CN111105458A - 口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 - Google Patents
口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111105458A CN111105458A CN201811251095.9A CN201811251095A CN111105458A CN 111105458 A CN111105458 A CN 111105458A CN 201811251095 A CN201811251095 A CN 201811251095A CN 111105458 A CN111105458 A CN 111105458A
- Authority
- CN
- China
- Prior art keywords
- implant
- target
- initial
- pose
- model
- 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.)
- Pending
Links
- 239000007943 implant Substances 0.000 title claims abstract description 853
- 238000000034 method Methods 0.000 title claims abstract description 130
- 238000013334 tissue model Methods 0.000 claims abstract description 129
- 210000001519 tissue Anatomy 0.000 claims description 238
- 210000000515 tooth Anatomy 0.000 claims description 209
- 238000012549 training Methods 0.000 claims description 65
- 210000000988 bone and bone Anatomy 0.000 claims description 37
- 238000013135 deep learning Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 22
- 210000005036 nerve Anatomy 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 16
- 210000001847 jaw Anatomy 0.000 claims description 15
- 210000002455 dental arch Anatomy 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 11
- 210000000214 mouth Anatomy 0.000 claims description 10
- 210000001214 frontal sinus Anatomy 0.000 claims description 7
- 238000002513 implantation Methods 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 description 23
- 210000004283 incisor Anatomy 0.000 description 21
- 210000004873 upper jaw Anatomy 0.000 description 20
- 210000004874 lower jaw Anatomy 0.000 description 16
- 230000000694 effects Effects 0.000 description 13
- 210000003464 cuspid Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000004086 maxillary sinus Anatomy 0.000 description 4
- 239000004053 dental implant Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007408 cone-beam computed tomography Methods 0.000 description 2
- 208000002925 dental caries Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010044048 Tooth missing Diseases 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004228 maxillary nerve Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C8/00—Means to be fixed to the jaw-bone for consolidating natural teeth or for fixing dental prostheses thereon; Dental implants; Implanting tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
- Dental Prosthetics (AREA)
Abstract
本申请涉及一种口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质。该方法包括：采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。采用本方法能够避免传统技术中通过手动方式定位种植体导致的反复调整种植体以及种植体的位置，进而导致的定位效率低和定位准确度低的问题，其能够依据口腔组织模型中的组织分布，直接确定出符合种植要求的目标种植体和目标种植体的位姿，因此极大的提高了种植体的定位效率，以及极大的提高了种植体的定位准确度。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质。
背景技术
随着科学技术的快速发展和人们生活水平的提高，人们对于牙齿修复的要求也越来越高。而种植牙作为一种牙齿修复的手段越来越受到广大用户的欢迎。
在种植牙技术中，种植手术之前需要首先确定种植体的位置，然后根据确定的种植体的位置进行手术。其中，种植体的位置是否合理极大的影响了种植牙的后期效果。传统的数字化口腔种植中，通常由医生或3D数字化设计中心专业设计师在手术前根据其自身经验，采用手动的方式在人体的口腔模型上确定种植体的位置，然后根据经验进行反复调整直至符合要求。
然而传统的采用手动的方式定位种植体的方法，其定位效率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高种植体定位效率的的口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质。
第一方面，本申请实施例提供一种口腔种植体定位方法，所述方法包括：
采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；
根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
在其中一个实施例中，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿，包括：
获取所述口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置；
根据待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿；所述定位规则用于表征所述目标种植体在所述口腔组织模型中进行定位的约束条件。
在其中一个实施例中，所述获取所述口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置，包括：
接收用户基于所述口腔组织模型输入的所述待种植牙齿的数量和所述待种植牙齿的功能位置；或者，
根据所述口腔组织模型中的组织分布，确定所述待种植牙齿的数量和所述待种植牙齿的功能位置。
在其中一个实施例中，若所述待种植牙齿的数量为单颗，所述根据所述待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿，包括：
根据待种植牙齿的功能位置，确定第一种植体；
根据所述口腔组织模型，确定所述第一种植体的中轴线的初始位姿；
根据所述第一种植体的中轴线的初始位姿和预设的初始埋入深度，确定所述第一种植体的第一位姿；
根据预设的安全规则和所述第一种植体的第一位姿，确定所述目标种植体和所述目标种植体的目标位姿；所述安全规则用于判断种植体是否符合种植要求。
在其中一个实施例中，所述根据所述口腔组织模型，确定所述第一种植体的中轴线的初始位姿，包括：
根据所述口腔组织模型的平均牙弓面或待种植牙齿两侧的邻牙中轴线，确定所述第一种植体的中轴线的初始位姿；或者，
通过镜像方式，根据所述待种植牙齿的对牙中轴线，确定所述第一种植体的中轴线的初始位姿；或者，
获取所述目标种植体对应的目标牙冠和所述目标牙冠的位置；并根据所述目标牙冠和所述目标牙冠的位置，确定所述第一种植体的中轴线的初始位姿。
在其中一个实施例中，所述根据预设的安全规则和所述第一种植体的位姿，确定所述目标种植体和所述目标种植体的目标位姿，包括：
判断所述第一种植体的所述第一位姿是否满足所述安全规则；
若是，则将所述第一种植体确定为所述目标种植体，并将所述第一位姿确定为所述目标种植体的目标位姿；
