagem, o resto da imagem não sendo substancialmente modificado. Na verdade, toda a imagem original pode ser modificada, porque a imagem é regenerada. No entanto, para um observador que não está prestando atenção especial, apenas uma porção da imagem original parecerá ter sido modificada. Por exemplo, a modificação pode consistir em adicionar a representação de um aparelho ortodôntico à imagem original. Além da representação do aparelho ortodôntico, a imagem original não parecerá ter sido modificada para um observador que não a examina em detalhes.
[0031] "Dispositivo odontológico" significa qualquer dispositivo destinado a ser suportado pela arcada dentária e, em particular, um aparelho ortodôntico, uma coroa, um implante, uma ponte ou uma faceta.
[0032] No presente relatório descritivo, os qualificadores “original”, “modificado”, “histórico”, “modificação” e “conversão” são usados por uma questão de clareza.
[0033] “Compreendendo” ou “incluindo” ou “portando” deve ser interpretado como não limitativo, salvo indicação em contrário. Breve descrição das figuras
[0034] Outras características e vantagens da invenção se tornarão mais evidentes na leitura da seguinte descrição detalhada e no exame das figuras anexas, nas quais: - a figura 1 mostra, esquematicamente, as várias etapas de um método de acordo com a invenção; - as figuras 2A e 2B mostram exemplos de fotos históricas usadas para treinar a modificação da rede neural;
- figuras 3A e 3B mostram uma foto original e uma foto modificada por meio de um método de acordo com a invenção, respectivamente; - a figura 4 mostra um exemplo de um modelo de uma arcada dentária; a figura 5 mostra uma vista de um modelo de uma arcada dentária; e as figuras 6A e 6B mostram uma foto original e uma foto modificada por meio de um método de acordo com a invenção, respectivamente. Descrição detalhada
[0035] A seguinte descrição detalhada é a de uma modalidade preferida, ilustrada na figura 1, mas não é limitativa.
[0036] Na etapa a), a imagem original é preferencialmente uma imagem extraoral, por exemplo tirada de frente para o paciente, preferencialmente com um afastador dentário.
[0037] A imagem original pode ser uma foto “original” (figura 3).
[0038] A foto original é adquirida com uma câmera, preferencialmente escolhida entre um telefone celular, uma assim chamada câmera “conectada”, um assim chamado “smartwatch”, um tablet ou um computador pessoal, desktop ou portátil, compreendendo um sistema de aquisição fotos. Preferencialmente, a câmera é um telefone celular.
[0039] Mais preferencialmente, durante a aquisição da foto original, a câmera é separada da arcada dentária em mais de 5 cm, mais de 8 cm, ou mesmo mais de 10 cm, evitando assim a condensação de vapor d'água nas lentes da câmera e facilitando o foco. Além disso, preferencialmente, a câmera, em particular o telefone móvel, não é fornecida com nenhuma ótica específica para a aquisição das fotos originais, isso sendo especialmente possível devido à separação da arcada dentária durante a aquisição.
[0040] Preferencialmente, uma foto original é uma foto colorida e preferencialmente uma foto em cores reais.
[0041] Preferencialmente, a foto original é adquirida pelo paciente, preferencialmente sem o uso de suporte para imobilizar a câmera e especialmente sem tripé.
[0042] A imagem original pode ser alternativamente uma vista, denominada “vista original” (figura 5), de um modelo tridimensional da arcada, denominado “modelo original”.
[0043] O modelo original pode ser elaborado a partir de medidas feitas nos dentes do paciente ou em um molde de seus dentes, um molde de gesso por exemplo. É preferencialmente criado com um scanner 3D. O modelo original é então vantajosamente muito preciso.