若否，则根据预设的调整规则调整所述第一位姿和/或所述第一种植体，以确定所述目标种植体和所述目标种植体的目标位姿。
在其中一个实施例中，所述判断所述第一种植体的所述第一位姿是否满足所述安全规则，包括：
根据所述第一种植体的安全信息，判断所述第一种植体的所述第一位姿是否满足所述安全规则；所述安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与上额窦的距离、种植体与神经的距离、种植体与神经孔的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线是否穿过牙冠表面的中心区域中的至少一种。
在其中一个实施例中，所述获取所述目标种植体对应的目标牙冠和所述目标牙冠的位置，包括：
获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置；
根据所述目标种植体对应的初始牙冠、所述初始牙冠的初始位置和所述口腔组织模型确定牙冠调整信息；所述牙冠调整信息包括需要调整的长度、宽度、高度和位置；
根据所述牙冠调整信息调整所述初始牙冠和所述初始牙冠的初始位置，得到所述目标种植体对应的目标牙冠和所述目标牙冠的位置。
在其中一个实施例中，所述获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置，包括：
采用镜像的方式获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置；
或者，
根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠；并根据所述目标牙冠的对牙的位置，采用镜像的方式，确定所述目标种植体对应的初始牙冠的初始位置；
或者，
根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠；并根据所述口腔组织模型的牙弓线，确定所述目标种植体对应的初始牙冠的初始位置。
在其中一个实施例中，所述根据预设的调整规则调整所述第一位姿和/或所述第一种植体，以确定所述目标种植体和所述目标种植体的目标位姿，包括：
根据预设的调整规则调整所述第一位姿和/或所述第一种植体，确定多个第二位姿和对应的多个第二种植体；
获取每个所述第二位姿和所述第二种植体对应的安全信息；所述安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与神经的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种；
确定安全信息等级最高的第二位姿为所述目标位姿，确定安全信息等级最高对应的第二种植体为所述目标种植体。
在其中一个实施例中，若所述待种植牙齿的数量为多颗，所述根据所述待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿，包括：
根据所述待种植牙齿的牙根间距、预设的牙根间距阈值以及待种植牙齿的数量，确定所述目标种植体的数量；
根据每个待种植牙齿的功能位置和所述预设的定位规则，获取每个所述待种植牙齿对应的第三种植体和所述第三种植体的第三位姿；
根据所述目标种植体的数量、各所述第三种植体以及所述第三种植体的第三位姿，确定所述目标种植体和所述目标种植体的目标位姿。
在其中一个实施例中，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿，包括：
接收用户基于所述口腔组织模型所输入的初始种植体和所述初始种植体的初始位姿；
判断所述初始种植体和所述初始种植体的初始位姿，是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求；
若是，则将所述初始种植体确定为所述目标种植体，并将所述初始位姿确定为所述初始种植体的目标位姿；
若否，则输出提示信息。
在其中一个实施例中，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿，包括：
根据所述口腔组织模型中的组织分布，采用预设的定位模型，确定所述目标种植体和所述目标种植体的目标位姿；其中，所述定位模型是对所述口腔数字医疗影像进行深度学习训练得到的模型。
在其中一个实施例中，根据所述口腔组织模型中的组织分布，采用预设的定位模型，确定所述目标种植体和所述目标种植体的目标位姿之前，包括：
将口腔数字医疗训练图像输入初始定位模型，采用深度学习的算法，确定所述初始定位模型中的模型参数的实际值；其中，所述初始组织识别模型包括模型参数的初始值；
将所述模型参数的初始值替换为所述模型参数的实际值，得到所述定位模型。
在其中一个实施例中，所述口腔数字医疗训练图像包括对种植体和种植体的位姿进行标定的训练图像；所述模型参数包括种植体定位参数。
在其中一个实施例中，所述口腔数字医疗训练图像包括对种植体、种植体的位姿和组织进行标定的训练图像；所述模型参数包括种植体定位参数和组织分割参数。
在其中一个实施例中，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿之后，包括：
判断所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求；
若否，则调整所述定位模型的模型参数。
在其中一个实施例中，所述采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型之前，包括：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值；
将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
在其中一个实施例中，所述方法还包括：
接收用户输入的种植体调整信息；所述种植体调整信息包括调整种植体的数量、位姿、规格、型号、厂家和材料中的至少一种；
根据所述种植体调整信息调整所述目标种植体和所述目标种植体的目标位姿。
在其中一个实施例中，所述方法还包括：判断调整后的所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求。
在其中一个实施例中，所述方法还包括：输出提示信息。
第二方面，本申请实施例提供一种口腔组织识别模型建立方法，所述方法包括：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值；
将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
第三方面，本申请实施例提供一种口腔种植体定位装置，所述装置包括：第一获取模块和第一处理模块；
所述第一获取模块，用于采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；
所述第一处理模块，用于根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
第四方面，本申请实施例提供一种口腔组织识别模型的建立装置，所述装置包括：第六处理模块和第七处理模块；
所述第六处理模块，用于将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织分割参数的实际值；其中，所述初始组织识别模型包括组织分割参数的初始值；
所述第七处理模块，用于将所述组织分割参数的初始值替换为所述组织分割参数的实际值，得到所述组织识别模型。
第五方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；
根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
第六方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值；
将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
第七方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；
根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
第八方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值；
将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
上述口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质，通过计算机设备采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；并根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。其避免了传统技术中通过手动方式定位种植体导致的反复调整种植体以及种植体的位置，进而导致的定位效率低和定位准确度低的问题，上述方法能够依据口腔组织模型中的组织分布，直接确定出符合种植要求的目标种植体和目标种植体的位姿，因此极大的提高了种植体的定位效率，以及极大的提高了种植体的定位准确度。
附图说明
图1为一个实施例提供的计算机设备的内部结构图；
图2为一个实施例提供的口腔种植体定位方法的流程示意图；
图3为另一个实施例提供的口腔种植体定位方法的流程示意图；
图3a为一个实施例中牙齿的功能位置示意图；
图4为又一个实施例提供的口腔种植体定位方法的流程示意图；
图4a为一个实施例中种植体及其中轴线的示意图；
图4b为一个实施例中平均牙弓面的示意图；
图5为又一个实施例提供的口腔种植体定位方法的流程示意图；
图5a为一个实施例中牙弓线的示意图；
图6为又一个实施例提供的口腔种植体定位方法的流程示意图；
图7为又一个实施例提供的口腔种植体定位方法的流程示意图；
图8为又一个实施例提供的口腔种植体定位方法的流程示意图；
图9为又一个实施例提供的口腔种植体定位方法的流程示意图；
图10为又一个实施例提供的口腔种植体定位方法的流程示意图；
图11为又一个实施例提供的口腔种植体定位方法的流程示意图；
图12为又一个实施例提供的口腔种植体定位方法的流程示意图；
图13为又一个实施例提供的口腔种植体定位方法的流程示意图；
图14为一个实施例提供的口腔组织识别模型建立方法的流程示意图；
图15为一个实施例提供的口腔种植体定位装置的结构示意图；
图16为另一个实施例提供的口腔种植体定位装置的结构示意图；
图17为又一个实施例提供的口腔种植体定位装置的结构示意图；
图18为又一个实施例提供的口腔种植体定位装置的结构示意图；
图19为又一个实施例提供的口腔种植体定位装置的结构示意图；
图20为一个实施例提供的口腔组织识别模型建立装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的数据同步方法，可以适用于图1所示的计算机设备，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储下述实施例中的所涉及的口腔组织模型，可选地，还可以存储预设的定位规则、安全规则、调整规则和定位模型的相关信息，有关口腔组织模型、定位规则、安全规则、调整规则和定位模型的描述可以参照下述方法实施例的内容。该计算机设备的网络接口可以用于与外部的其他设备通过网络连接通信。可选的，该计算机设备可以是服务器，可以是PC，可以是个人数字助理，还可以是其他的终端设备，例如PAD、手机等等，还可以是云端或者远程服务器，本申请实施例对计算机设备的具体形式并不做限定。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。当然，输入装置和显示屏也可以不属于计算机设备的一部分，可以是计算机设备的外接设备。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
随着科学技术的快速发展和人们生活水平的提高，人们对于牙齿修复的要求也越来越高。种植牙作为一种牙齿修复的手段受到广大用户的欢迎。通常，在进行牙齿种植时，由医生或者3D数字化设计中心专业设计师根据其自身经验，采用手动的方式在人体的口腔模型上确定种植体的位置，然后根据经验进行反复调整直至符合要求，其定位效率低。
本申请实施例所采用的口腔种植体定位方法、口腔组织识别模型的建立、装置、计算机设备和可读存储介质，通过计算机设备实现定位种植体，从而提高了种植体定位的效率。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
需要说明的是，下述方法实施例的执行主体可以是口腔种植体定位装置或口腔组织识别模型的建立装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为上述计算机设备的部分或者全部。下述方法实施例以执行主体为计算机设备为例进行说明。
图2为一个实施例提供的口腔种植体定位方法的流程示意图。本实施例涉及的是计算机设备根据口腔组织模型确定目标种植体和目标种植体的目标位姿的具体过程。如图2所示，该方法包括：
S101、采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型。
具体的，计算机设备将获取的口腔数字医疗影像输入至预设的组织识别模型，该组织识别模型对这些口腔数字医疗影像进行处理，从而建立与这些口腔数字医疗影像对应的口腔组织模型。其中，该口腔组织模型中可以区分其牙齿、骨头、神经和上颚窦等组织分布，并且该口腔组织模型可以是三维模型，其可以以三维方程组的形式存在，并以三维形式在计算机设备的显示装置上进行显示。
需要说明的是，上述口腔数字医疗影像为通过影像设备对人的口腔进行拍摄获取得到的。可选地，上述口腔数字医疗影像可以是锥形束电子计算机断层扫描(Cone beamComputed Tomography，简称CBCT)图像，还可以是其他的口腔数字医疗影像，对此本实施例不做限定。
可选地，上述组织识别模型可以是根据经验和实验数据建立的模型，还可以是通过神经网络算法，通过对多个训练图像进行训练得到的模型，对此本实施例不做限定。
S102、根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
具体的，计算机设备可以依据上述口腔组织模型，获取该口腔组织模型中的组织分布，例如牙齿分布、骨头分布、神经分布和上颚窦分布，从而确定出需要进行种植的目标种植体，包括该目标种植体的数量以及每个目标种植体的规格、型号、厂家和材料，还可以确定出每个目标种植体的位姿。其中，目标种植体的位姿包括目标种植体的位置和姿态。
可选地，上述根据口腔组织模型确定目标种植体和目标种植体的目标位姿，其可以采用预设的定位规则进行确定，也可以根据用户输入的定位信息进行确定，还可以采用神经网络定位模型进行确定，对此本实施例不做限定。
本实施例中，计算机设备采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，从而获取口腔组织模型，并根据口腔组织模型，确定目标种植体和目标种植体的目标位姿，从而实现基于上述口腔组织模型进行定位目标种植体的过程。采用本实施例所提供的方法，能够避免传统技术中通过手动方式定位种植体导致的反复调整种植体以及种植体的位置，进而导致的定位效率低和定位准确度低的问题，其能够依据口腔组织模型中的组织分布，直接确定出符合种植要求的目标种植体和目标种植体的位姿，因此极大的提高了种植体的定位效率，以及极大的提高了种植体的定位准确度。
图3为另一个实施例提供的口腔种植体定位方法的流程示意图。本实施例涉及的是计算机设备根据口腔组织模型，确定目标种植体和目标种植体的目标位姿的具体过程。可选地，在上述图2实施例的基础上，如图3所示，上述S102具体可以包括：
S201、获取所述口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置。
具体的，计算机设备能够基于上述口腔组织模型中的组织分布，从而根据口腔组织模型中的组织分布，获取到待种植牙齿的数量和每个待种植牙齿所在的功能位置。
需要说明的是，上述待种植牙齿的功能位置为需要进行种植的牙齿所在上颚或者下颚上依照牙齿功能进行划分的位置，该功能位置可以包括位于上颌的上颚侧切牙、上颚中切牙、上颚尖牙、上颚第一前磨牙、上颚第二前磨牙、上颚第一磨牙、上颚第二磨牙和上颚第三磨牙、下颚侧切牙以及位于下颚的下颚侧切牙、下颚中切牙、下颚尖牙、下颚第一前磨牙、下颚第二前磨牙、下颚第一磨牙、下颚第二磨牙和下颚第三磨牙，具体可以参见图3a所示。
可选地，本步骤S201的一种可能的实现方式为，计算机设备能够依据上述口腔组织模型中的组织分布，识别出待种植牙齿的数量和每个待种植牙齿所在的功能位置。该实现方式中，计算机设备能够根据口腔组织模型中的组织分布，自动识别待种植牙齿的数量和待种植牙齿的功能位置，从而提高了待种植牙齿的数量和功能位置的确定效率和准确度，进一步提高了种植体定位的效率和准确度。
可选地，本步骤S201的另一种可能的实现方式为，计算机设备能够接收用户基于口腔组织模型输入的待种植牙齿的数量和待种植牙齿的功能位置。具体为，用户观察上述口腔组织模型，并确定出这个口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置，然后输入至计算机设备。例如，用户通过鼠标在上述口腔组织模型中连续三颗缺牙的对应的功能位置：上颚侧切牙、上颚中切牙和上颚尖牙所在的区域进行三次点选，从而向计算机设备输入待种植牙齿的数量为三，以及这三颗待种植牙齿的功能位置为上颚侧切牙、上颚中切牙和上颚尖牙。可选地，计算机设备还可以接收用户基于上述口腔组织模型输入的待种植牙齿的种植体的材质或者厂家，以增加种植体的选择和定位的灵活性和便利性。本实现方式中，计算机设备基于用户的输入来确定待种植牙齿的数量和待种植牙齿的功能位置，其能够结合用户需要确定待种植牙齿的数量和待种植牙齿的功能位置。例如，上述口腔组织模型中虽然显现出具有四颗缺牙，但是此次患者只想要种植其中的一颗上颚侧切牙，此时计算机设备就可以基于用户输入，确定待种植牙齿的数量为一颗，以及这一颗待种植牙齿的功能位置为上颚侧切牙，从而使得待种植牙齿的数量和待种植牙齿的功能位置的确定方式更为灵活，应用场景更为广泛，进一步提高了种植体定位的灵活性和便利性。
S202、根据待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿；所述定位规则用于表征所述目标种植体在所述口腔组织模型中进行定位的约束条件。
具体的，计算机设备能够根据所确定的待种植牙齿的数量和待种植牙齿的功能位置，利用预设的定位规则，确定出所需要的目标种植体的数量。计算机设备还可以根据待种植牙齿的功能位置，和已经确定的目标种植体的数量确定出每个目标种植体的种类，包括种植体的规格、型号、厂家和材料，以及依据预设的定位规则确定出每个目标种植体在口腔组织模型中的位姿。例如当待种植牙齿为一颗时，可以确定目标种植体的数量为一颗；当待种植牙齿为两颗时，可以确定目标种植体的数量为一颗或者两颗；当待种植牙齿为三颗时，可以确定目标种植体的数量为两颗或者三颗。
需要说明的是，上述预设的定位规则包括能够使得目标种植体在口腔组织模型中进行定位的约束条件，其可以包括植体与邻牙的距离约束、种植体与唇/鄂的距离约束、种植体与上额窦的距离约束、种植体与神经的距离约束、种植体与神经孔的距离约束、种植体与骨面的距离约束以、植体与骨头的接触面积约束以及种植体的中轴线穿过牙冠表面的中心区域中的至少一种。
可选地，本步骤S202的其他可能的实现方式可以参见下述图4-8所示实施例，此处不再赘述。