[0044] Em uma modalidade, o modelo original é teórico, ou seja, não corresponde a uma situação real. Em particular, o modelo original pode ser criado pela montagem de um conjunto de modelos de dentes escolhidos em uma biblioteca digital. A disposição dos modelos de dentes é definida de modo que o modelo original seja realista, ou seja, que corresponda a uma situação que poderia ser encontrada com um paciente. Em particular, os modelos de dentes são dispostos em arco, dependendo de sua natureza, e orientados de forma realista. A utilização de um modelo original teórico permite vantajosamente a simulação de arcadas dentárias sem a necessidade de realizar medições precisas no paciente.
[0045] A vista do modelo original usado como a imagem original pode ser adquirida após o modelo original ter sido deformado. A deformação permite assim a simulação de situações dentárias hipotéticas.
[0046] Preferencialmente, o modelo original é dividido em modelos elementares, cada modelo elementar representando em 3D um elemento da cena modelado pelo modelo original. Em particular, é possível definir, com base no modelo original, modelos elementares para cada dente e/ou a língua e/ou a boca e/ou os lábios e/ou as mandíbulas e/ou a gengiva.
[0047] O modelo original assim dividido pode então ser deformado, por exemplo, por modelos de dente em movimento, para simular o efeito de um tratamento ortodôntico ou o progresso de uma recidiva ou um tratamento estético.
[0048] A deformação do modelo original pode, em particular, consistir em - um movimento de um modelo de dente, por exemplo, para simular dois dentes se separando ou dois dentes se aproximando, - uma deformação de um modelo de dente, por exemplo, para simular bruxismo, uma exclusão de um modelo de dente e/ou - uma deformação de um modelo de mandíbula.
[0049] Usar a visualização de um modelo original, opcionalmente deformado, como a imagem original, diminui o realismo da imagem modificada.
[0050] De preferência, a vista original é tornada hiper realística antes da etapa b), de preferência realizando as seguintes etapas: i) criar um banco de dados de treinamento de "conversão" consistindo em mais de 1000 registros de "conversão", cada registro de conversão compreendendo: - uma foto de “conversão” contendo uma cena odontológica, e - uma vista de um modelo de "conversão" tridimensional digital que modela a referida cena, ou "vista de conversão", a vista de conversão contendo a referida cena assim como a foto de conversão; ii) treinar pelo menos uma rede neural de “conversão”, por meio do banco de dados de treinamento de conversão; iii) submeter a vista original à referida pelo menos uma rede neural de conversão treinada, de modo que torne a vista original hiper realística.
[0051] A rede neural de conversão pode ser escolhida especialmente a partir da lista abaixo.
[0052] As técnicas de conversão de imagem são, além disso, descritas no artigo de Zhu, Jun-Yan, et al. "Unpaired image-to-image translation using cycle-consistent adversarial networks."
[0053] Testes mostraram que a vista original tornada hiper realística fornece substancialmente as mesmas informações que as fotos, sem a necessidade de tirar fotos. Especificamente, é muito difícil perceber que a visão original hiper realista não é uma foto. Uma imagem hiper realística pode, portanto, também ser qualificada de “foto realística”.
[0054] Na etapa b), a imagem original resultante da etapa a) é submetida a uma rede neural treinada para representar o aparelho ortodôntico em imagens, ou à “rede neural de modificação”.
[0055] Uma "rede neural" ou "rede neural artificial" é um conjunto de algoritmos bem conhecido por um versado na técnica. Uma rede neural pode, particularmente, ser escolhida a partir de: - redes especializadas em classificação de imagens (chamadas de redes neurais convolucionais (CNNs)), por exemplo - AlexNet (2012) - ZF Net (2013) - VGG Net (2014) - GoogleNet (2015) - Microsoft ResNet (2015) - Caffe: BAIR Reference CaffeNet, BAIR AlexNet - Torch:VGG_CNN_S,VGG_CNN_M,VGG_CNN_M_2048,VGG_CNN_ M_1024,VGG_CNN_M_128,VGG_CNN_F,VGG ILSVRC-2014 16- layer,VGG ILSVRC-2014 19-layer,Network-in-Network (Imagenet & CIFAR-10) - Google : Inception (V3, V4).
redes especializadas em localização e detecção de objetos em uma imagem (redes de detecção de objetos), por exemplo: - R-CNN (2013) SSD (Single Shot Multibox Detector: rede de detecção de objetos), R-CNN mais rápido (rede neural convolucional baseada em região mais rápida: rede de detecção de objetos) - faster R-CNN (2015) - SSD (2015).