本实施例中，计算机设备能够获取口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置，并根据待种植牙齿的数量、待种植牙齿的功能位置和预设的定位规则，确定出目标种植体和目标种植体的目标位姿。其中，由于上述定位规则能够表征目标种植体在口腔组织模型中进行定位的约束条件，因而计算机设备所确定出的目标种植体和目标种植体的目标位姿，能够满足上述约束条件，并且其确定的目标种植体和目标种植体的目标位姿结合了上述口腔组织模型的实际情况，进而使得其确定的目标种植体和目标种植体的目标位姿更为准确。
图4为又一个实施例提供的口腔种植体定位方法的流程示意图。本实施例涉及的是计算机设备待种植牙齿的数量为单颗时，根据待种植牙齿的数量、待种植牙齿的功能位置和预设的定位规则，确定目标种植体和目标种植体的目标位姿的具体过程。可选地，如图4所示，上述S202的一种可能的实现方式包括：
S301、根据待种植牙齿的功能位置，确定第一种植体。
具体的，计算机设备可以根据预设的功能位置与种植体之间的对应关系，确定出与待种植牙齿的功能位置匹配的第一种植体。可选地，上述功能位置与种植体之间的对应关系可以为一一对应，也可以是一对多，也可以是多对一，还可以是多对多。
可选地，上述功能位置与种植体之间的对应关系，可以通过不同功能位置上的牙齿平均尺寸和种植体的尺寸进行对应得到，也可以是不同功能位置与其功能位置上使用频率最高的种植体进行对应得到，还可以是对不同功能位置指定对应的种植体得到，对此本实施例不做限定。
例如，上述功能位置与种植体之间的对应关系中包括了上颚侧切牙、下颚中切牙、下颚侧切牙与3.6mm*12mm的种植体对应，上颚侧切牙、下颚中切牙、下颚侧切牙外的前牙区的牙齿与4.0mm*10mm的种植体对应，第二磨牙与4.5mm*10mm的种植体对应，第一磨牙与4.5mm*10mm对应，其他牙齿与4.0mm*10mm对应，则计算机设备可以根据这个对应关系，确定出当待种植牙齿的功能位置为上颚侧切牙时，将3.6mm*12mm的种植体作为第一种植体，当待种植牙齿的功能位置为第二磨牙时，将4.5mm*10mm的种植体作为第一种植体。
需要说明的是，上述功能位置与种植体之间的对应关系仅是以功能位置与种植体的规格之间的对应关系进行了示例，可以理解的是，上述对应关系还可以是功能位置与种植体的材料、尺寸、规格、型号、厂家和预设的编号中的至少一种所对应的关系，此处不再列举。
S302、根据所述口腔组织模型，确定所述第一种植体的中轴线的初始位姿。
具体的，计算机设备依据上述口腔组织模型中的各个组织的分布情况，确定出上述第一种植体的中轴线的初始位姿。该第一种植体的中轴线可以参见图4a所示。
可选地，本步骤S302的一种可能的实现方式包括：根据所述口腔组织模型的平均牙弓面或待种植牙齿两侧的邻牙中轴线，确定所述第一种植体的中轴线的初始位姿。需要说明的是，上述平均牙弓面可以包括上颚的平均牙弓面和下颚的平均牙弓面，平均牙弓面为根据其所在上颚或者下颚的所有牙齿的中轴线所确定的曲面，具体可以参见图4b所示。具体的，计算机设备能够根据该待种植牙齿两侧且与之邻接的两个邻牙的邻牙中轴线，将这两个邻牙中轴线的中间位置作为第一种植体的初始位姿。计算机设备还可以将平均牙弓面上与牙齿表面垂直的，且位于缺牙区域的直线的位姿作为第一种植体的中轴线的初始位姿。
可选地，本步骤的另一种可能的实现方式包括：通过镜像方式，根据所述待种植牙齿的对牙中轴线，确定所述第一种植体的中轴线的初始位姿。具体的，计算机设备能够获取上述口腔组织模型中，待种植牙齿的对牙的对牙中轴线，将该对牙中轴线进行镜像操作得到镜像的中轴线，并将该镜像的中轴线的位姿作为上述第一种植体的中轴线的初始位姿。
可选地，本步骤的又一种可能的实现方式包括：获取所述目标种植体对应的目标牙冠和所述目标牙冠的位置；并根据所述目标牙冠和所述目标牙冠的位置，确定所述第一种植体的中轴线的初始位姿。具体的，计算机设备可以获取目标种植体对应的目标牙冠和所述目标牙冠的位置，并将该目标牙冠在当前位置的中轴线的位姿作为上述第一种植体的中轴线的初始位姿。可以理解，目标牙冠的在当前位置的中轴线能够穿过目标牙冠的中心区域，且与其对牙咬合。
可选地，上述实现方式中“获取所述目标种植体对应的目标牙冠和所述目标牙冠的位置”的一种实现方式可以参见下述图5实施例的描述，如图5所示。该方法具体可以包括：
S401、获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置。
具体的，计算机设备能够获取上述目标种植体对应的初始牙冠和该初始牙冠的初始位置。
可选地，本步骤S401的一种可能的实现方式包括：采用镜像的方式获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置。具体的，计算机设备能够获取与目标种植体所对应的对牙的牙冠及其位置，通过对上述对牙的牙冠及其位置进行镜像操作，生成与对牙的位置为镜像位置的镜像牙冠，并将这个镜像牙冠和这个镜像位置作为目标种植体对应的初始牙冠和初始牙冠的初始位置。本实现方式中，计算机设备通过镜像的方式得到的目标种植体对应的初始牙冠和初始牙冠的初始位置，其与目标种植体的匹配度高，且获取方式简单，易于实现，因而其获取效率高。
可选地，本步骤S401的另一种可能的实现方式包括：根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠，并根据所述目标牙冠的对牙的位置，采用镜像的方式，确定所述目标种植体对应的初始牙冠的初始位置。具体的，计算机设备能够根据目标种植体的功能位置，从预设的牙冠库中选择一个与该目标种植体的功能位置所需要的牙冠大小匹配的牙冠作为目标牙冠，例如该目标种植体所在的功能位置为上颚侧切牙，则在牙冠库中选择一个与上颚侧切牙的牙冠大小接近的模型作为初始牙冠；进一步的，计算机设备能够根据目标种植体所对应的对牙进行镜像操作，从而得到对牙的镜像位置以作为初始牙冠的初始位置。本实现方式中，计算机设备从预先设定的牙冠库中选择出与该目标种植体的功能位置所需要的牙冠大小匹配的初始牙冠，并采用镜像的方式依据对牙的位置确定该初始牙冠的初始位置，从而使得所确定的初始牙冠与目标种植体的匹配度高，以及通过镜像的方式确定的初始牙冠的初始位置，其获取方式简单，易于实现，因而其获取效率高。
可选地，本步骤S401的又一种可能的实现方式包括：根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠；并根据所述口腔组织模型的牙弓线，确定所述目标种植体对应的初始牙冠的初始位置。该牙弓线为牙齿咬合面中心点的连线，具体可以参见图5a所示。具体的，计算机设备能够根据目标种植体的功能位置，从预设的牙冠库中选择一个与该功能位置匹配，例如大小接近的牙冠作为目标牙冠，例如该目标种植体所在的功能位置为上颚侧切牙，则在牙冠库中选择一个上颚侧切牙的大小接近的牙冠模型作为初始牙冠；进一步的，计算机设备根据上述口腔组织模型的牙弓线，将初始牙冠的表面与牙弓线贴合的位置作为初始牙冠的初始位姿。本实现方式中，计算机设备根据目标种植体的功能位置，从预设的牙冠库中选择出与该目标种植体的功能位置匹配的初始牙冠，并根据口腔组织模型的牙弓线，确定目标种植体对应的初始牙冠的初始位置，能够实现在对牙缺失的情况下，依然能够自动确定出目标种植体对应的初始牙冠及其初始位置，从而使得目标种植体对应的初始牙冠及其初始位置的确定方式更为灵活，应用场景更加广泛。
S402、根据所述目标种植体对应的初始牙冠、所述初始牙冠的初始位置和所述口腔组织模型确定牙冠调整信息；所述牙冠调整信息包括需要调整的长度、宽度、高度、位置和咬合面中的至少一个。
具体的，计算机设备在确定了目标种植体对应的初始牙冠和初始牙冠的初始位置之后，还可以依据目标种植体的邻牙的位置和大小、对牙的位置和大小、以及邻牙的咬合面，生成基于该初始牙冠和初始牙冠的初始位置的牙冠调整信息。其中，该牙冠调整信息包括需要进行调整的长度、宽度、高度、位置和咬合面中的至少一个。例如，当初始牙冠放置在初始位置时，其两侧与邻牙的间距超过预设的距离阈值，则计算机设备可以根据其目标种植体邻近的邻牙的位置和大小，生成相应的宽度调整信息来调整初始牙冠的宽度，以使得调整后的初始牙冠与邻牙的间距满足要求；计算机设备也可以在初始牙冠低于邻牙超过预设的阈值情况下，根据邻牙的高度，生成相应的高度调整信息来调整初始牙冠的高度；计算机设备还可以根据对牙的咬合面，生成咬合面调整信息来调整初始牙冠的咬合面的形状。
S403、根据所述牙冠调整信息调整所述初始牙冠和所述初始牙冠的初始位置，得到所述目标种植体对应的目标牙冠和所述目标牙冠的位置。
具体的，计算机设备根据上述牙冠调整信息调整上述初始牙冠的长度、宽度、高度、位置和咬合面中的至少一个，使得该初始牙冠的长度、宽度、高度跟邻牙形成平滑过渡，与邻牙满足预设的距离和位置的要求，并且能够与其对牙顺利咬合。计算机设备将调整后的初始牙冠和初始位置作为上述目标种植体对应的目标牙冠和目标牙冠的位置。
上述图5所示的实施例中，计算机设备通过获取目标种植体对应的初始牙冠和初始牙冠的初始位置，并根据目标种植体对应的初始牙冠、初始牙冠的初始位置和口腔组织模型确定牙冠调整信息，以及根据牙冠调整信息调整初始牙冠和初始牙冠的初始位置，得到目标种植体对应的目标牙冠和目标牙冠的位置。其中，牙冠调整信息包括需要调整的长度、宽度、高度、位置和咬合面。本实施例所采用的方法，能够使得计算机设备根据目标种植体对应的初始牙冠、初始牙冠的初始位置和口腔组织模型，自动确定出牙冠调整信息，并根据该牙冠调整信息对初始牙冠和初始牙冠的初始位置进行自动调整，然后将调整后的牙冠和牙冠的位置作为目标种植体对应的目标牙冠和目标牙冠的位置。该方法避免了手动调整目标牙冠和目标牙冠的位置所带来的误差和效率低的问题，使得确定的目标牙冠和目标牙冠的位置能够与口腔组织模型中的其他组织，如牙齿，实现高度匹配。因此在确保了目标牙冠和目标牙冠的位置更加准确的同时，提高了目标牙冠及其位置的调整效率，进而使得基于该目标牙冠和目标牙冠的位置进行种植体的定位方法，其定位效率更高且定位精度更高。
S303、根据所述第一种植体的中轴线的初始位姿和预设的初始埋入深度，确定所述第一种植体的第一位姿。
需要说明的是，上述初始埋入深度可以是能够满足大多数种植体在种植时的埋入深度，也可以是使用频率最高的埋入深度，对此本实施例不做限定。该初始埋入深度可以是相对于骨头表面的深度，例如骨面以下1mm。
具体的，计算机设备能够依据上述第一种植体的中轴线的初始位姿，结合初始埋入深度，从而确定出该第一种植体的第一位姿。
S304、根据预设的安全规则和所述第一种植体的第一位姿，确定所述目标种植体和所述目标种植体的目标位姿；所述安全规则用于判断种植体是否符合种植要求。
具体的，计算机设备能够根据预设的安全规则对上述第一种植体的第一位姿进行检验，从而确定该种植体是否符合种植要求，并根据检验结果确定目标种植体和目标种植体的目标位姿。
需要说明的是，上述安全规则可以用于判断种植体是否符合种植要求，若上述第一种植体的第一位姿符合该安全规则，则表征按照第一位姿种植该第一种植体，其种植效果能够满足后期的使用需求；若上述第一种植体的第一位姿不符合该安全规则，则表征按照第一位姿种植该第一种植体，其种植效果无法满足后期的使用需求。
可选地，该S304一种可能的实现方式可以参见图6所示，该方法可以包括：
S501、判断所述第一种植体的所述第一位姿是否满足所述安全规则；若是，则执行S502A，若否，则执行S502B。
具体的，计算机设备上述第一种植体在上述第一位姿时，可以依据上述安全规则对该第一种植体及其第一位姿进行检验，并得到判断结果。当该判断结果为满足时，则执行下述S502A的步骤，当判断结果为不满足时，则执行下述S502B额步骤。
可选地，步骤S501的一种可能的实现方式可以包括：根据所述第一种植体的安全信息，判断所述第一种植体的所述第一位姿是否满足所述安全规则；所述安全信息可以包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与上额窦的距离、种植体与神经的距离、种植体与神经孔的距离、种植体与骨面的距离、种植体与骨头的接触面积、以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种。具体的，计算机设备可以获取该第一种植体的安全信息，包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与上额窦的距离、种植体与神经的距离、种植体与神经孔的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种，并依据上述安全规则进行检验。需要说明的是，上述安全规则可以包括种植体与邻牙的距离要求、种植体与唇/鄂的距离要求、种植体与上额窦的距离要求、种植体与神经的距离要求、种植体与神经孔的距离要求、种植体与骨面的距离要求、种植体与骨头的接触面积要求以及种植体的中轴线需要穿过牙冠表面的中心区域中的至少一种。
例如，上述安全规则可以包括：若种植体为前牙区的种植体，则需要满足种植体位于唇侧骨头下1mm，并且种植体需全部埋入骨头；在种植体的近远中方向，其与邻牙为自然牙时的牙根的距离不少于1.5mm，与邻近的人工植牙的牙根的距离不少于3mm；在唇/颚方向，种植体与唇侧骨的距离不少于1.5mm,种植体与颚宽度的距离不少于1.5mm；在冠根向上，种植体与鼻孔的距离不少于1mm，种植体与上颚窦的距离不少于1mm,种植体与下齿槽神经不少于2mm,种植体与下颚神经孔不少于5mm；当要种植的牙齿有因拔牙产生的牙洞时，种植体需要深入拔牙牙洞底部不少于2mm,或者种植体与骨头接触面积超过种植体表面积的20％。计算机设备确定该第一种植体以及该第一种植体处于第一位姿时，其安全信息是否均能够满足上述安全规则。
本实现方式中，计算机设备根据第一种植体的安全信息，判断第一种植体的第一位姿是否满足安全规则，从而使得判断结果更为准确。
S502A、将所述第一种植体确定为所述目标种植体，并将所述第一位姿确定为所述目标种植体的目标位姿。
S502B、根据预设的调整规则调整所述第一位姿和/或所述第一种植体，以确定所述目标种植体和所述目标种植体的目标位姿。
具体的，计算机设备在上述第一种植体和第一位姿满足安全规则的情况下，直接将第一种植体确定为目标种植体，以及将第一位姿直接确定为目标种植体的目标位姿；并且在上述第一种植体和第一位姿不满足安全规则的情况下，通过自动调整所述第一位姿和/或所述第一种植体，以使得调整后的位姿和种植体能够满足上述安全规则。可选地，可以通过更换表面积次之的种植体作为目标种植体；还可以通过保持第一种植体的规格不变，逐步调整第一位姿，包括第一种植体的位置或者深度中的至少一个，使得调整后的位姿满足安全规则。
可选地，本步骤中“根据预设的调整规则调整所述第一位姿和/或所述第一种植体”的一种可能的实现方式可以参见下述图7所示的实施例，此处暂不赘述。
本实施例中，计算机设备能够在上述第一种植体和第一位姿满足安全规则的情况下，将第一种植体确定为目标种植体，并将第一位姿确定为目标种植体的目标位姿，从而能够更为高效的确定出目标种植体和目标种植体的目标位姿；以及在上述第一种植体的第一位姿不满足安全规则的情况下，自动对上述第一位姿和/或所述第一种植体进行调整，避免了人工手动调整导致的失误或者调整效率低的情况，其确保了目标种植体及其目标位姿的准确性和高效性，进一步提高了种植体定位的准确性和高效性。
图7为又一个实施例提供的口腔种植体定位方法的流程示意图。本实施例涉及的是计算机设备根据预设的调整规则调整第一位姿和/或第一种植体，以确定目标种植体和目标种植体的目标位姿的具体过程。可选地，在上述图6所示的实施例的基础上，S502B具体可以包括：
S601、根据预设的调整规则调整所述第一位姿和/或所述第一种植体，确定多个第二位姿和对应的多个第二种植体。
具体的，计算机设备根据预设的调整规则调整该第一位姿、或者调整第一种植体的规格、型号、厂家或者材料中的至少一种、或者同时调整第一位姿和第一种植体的规格、型号、厂家或者材料中的至少一种。可选地，上述调整规则可以为采用遍历的方式获取多个第二位姿以及与该第二位姿对应的多个第二种植体。需要说明的是，调整第一位姿可以包括调整第一种植体的中心轴的姿态和调整第一种植体的埋入深度中的至少一种。可选地，还可以用递进的方式逐次获取多个第二种植体，例如更换表面积较第一种植体次之的种植体作为第一次获取的第二种植体，若不满足安全规则，则按照上述调整规则调整位姿并判断是否满足安全规则，若不满足，则继续更换表面积较较第一次获取的第二种植体次之的种植体作为第二次获取的第二种植体，直至更换至满足安全规则。需要注意的是，所获取的第二种植体的规格不能小于目标种植体所对应的功能位置上对于种植体的最小规格要求，以免影响种植效果。
S602、获取每个所述第二位姿和所述第二种植体对应的安全信息；所述安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与神经的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种。
具体的，计算机设备能够通过识别调整后的每个第二位姿和第二种植体，从而获取其对应的安全信息。其中，该安全信息可以包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与神经的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种。
S603、确定安全信息等级最高的第二位姿为所述目标位姿，确定安全信息等级最高对应的第二种植体为所述目标种植体。
具体的，计算机设备可以将上述每个第二位姿和对应的第二种植体的安全信息进行安全信息等级排名，并将安全信息等级最高的第二位姿和对应的第二种植体作为目标种植体和目标种植体的目标位姿。可选地，计算机设备能够将上述安全信息中的每一项按照预设的方式进行打分，并将每一项安全信息的分数按照预设的权重进行计算，从而得到每一个第二位姿和对应的第二种植体的安全评价分数，进而确定出该安全评价分数所对应的安全等级。
本实施例中，计算机设备根据预设的调整规则调整第一位姿和/或第一种植体，确定多个第二位姿和对应的多个第二种植体，并获取每个第二位姿和第二种植体对应的安全信息；进一步确定安全信息等级最高对应的第二位姿为目标位姿，确定安全信息等级最高对应的第二种植体为目标种植体。其中，安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与神经的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种。本实施例提供的方法，能够通过预设的调整规则调整第一位姿和/或第一种植体确定出多个第二位姿和对应的多个第二种植体的安全信息，并确定安全信息等级最高的第二位姿为目标位姿，以及确定安全信息等级最高对应的第二种植体为目标种植体，从而使得其确定出的目标种植体和目标种植体的目标位姿能够最大程度的满足安全规则，降低了种植的风险。
图8为又一个实施例提供的口腔种植体定位方法的流程示意图。本实施例涉及的是计算机设备在待种植牙齿的数量为多颗时，根据待种植牙齿的数量、待种植牙齿的功能位置和预设的定位规则，确定目标种植体和目标种植体的目标位姿的具体过程。可选地，如图8所示，上述S202的另一种可能的实现方式包括：
S701、根据所述待种植牙齿的牙根间距、预设的牙根间距阈值以及待种植牙齿的数量，确定所述目标种植体的数量。
具体的，计算机设备可以获取待种植牙齿的两边的牙根间距，并将牙根间距与预设的牙根间距阈值进行对比，得到对比结果，然后结合待种植牙齿的数量确定出目标种植体的数量。例如预设的牙根间距阈值为7*Nmm，其中N为待种植牙齿的数量；当待种植牙为3颗，牙根间距为22mm时，由于22大于7*3，则计算机设备确定目标种植体的数量为3；当待种植牙为3颗，牙根间距为15mm时，由于15小于7*3，则计算机设备确定目标种植体的数量为2；当待种植牙为4颗，牙根间距为30mm时，由于30大于7*4，则计算机设备确定目标种植体的数量为4；当待种植牙为4颗，牙根间距为25mm时，由于25小于7*4，则计算机设备确定目标种植体的数量为2或者3。
S702、根据每个待种植牙齿的功能位置和所述预设的定位规则，获取每个所述待种植牙齿对应的第三种植体和所述第三种植体的第三位姿。