[0056] A lista anterior não é exaustiva.
[0057] Para ser utilizável, uma rede neural deve ser treinada por um método de treinamento denominado aprendizagem profunda. Esse método é bem conhecido.
[0058] A rede neural de modificação pode, em particular, ser treinada usando um banco de dados de treinamento histórico que consiste em um conjunto de registros históricos, cada registro histórico compreendendo: - uma imagem histórica escolhida dentre uma foto de uma cena odontológica contendo uma arcada dentária não portando um aparelho ortodôntico (FIG. 2A por exemplo), uma vista de uma cena odontológica contendo uma arcada dentária não portando um aparelho ortodôntico, uma foto de uma cena odontológica contendo uma arcada dentária portando um aparelho ortodôntico (FIG. 2B por exemplo) e uma vista de um modelo que representa uma arcada dentária com um aparelho ortodôntico, e - uma descrição histórica especificando se a imagem histórica contém ou não um aparelho ortodôntico e/ou identificando, nesta imagem, a representação do aparelho ortodôntico.
[0059] Uma imagem histórica consistindo em uma foto ou em uma vista pode ser adquirida conforme descrito acima em relação à aquisição das fotos originais e das vistas originais.
[0060] Convencionalmente, as descrições são geradas por um operador que observa a imagem histórica e completa a descrição em conformidade, por meio de um computador. Esta operação é chamada de rotulagem.
[0061] À medida que os registros históricos são apresentados como entrada para a rede neural, esta vai aprendendo gradativamente a diferença entre uma imagem que contém um aparelho ortodôntico e uma imagem que não contém um aparelho ortodôntico. Assim, torna-se capaz, dependendo da imagem original que lhe é apresentada, de gerar uma imagem modificada para conter um aparelho ortodôntico.
[0062] A rede neural, portanto, não posiciona uma vista de um modelo 3D de um aparelho ortodôntico ou uma imagem pré-existente de um aparelho ortodôntico na imagem original.
[0063] A rede regenera, apenas com base na imagem original, uma imagem completa que incorpora um aparelho ortodôntico (criado a partir da imagem original).
[0064] O treinamento da rede neural de modificação também permite que ela aprenda a representar um aparelho ortodôntico em seu contexto e, em particular, sob as condições de iluminação e/ou nitidez da imagem original. A incorporação do aparelho ortodôntico é, portanto, particularmente realista (figura 3B).
[0065] A qualidade do treinamento da rede neural de modificação depende diretamente do número de registros históricos no banco de dados de treinamento. Convencionalmente, o banco de dados de histórico de treinamento contém, de preferência, mais de 10.000 registros.
[0066] O banco de dados de treinamento histórico contém preferencialmente mais de 5.000, preferencialmente mais de 10.000, preferencialmente mais de 30.000, preferencialmente mais de 50.000 e preferencialmente mais de 100.000 registros históricos.
[0067] A qualidade do treinamento da rede neural de modificação também pode ser melhorada se, quando a imagem original for uma foto ou uma visualização, o banco de dados de treinamento histórico contiver apenas fotos ou apenas visualizações, respectivamente.
[0068] A qualidade do treinamento da rede neural de modificação pode finalmente ser melhorada se o banco de dados de treinamento histórico for especializado para um tipo de aparelho ortodôntico. Em uma modalidade preferencial, a rede neural é treinada com um banco de dados de treinamento histórico no qual as imagens históricas que contêm um aparelho ortodôntico contêm apenas aparelhos ortodônticos de um tipo predefinido.
[0069] A rede neural de modificação será assim capaz de gerar efetivamente uma imagem modificada para conter um aparelho ortodôntico deste tipo.