具体的，计算机设备根据每个待种植牙齿的功能位置和预设的定位规则，确定出每个待种植牙齿对应的第三种植体和第三种植体的第三位姿。其中，关于根据每个待种植牙齿的功能位置和预设的定位规则，确定第三种植体和第三种植体的第三位姿的具体过程，可以参见上述图4实施例中关于待种植牙齿的数量为单颗时，根据待种植牙齿的数量、待种植牙齿的功能位置和预设的定位规则，确定目标种植体和目标种植体的目标位姿的具体过程，此处不再赘述。
可选地，计算机设备获取第三种植体和第三种植体的第三位姿的过程中，还可以按照预设的调整规则进行调整得到，关于按照预设的调整规则调整种植体和种植体的位姿的具体过程可以参见前述实施例，在此不再赘述。
S703、根据所述目标种植体的数量、各所述第三种植体以及所述第三种植体的第三位姿，确定所述目标种植体和所述目标种植体的目标位姿。
具体的，计算机设备将上述各个第三种植体以及第三种植体的第三位姿的安全信息进行安全等级排名，并选出与目标种植体的数量一致的且安全等级高的第三种植体以及第三种植体的第三位姿，分别作为目标种植体和目标种植体的目标位姿。需要说明的是，关于将各个第三种植体以及第三种植体的第三位姿的安全信息进行安全等级排名的具体描述可以参见上述S603的具体描述，此处不再赘述。
本实施例中，计算机设备通过在待种植牙齿为多颗的时候，通过待种植牙齿的牙根间距、预设的牙根间距阈值以及待种植牙齿的数量，自动确定出目标种植体的数量，并根据每个待种植牙齿的功能位置和预设的定位规则，获取每个待种植牙齿对应的第三种植体和第三种植体的第三位姿，进而根据目标种植体的数量、各第三种植体以及第三种植体的第三位姿，确定目标种植体和目标种植体的目标位姿。本实施例所提供的方法，计算机设备能够依据待种植牙齿的数量的实际的牙根间距，确定出符合该牙根间距的目标种植体的数量，从而在牙根间距大的情况下保证种植效果，以及在牙根间距小的情况下，保证种植效果的同时减少了目标种植体的数量，并且选择种植条件好，即安全等级高的种植体和种植体的位姿，其能够最大化的保证种植效果以及降低成本。
图9为又一个实施例提供的口腔种植体定位方法的流程示意图。本实施例涉及的是计算机设备根据口腔组织模型，确定目标种植体和目标种植体的目标位姿的具体过程。可选地，如图9所示，上述S102的另一种可能的实现方式包括：
S801、接收用户基于所述口腔组织模型所输入的初始种植体和所述初始种植体的初始位姿。
具体的，用户可以通过计算机设备的外接设备，向计算机输入基于上述口腔组织模型的初始种植体的数量、规格、型号、材料和厂家中的至少一个，以及用户还可以输入初始种植体的初始位姿，其中，该初始位姿可以通过初始种植体的中轴线的位姿和初始埋入深度进行表征。
S802、判断所述初始种植体和所述初始种植体的初始位姿，是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求。若是，则执行S803A，若否，则执行S803B。
具体的，计算机设备可以判断初始种植体和初始种植体的初始位姿，是否满足预设的安全规则，其中，关于安全规则的描述可以参见上述S304和S501中的描述；关于计算机设备判断初始种植体和初始种植体的初始位姿，是否满足预设的安全规则的具体过程，也可以参见上述S501中的描述，此处均不再赘述。
S803A、将所述初始种植体确定为所述目标种植体，并将所述初始位姿确定为所述初始种植体的目标位姿。
S803B、输出提示信息。
具体的，计算机设备可以在初始种植体和初始种植体的初始位姿满足预设的安全规则的情况下，将上述初始种植体和初始位姿分别确定为目标种植体和目标种植体的目标位姿；在初始种植体和初始种植体的初始位姿不满足预设的安全规则的情况下，输出提示信息，以进行提醒。可选地，该提示信息可以为弹出对话框的形式，还可以是将不满足安全规则的区域进行高亮显示，本实施例对于提示信息的具体形式并不做限定。
本实施例中，计算机设备通过判断初始种植体和初始种植体的初始位姿，是否满足预设的安全规则，并且在满足的情况下将初始种植体和初始种植体的初始位姿分别确定为目标种植体和目标种植体的目标位姿，在不满足的情况下输出提示信息，从而在确保准确度的情况下，其定位方式更为灵活，应用场景更为广泛。
可选地，上述S102的又一种可能的实现方式包括：根据所述口腔组织模型中的组织分布，采用预设的定位模型，确定所述目标种植体和所述目标种植体的目标位姿；其中，所述定位模型是对所述口腔数字医疗影像进行深度学习训练得到的模型。
具体的，计算机设备将上述识别上述口腔组织模型中的组织分布，包括牙齿分布、骨头分布、神经分布和上颚窦分布，采用预设的定位模型，输出目标种植体和目标种植体的目标位姿。其中，上述定位模型是计算机设备通过对口腔数字医疗影像进行深度学习训练得到的模型。
本实现方式中，由于上述定位模型是通过计算机设备对口腔数字医疗影像进行深度学习训练得到的，因而，计算机设备能够利用该定位模型，自动根据将上述上述口腔组织模型，确定出目标种植体和目标种植体的目标位姿，从而自动完成目标种植体的定位。其避免了传统技术中通过手动方式定位种植体导致的反复调整种植体以及种植体的位置，进而导致的定位效率低和定位准确度低的问题，其能够依据口腔组织模型中的组织分布，自动确定出符合种植要求的目标种植体和目标种植体的位姿，因此极大的提高了种植体的定位效率，以及极大的提高了种植体的定位准确度。
可选地，在上述实施例的基础上，如图10所示，上述定位模型的具体建立过程可以包括：
S901、将口腔数字医疗训练图像输入初始定位模型，采用深度学习的算法，确定所述初始定位模型中的模型参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括模型参数的初始值。
具体的，计算机设备可以将上述口腔数字医疗训练图像进行标定，并输入至初始定位模型中，其中，初始定位模型为神经网络模型，该初始定位模型中包括模型参数的初始值。计算机设备采用深度学习的算法，对上述口腔数字医疗训练图像进行学习训练，从而确定出初始定位模型中的模型参数的实际值。
S902、将所述模型参数的初始值替换为所述模型参数的实际值，得到所述定位模型。
具体的，计算机设备能够将上述模型参数初始值逐一替换为与之对应的训练之后的实际值，从而得到新的定位模型。
本实施例中，计算机设备能够将口腔数字医疗训练图像输入包括了模型参数的初始值的初始定位模型，采用深度学习的算法，确定出初始模型中的模型参数的实际值，并将模型参数的初始值替换为模型参数的实际值，得到所述定位模型。采用本实施例提供的的方法，所建立的定位模型，由于是通过对口腔数字医疗训练图像经过深度学习的算法得到的模型，因而使用该定位模型能够自动将目标种植体进行定位，其避免了传统技术中通过手动方式定位种植体导致的反复调整种植体以及种植体的位置，进而导致的定位效率低和定位准确度低的问题，其能够依据口腔组织模型中的组织分布，自动确定出符合种植要求的目标种植体和目标种植体的位姿，因此极大的提高了种植体的定位效率，以及极大的提高了种植体的定位准确度。
可选地，在上述图10所示的实施例的基础上，所述口腔数字医疗训练图像可以包括对种植体和种植体的位姿进行标定的训练图像；所述模型参数包括种植体定位参数。具体的，由于口腔数字医疗训练图像包括对种植体和种植体的位姿进行标定的训练图像，因此，计算机设备能够采用深度学习的算法，确定出模型参数中与种植体和种植体的位姿相关的定位参数的实际值，进而使得该定位模型能够自动确定出口腔组织模型中的目标种植体和目标种植体的目标位姿，以实现自动定位。采用本实施例所提供的方法，由于能够自动确定出口腔组织模型中目标种植体和目标种植体的目标位姿，其使得自动定位的效率和准确度进一步提高。
可选地，在上述图10所示的实施例的基础上，所述口腔数字医疗训练图像还可以包括对种植体、种植体的位姿和组织进行标定的训练图像；所述模型参数包括种植体定位参数和组织分割参数。具体的，由于口腔数字医疗训练图像包括对种植体、种植体的位姿和组织进行标定的训练图像，因此计算机设备能够采用深度学习的算法，确定出模型参数中的定位参数的实际值和组织分割参数的实际值，进而使得该定位模型能够自动确定出口腔组织模型中的组织分布、目标种植体和目标种植体的目标位姿，从而实现自动定位。本实施例中，由于计算机设备能够依据该定位模型自动确定出口腔组织模型中的组织分布、目标种植体和目标种植体的目标位姿，其使得自动定位能够结合口腔模型中的组织分布，进一步提高了自动定位的准确性。
可选地，在上述各个实施例的基础上，如图11所示，所述方法还包括：
S1001、判断所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则。所述安全规则用于判断种植体是否符合种植要求。具体的，本步骤的具体实现方式的描述和安全规则的描述可以参见上述S304和S501的具体描述，此处不再赘述。
S1002、若否，则调整所述定位模型的模型参数。
具体的，当计算机设备确定目标种植体和目标种植体的目标位姿不满足预设的安全规则时，则反馈定位失败的报错信息，计算机可以根据该报错信息重新调整定位模型中的模型参数，进而训练上述定位模型。
本实施例中，计算机设备能够在判断目标种植体和所述目标种植体的目标位姿不满足预设的安全规则的情况下，根据判断结果进行反馈，从而调整定位模型的参数，使得定位模型的模型参数更为精确，进而使得种植体的定位更加准确。
图12为又一个实施例提供的口腔种植体定位方法的流程示意图。本实施例涉及的是计算机设备采用深度学习的算法，建立组织识别模型的具体过程。可选地，如图12所示，上述S101之前，所述方法还可以包括：
S1101、将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值。
具体的，计算机设备可以将上述口腔数字医疗训练图像进行组织标定，包括牙齿标定、骨头标定、上颚窦标定和神经标定，并输入至初始组织识别模型中，其中，初始组织识别模型为神经网络模型，该初始组织识别模型中包括组织识别参数的初始值。计算机设备采用深度学习的算法，对上述标定过组织的口腔数字医疗训练图像进行学习训练，从而确定出初始组织识别模型中的组织识别参数的实际值。
S1102、将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
具体的，计算机设备能够将上述组织识别参数的初始值逐一替换为与之对应的训练之后的实际值，从而得到新的组织识别模型。
本实施例中，计算机设备能够将口腔数字医疗训练图像输入包括了组织分割参数的初始值的初始组织识别模型，采用深度学习的算法，确定出初始组织识别模型中的组织识别参数的实际值，并将组织识别参数的初始值替换为组织识别参数的实际值，得到所述组织识别模型。采用本实施例中提供的方法所建立的组织识别模型，由于通过对标点过不同组织的口腔数字医疗训练图像经过深度学习的算法得到的模型，因而使用该组织识别模型能够自动将不同的组织进行区分，其避免了传统技术中通过人工区分组织所导致的效率低和精度低的问题，其能够自动确定口腔组织模型中的组织分布，因此极大的提高了组织识别的效率和准确度，进而使得种植体定位的效率和准确度大大提高。
可选地，在上述实施例的基础上，如图13所示，所述方法还可以包括：
S1201、接收用户输入的种植体调整信息；所述种植体调整信息包括调整种植体的数量、位姿、规格、型号、厂家和材料中的至少一种，并根据所述种植体调整信息调整所述目标种植体和所述目标种植体的目标位姿。
具体的，用户可以通过鼠标或者键盘输入种植体调整信息，例如通过鼠标点选更换种植体的选键并选择另外一个种植体作为新的种植体，再如通过鼠标拖动种植体以调整其位置或者方向等。计算机设备接收用户输入的种植体调整信息，并依据该调整信息重新调整上述目标种植体和目标种植体的目标位姿，得到新的目标种植体和新的目标位姿。由于计算机设备能够基于用户输入的调整信息进而确定新目标种植体和新的目标位姿，其使得种植体和种植体的位姿的确定方式更为灵活，其应用场景更为广泛。
可选地，在上述实施例的基础上，如图13所示，所述方法还可以包括：
S1202、判断调整后的所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求。
具体的，计算机设备在根据用户输入的调整信息调整目标种植体和目标种植体的目标位姿之后，判断新的目标种植体和新的目标位姿是否满足预设的安全规则。其中，关于该安全规则的描述可以参照上述S304和S501中的描述，此处不再赘述。本实施例中，通过判断调整后的新的目标种植体和新的目标位姿是否满足安全规则，从而能够确保用户输入的调整信息的有效性，避免了调整带来的失误，进一步提高了种植体定位的准确度。
可选地，在上述实施例的基础上，如图13所示，所述方法还可以包括：
S1203、输出提示信息。具体为，计算机设备还可以根据上述S1202的判断结果，输出提示信息，该提示信息可以包括满足安全规则的提示信息，还可以包括不满足安全规则的提示信息。可选地，该提示信息可以为弹出对话框的形式，还可以是将不满足安全规则的区域进行高亮显示，本实施例对于提示信息的具体形式并不做限定。本实施例通过输出提示信息对目标种植体和所述目标种植体的目标位姿是否满足安全规则进行提示，可以使得在不满足安全规则的情况进行提示，进一步确保了种植体定位的准确性。
图14为一个实施例提供的口腔组织识别模型建立的流程示意图。本实施例涉及的是计算机设备根据口腔数字医疗训练图像，建立组织识别模型的具体过程。如图14所示，该方法包括：
S1301、将口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值。
具体的，计算机设备可以将上述口腔数字医疗训练图像进行组织标定，包括牙齿标定、骨头标定、上颚窦标定和神经标定，并输入至初始组织识别模型中，其中，初始组织识别模型为神经网络模型，该初始组织识别模型中包括组织识别型参数的初始值。计算机设备采用深度学习的算法，对上述标定过组织的口腔数字医疗训练图像进行学习训练，从而确定出初始组织识别模型中的组织识别参数的实际值。
S1302、将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
具体的，计算机设备能够将上述组织识别参数的初始值逐一替换为与之对应的训练之后的实际值，从而得到新的组织识别模型。
本实施例中，计算机设备能够将口腔数字医疗训练图像输入包括了组织分割参数的初始值的初始组织识别模型，采用深度学习的算法，确定出初始组织识别模型中的组织识别参数的实际值，并将组织识别参数的初始值替换为组织识别参数的实际值，得到所述组织识别模型。采用本实施例中提供的方法所建立的组织识别模型，由于通过对标定过不同组织的口腔数字医疗训练图像经过深度学习的算法得到的模型，因而使用该组织识别模型能够自动将不同的组织进行区分，其避免了传统技术中通过人工区分组织所导致的效率低和精度低的问题，其能够自动确定口腔组织模型中的组织分布，因此极大的提高了组织识别的效率和准确度，进而使得种植体定位的效率和准确度大大提高。
应该理解的是，虽然图2-14的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-14中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图15所示，提供了一种口腔种植体定位装置，包括：第一获取模块11和第一处理模块12。
具体的，第一获取模块11，用于采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；
第一处理模块12，用于根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
在一个实施例中，如图16所示，第一处理模块12具体可以包括：获取单元121和确定单元122。
获取单元121，用于获取所述口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置；
确定单元122，用于根据待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿；所述定位规则用于表征所述目标种植体在所述口腔组织模型中进行定位的约束条件。
在一个实施例中，获取单元121，具体可以用于接收用户基于所述口腔组织模型输入的所述待种植牙齿的数量和所述待种植牙齿的功能位置；或者，根据所述口腔组织模型中的组织分布，确定所述待种植牙齿的数量和所述待种植牙齿的功能位置。
在一个实施例中，所述待种植牙齿的数量为单颗，确定单元122，具体可以用于根据待种植牙齿的功能位置，确定第一种植体；根据所述口腔组织模型，确定所述第一种植体的中轴线的初始位姿；根据所述第一种植体的中轴线的初始位姿和预设的初始埋入深度，确定所述第一种植体的第一位姿；根据预设的安全规则和所述第一种植体的第一位姿，确定所述目标种植体和所述目标种植体的目标位姿；所述安全规则用于判断种植体是否符合种植要求。
在一个实施例中，确定单元122，具体可以用于根据所述口腔组织模型的平均牙弓面或待种植牙齿两侧的邻牙中轴线，确定所述第一种植体的中轴线的初始位姿；或者，通过镜像方式，根据所述待种植牙齿的对牙中轴线，确定所述第一种植体的中轴线的初始位姿；或者，获取所述目标种植体对应的目标牙冠和所述目标牙冠的位置；并根据所述目标牙冠和所述目标牙冠的位置，确定所述第一种植体的中轴线的初始位姿。
在一个实施例中，确定单元122，具体可以用于判断所述第一种植体的所述第一位姿是否满足所述安全规则；若是，则将所述第一种植体确定为所述目标种植体，并将所述第一位姿确定为所述目标种植体的目标位姿；若否，则根据预设的调整规则调整所述第一位姿和/或所述第一种植体，以确定所述目标种植体和所述目标种植体的目标位姿。
在一个实施例中，确定单元122，具体可以用于根据所述第一种植体的安全信息，判断所述第一种植体的所述第一位姿是否满足所述安全规则；所述安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与上额窦的距离、种植体与神经的距离、种植体与神经孔的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线是否穿过牙冠表面的中心区域中的至少一种。
在一个实施例中，获取单元121，具体可以用于获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置；根据所述目标种植体对应的初始牙冠、所述初始牙冠的初始位置和所述口腔组织模型确定牙冠调整信息；所述牙冠调整信息包括需要调整的长度、宽度、高度和位置；根据所述牙冠调整信息调整所述初始牙冠和所述初始牙冠的初始位置，得到所述目标种植体对应的目标牙冠和所述目标牙冠的位置。
在一个实施例中，获取单元121，具体可以用于采用镜像的方式获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置；或者，根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠；并根据所述目标牙冠的对牙的位置，采用镜像的方式，确定所述目标种植体对应的初始牙冠的初始位置；或者，根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠；并根据所述口腔组织模型的牙弓线，确定所述目标种植体对应的初始牙冠的初始位置。
在一个实施例中，确定单元122，具体可以用于根据预设的调整规则调整所述第一位姿和/或所述第一种植体，确定多个第二位姿和对应的多个第二种植体；获取每个所述第二位姿和所述第二种植体对应的安全信息；所述安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与神经的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种；确定安全信息等级最高的第二位姿为所述目标位姿，确定安全信息等级最高对应的第二种植体为所述目标种植体。
在一个实施例中，所述待种植牙齿的数量为多颗，确定单元122，具体可以用于根据所述待种植牙齿的牙根间距、预设的牙根间距阈值以及待种植牙齿的数量，确定所述目标种植体的数量；根据每个待种植牙齿的功能位置和所述预设的定位规则，获取每个所述待种植牙齿对应的第三种植体和所述第三种植体的第三位姿；根据所述目标种植体的数量、各所述第三种植体以及所述第三种植体的第三位姿，确定所述目标种植体和所述目标种植体的目标位姿。