[0070] Em uma modalidade, um operador escolhe um tipo de aparelho ortodôntico a ser representado e um computador especializa o banco de dados de treinamento em conformidade, por exemplo, para reter apenas registros históricos cujas imagens históricas não contêm um aparelho ortodôntico ou que contêm um aparelho ortodôntico do tipo selecionado.
[0071] Na etapa c), a imagem modificada é apresentada ao paciente, de preferência na tela do computador ou em realidade aumentada, por exemplo, na tela de um telefone ou em um espelho no qual o paciente se olha.
[0072] O paciente pode, assim, observar a aparência que terá ao usar o aparelho ortodôntico e, portanto, aceitar mais facilmente o tratamento correspondente. Simulação de uma situação odontológica atual
[0073] Em uma modalidade, o paciente tira a foto original, por exemplo, com seu telefone celular, e um computador, integrado ao telefone celular ou com o qual o telefone móvel é capaz de se comunicar, implementa o método. A imagem modificada é apresentada na tela do celular.
[0074] O paciente pode assim, sem sequer ter que se deslocar, solicitar com muita facilidade uma simulação da sua situação odontológica a partir de uma ou preferencialmente mais de uma fotografia dos seus dentes. Simulação de uma situação dentária passada ou futura
[0075] Um método de acordo com a invenção também pode ser implementado para gerar uma imagem modificada que representa uma situação odontológica simulada a partir de um modelo digital tridimensional de uma arcada dentária. Em particular, a situação odontológica pode ser simulada em um momento de simulação passado ou futuro, seja no contexto de um tratamento terapêutico ou não.
[0076] De preferência, na etapa a), uma vista original hiper realística é adquirida realizando as seguintes etapas: a1) em um momento atual, gerar um modelo original de uma arcada dentária do paciente; a2) deformar o modelo original para simular o efeito do tempo entre a hora atual e um tempo de simulação anterior ou posterior à hora atual, por exemplo, por mais de 1 semana, 1 mês ou 6 meses; a3) adquirir uma vista original do modelo original deformado na etapa anterior; a4) converter a visão original adquirida na etapa anterior em uma visão original hiper realística, de preferência realizando as etapas i) a iii).
[0077] A imagem modificada, portanto, assume a forma de uma foto que parece ter sido tirada no momento da simulação e que contém o aparelho ortodôntico. Pode ser apresentado ao paciente com o objetivo de mostrar-lhe, por exemplo, sua situação odontológica futura ou passada, e assim motivá-lo a buscar um tratamento ortodôntico.
[0078] Em uma modalidade, na etapa a2), o modelo original é deformado para simular o efeito do tempo no caso de má observância, ou seja, se o paciente não cumprir as prescrições médicas.
[0079] Obviamente, a invenção não está limitada às modalidades descritas acima e mostradas.
[0080] Em particular, o paciente não se limita a um ser humano. Um método de acordo com a invenção pode ser usado em outro animal.
[0081] Uma base de dados de treinamento não é necessariamente composta por registros de “pares”. Em particular, o artigo de Zhu, Jun-Yan, et al. “Unpaired image-to-image translation using cycle- consistent adversarial networks” descreve outros possíveis bancos de dados de treinamento.
[0082] Além disso, o método não se limita a um método para adicionar a representação de um aparelho ortodôntico a uma imagem, mas também pode ser usado para qualquer modificação da representação de uma arcada dentária e, em particular, para excluir a representação de um aparelho ortodôntico em uma imagem de uma arcada dentária portando um aparelho ortodôntico ou em substituição à representação de um aparelho ortodôntico em uma imagem de uma arcada dentária equipada com um aparelho ortodôntico com a representação de outro aparelho ortodôntico. O treinamento é adaptado de acordo. Esta adaptação não é particularmente difícil.
[0083] Por último, o método não se limita a um método para adicionar, excluir ou modificar uma representação de um aparelho ortodôntico para ou em uma imagem original. Ele se estende à representação de qualquer outro dispositivo odontológico.

Claims (13)

REIVINDICAÇÕES
1. Um método de simulação caracterizado pelo fato de que compreende as seguintes etapas: a) adquirir a imagem de uma arcada dentária de um paciente, chamada de “imagem original”; b) submeter a imagem original a uma rede neural, chamada de “rede neural de modificação”, treinada para modificar localmente a imagem original a fim de adquirir uma “imagem modificada”; c) apresentar a imagem modificada ao paciente.
2. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que a rede neural de modificação é treinada para: - representar um dispositivo odontológico em uma imagem de uma arcada dentária que não porta o dispositivo odontológico; - excluir a representação de um dispositivo odontológico de uma imagem de uma arcada dentária portando o dispositivo odontológico; ou - substituir a representação de um dispositivo odontológico em uma imagem de uma arcada dentária portando o dispositivo dentário, pela representação de outro dispositivo dentário.
3. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que o dispositivo dentário é escolhido a partir de um aparelho ortodôntico, uma coroa, um implante, uma ponte e uma faceta.
4. Método, de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de que a imagem original é uma imagem -extraoral.
5. Método, de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de que a imagem original é uma foto ou uma vista de um modelo tridimensional digital da referida arcada.
6. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que, antes da etapa a), a referida vista é tornada hiperrealística por meio de uma rede neural de "conversão".
7. Método, de acordo com qualquer uma das reivindicações 5 ou 6, caracterizado pelo fato de que, antes da aquisição da referida vista, o referido modelo é modificado.
8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que a referida deformação consiste em: - um movimento de um modelo tridimensional de um dente e/ou - uma deformação de um modelo de dente e/ou - uma exclusão de um modelo de dente e/ou - uma deformação de um modelo de mandíbula.
9. Método, de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de que, antes da etapa b), a rede neural de modificação é treinada com um banco de dados de treinamento histórico que consiste em um conjunto de registros históricos, para representar um aparelho ortodôntico em uma imagem de arcada dentária nua, cada registro histórico compreendendo: - uma imagem histórica escolhida dentre uma foto de uma cena odontológica contendo uma arcada dentária não portando um aparelho ortodôntico, uma vista de uma cena odontológica contendo uma arcada dentária não portando um aparelho ortodôntico, uma foto de uma cena odontológica contendo uma arcada dentária portando um aparelho ortodôntico e uma vista de um modelo que representa uma arcada dentária com um aparelho ortodôntico, e - uma descrição histórica especificando se a imagem histórica contém ou não um aparelho ortodôntico, todos os aparelhos ortodônticos contidos nas imagens históricas são do mesmo tipo.
10. Método, de acordo com a reivindicação 9, caracterizado pelo fato de que o tipo de aparelho ortodôntico inclui aparelhos ativos de múltiplos braquetes ou retentores ou contenções ortodônticas.
11. Método, de acordo com qualquer uma das reivindicações 9 ou 10, caracterizado pelo fato de que, antes da etapa b), um operador escolhe um tipo de aparelho ortodôntico a ser representado e um computador especializa o banco de dados de treinamento em conformidade, por exemplo, de modo a reter apenas o registro histórico cujas imagens históricas que não contenham um aparelho ortodôntico ou que contenham um aparelho ortodôntico do tipo selecionado.
12. Método de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de que, na etapa c), a imagem modificada é apresentada na tela de um telefone do paciente ou em um espelho, de preferência em realidade aumentada.
13. Método para aumentar a adesão de um paciente a um tratamento ortodôntico, o método caracterizado pelo fato de que compreende as seguintes etapas: 1) escolher um tipo de aparelho ortodôntico e uma rede neural treinada para representar um aparelho ortodôntico desse tipo em imagens de arcada dentária nua entregues a ele; 2) simular, por meio de um método de simulação como reivindicado em qualquer uma das reivindicações 1 a 12, a imagem original adquirida na etapa a) contendo uma arcada dentária nua do paciente e a rede neural de modificação sendo a rede neural escolhida na etapa 1); 3) após a etapa c), dependendo da opinião do paciente, determinar tratamento ortodôntico com um aparelho ortodôntico do tipo escolhido na etapa 1) ou recomeçar na etapa 1) com outro tipo de aparelho ortodôntico.
BR112021000501-3A 2018-07-13 2019-07-10 Método de simulação BR112021000501A2 (pt)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR1856498A FR3083898B1 (fr) 2018-07-13 2018-07-13 Procede de simulation d'une situation dentaire
FR1856498 2018-07-13
PCT/EP2019/068558 WO2020011864A1 (fr) 2018-07-13 2019-07-10 Procede de simulation d'une situation dentaire

Publications (1)

Publication Number Publication Date
BR112021000501A2 true BR112021000501A2 (pt) 2021-04-06

Family

ID=63684121

Family Applications (1)

Application Number Title Priority Date Filing Date
BR112021000501-3A BR112021000501A2 (pt) 2018-07-13 2019-07-10 Método de simulação

Country Status (6)

Country Link
US (1) US20210267716A1 (pt)
EP (1) EP3821394A1 (pt)
CN (1) CN112424820A (pt)
BR (1) BR112021000501A2 (pt)
FR (1) FR3083898B1 (pt)
WO (1) WO2020011864A1 (pt)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111265317B (zh) * 2020-02-10 2022-06-17 上海牙典医疗器械有限公司 一种牙齿正畸过程预测方法
GB2611627A (en) 2020-02-26 2023-04-12 Get Grin Inc Systems and methods for remote dental monitoring
CN111180075B (zh) * 2020-03-02 2023-10-20 浙江大学 基于心脏杂音建立的动力学模型和计算机模拟仿真的方法
USD962437S1 (en) 2020-05-14 2022-08-30 Get-Grin Inc. Dental scope

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200405447A1 (en) * 2013-09-19 2020-12-31 Dental Monitoring Method for monitoring the position of teeth
US20170169492A1 (en) * 2015-12-15 2017-06-15 Silvio Reggiardo, III Method and Structure for 3D Model Creation, Analysis, and Product Fit
GB201617507D0 (en) * 2016-10-14 2016-11-30 Axial3D Limited Axial3D UK
US10660728B2 (en) * 2016-10-20 2020-05-26 Baliram Maraj Systems and methods for dental treatment utilizing mixed reality and deep learning
US10695150B2 (en) * 2016-12-16 2020-06-30 Align Technology, Inc. Augmented reality enhancements for intraoral scanning
FR3069359B1 (fr) * 2017-07-21 2019-08-23 Dental Monitoring Procede d'analyse d'une image d'une arcade dentaire

Also Published As

Publication number Publication date
FR3083898A1 (fr) 2020-01-17
WO2020011864A1 (fr) 2020-01-16
CN112424820A (zh) 2021-02-26
US20210267716A1 (en) 2021-09-02
FR3083898B1 (fr) 2020-10-09
EP3821394A1 (fr) 2021-05-19

Similar Documents

Publication Publication Date Title
BR112021000501A2 (pt) Método de simulação
KR102434916B1 (ko) 구강 내 이미지의 선택 및 잠금
ES2941344T3 (es) Procedimiento y sistema de modelización de la cinemática mandibular de un paciente
Revilla-León et al. Artificial intelligence models for tooth-supported fixed and removable prosthodontics: A systematic review
US8199988B2 (en) Method and apparatus for combining 3D dental scans with other 3D data sets
CN104869940B (zh) 多个咬合配置
Bhambhani et al. Digitization and its futuristic approach in prosthodontics
JP6596514B2 (ja) 咬合用歯科模型のx線走査のための方法及び装置
BR102016014195B1 (pt) método de gerar um desenho para um produto de restauração dental, sistema de desenho auxiliado por computador e sistema operável para gerar um desenho para um produto de restauração dental
ES2808210T3 (es) Mapa de arcada dental dinámico
Rangel et al. Integration of digital dental casts in cone‐beam computed tomography scans
Liu et al. Reliability of a three-dimensional facial camera for dental and medical applications: A pilot study
ES2848027T3 (es) Alineación de modelo dental utilizando fotografía en 2D
CN113483695A (zh) 三维扫描系统、辅助件、处理方法、装置、设备及介质
KR102346199B1 (ko) 파노라믹 영상 생성 방법 및 이를 위한 영상 처리장치
US20220378548A1 (en) Method for generating a dental image
Hernández-Vázquez et al. High‐Biofidelity Biomodel Generated from Three‐Dimensional Imaging (Cone‐Beam Computed Tomography): A Methodological Proposal
BR112021000528A2 (pt) Método para analisar uma foto de uma arcada dentária
Sakr et al. Digitized dentistry: Technology that peaked up the professionality of dental practitioners
RU2738009C1 (ru) Способ создания трехмерной базовой модели зубочелюстного аппарата
Tomaka et al. Digital dental models and 3D patient photographs registration for orthodontic documentation and diagnostic purposes
Sahoo et al. Advances in Cephalometry in Relation to the Shift in Soft Tissue Paradigm for Orthodontic Treatment Planning.
Mah The genesis and development of CBCT for dentistry
Park et al. [Retracted] Intra‐and Interrater Agreement of Face Esthetic Analysis in 3D Face Images
EP4328861A2 (en) Jaw movements data generation apparatus, data generation method, and data generation program