在一个实施例中，如图17所示，第一处理模块12具体可以包括：接收单元123、判断单元124和处理单元125。
具体的，接收单元123，用于接收用户基于所述口腔组织模型所输入的初始种植体和所述初始种植体的初始位姿；
判断单元124，用于判断所述初始种植体和所述初始种植体的初始位姿，是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求；
处理单元125，用于当初始种植体和所述初始种植体的初始位姿满足预设的安全规则时，将所述初始种植体确定为所述目标种植体，并将所述初始位姿确定为所述初始种植体的目标位姿；以及当初始种植体和所述初始种植体的初始位姿不满足预设的安全规则时，输出提示信息。
在一个实施例中，第一处理模块12，具体可以用于根据所述口腔组织模型中的组织分布，采用预设的定位模型，确定所述目标种植体和所述目标种植体的目标位姿；其中，所述定位模型是对所述口腔数字医疗影像进行深度学习训练得到的模型。
在一个实施例中，如图18所示，所述装置还可以包括：第二处理模块13。
具体的，第二处理模块13，具体可以用于将口腔数字医疗训练图像输入初始定位模型，采用深度学习的算法，确定所述初始定位模型中的模型参数的实际值；其中，所述初始组织识别模型包括模型参数的初始值；将所述模型参数的初始值替换为所述模型参数的实际值，得到所述定位模型。
在一个实施例中，所述口腔数字医疗训练图像包括对种植体和种植体的位姿进行标定的训练图像；所述模型参数包括种植体定位参数。
在一个实施例中，所述口腔数字医疗训练图像包括对种植体、种植体的位姿和组织进行标定的训练图像；所述模型参数包括种植体定位参数和组织分割参数。
在一个实施例中，如图18所示，所述装置还可以包括：第三处理模块14。
具体的，第三处理模块14，具体可以用于判断所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求。当目标种植体和所述目标种植体的目标位姿不满足预设的安全规则时，调整所述定位模型的模型参数。
在一个实施例中，如图18所示，所述装置还可以包括：第四处理模块15。
具体的，第四处理模块15，具体可以用于将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值；将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
在一个实施例中，如图19所示，所述装置还可以包括：第二获取模块16和第五处理模块17。
具体的，第二获取模块16，用于接收用户输入的种植体调整信息；所述种植体调整信息包括调整种植体的数量、位姿、规格、型号、厂家和材料中的至少一种。
第五处理模块17，用于根据所述种植体调整信息调整所述目标种植体和所述目标种植体的目标位姿。
在一个实施例中，第五处理模块17，具体可以用于判断调整后的所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求。
在一个实施例中，第五处理模块17，具体可以用于输出提示信息。
本发明实施例提供的口腔种植体定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在一个实施例中，如图20所示，提供了一种口腔组织识别模型建立装置，包括：第六处理模块21和第七处理模块22。
具体的，第六处理模块21，用于将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织分割参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织分割参数的初始值。
第七处理模块22，用于将所述组织分割参数的初始值替换为所述组织分割参数的实际值，得到所述组织识别模型。
本发明实施例提供的口腔组织识别模型建立，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于口腔种植体定位装置和口腔组织识别模型建立装置的具体限定可以参见上文中对于口腔种植体定位方法和口腔组织识别模型建立方法的限定，在此不再赘述。上述口腔种植体定位装置和口腔组织识别模型建立装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器用于执行所述程序时还实现上述任一实施例所述的方法的步骤。具体的，处理器执行程序时实现如下步骤：
采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
本实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器用于执行所述程序时还实现上述任一实施例所述的方法的步骤。具体的，处理器执行程序时实现如下步骤：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织分割参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织分割参数的初始值；将所述组织分割参数的初始值替换为所述组织分割参数的实际值，得到所述组织识别模型。
本实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令在被所述处理器执行时实现上述任一实施例所述的方法的步骤。具体地，处理器执行上述计算机程序时实现如下步骤：
采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令在被所述处理器执行时实现上述任一实施例所述的方法的步骤。具体地，处理器执行上述计算机程序时实现如下步骤：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织分割参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织分割参数的初始值；将所述组织分割参数的初始值替换为所述组织分割参数的实际值，得到所述组织识别模型。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
应当清楚的是，本申请实施例中处理器执行计算机程序的过程，与上述方法中各个步骤的执行过程一致，具体可参见上文中的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (28)
1.一种口腔种植体定位方法，其特征在于，所述方法包括：
采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；
根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
2.根据权利要求1所述的方法，其特征在于，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿，包括：
获取所述口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置；
根据待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿；所述定位规则用于表征所述目标种植体在所述口腔组织模型中进行定位的约束条件。
3.根据权利要求2所述的方法，其特征在于，所述获取所述口腔组织模型中的待种植牙齿的数量和待种植牙齿的功能位置，包括：
接收用户基于所述口腔组织模型输入的所述待种植牙齿的数量和所述待种植牙齿的功能位置；或者，
根据所述口腔组织模型中的组织分布，确定所述待种植牙齿的数量和所述待种植牙齿的功能位置。
4.根据权利要求3所述的方法，其特征在于，若所述待种植牙齿的数量为单颗，所述根据所述待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿，包括：
根据待种植牙齿的功能位置，确定第一种植体；
根据所述口腔组织模型，确定所述第一种植体的中轴线的初始位姿；
根据所述第一种植体的中轴线的初始位姿和预设的初始埋入深度，确定所述第一种植体的第一位姿；
根据预设的安全规则和所述第一种植体的第一位姿，确定所述目标种植体和所述目标种植体的目标位姿；所述安全规则用于判断种植体是否符合种植要求。
5.根据权利要求4所述的方法，其特征在于，所述根据所述口腔组织模型，确定所述第一种植体的中轴线的初始位姿，包括：
根据所述口腔组织模型的平均牙弓面或待种植牙齿两侧的邻牙中轴线，确定所述第一种植体的中轴线的初始位姿；或者，
通过镜像方式，根据所述待种植牙齿的对牙中轴线，确定所述第一种植体的中轴线的初始位姿；或者，
获取所述目标种植体对应的目标牙冠和所述目标牙冠的位置；并根据所述目标牙冠和所述目标牙冠的位置，确定所述第一种植体的中轴线的初始位姿。
6.根据权利要求4所述的方法，其特征在于，所述根据预设的安全规则和所述第一种植体的位姿，确定所述目标种植体和所述目标种植体的目标位姿，包括：
判断所述第一种植体的所述第一位姿是否满足所述安全规则；
若是，则将所述第一种植体确定为所述目标种植体，并将所述第一位姿确定为所述目标种植体的目标位姿；
若否，则根据预设的调整规则调整所述第一位姿和/或所述第一种植体，以确定所述目标种植体和所述目标种植体的目标位姿。
7.根据权利要求6所述的方法，其特征在于，所述判断所述第一种植体的所述第一位姿是否满足所述安全规则，包括：
根据所述第一种植体的安全信息，判断所述第一种植体的所述第一位姿是否满足所述安全规则；所述安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与上额窦的距离、种植体与神经的距离、种植体与神经孔的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线是否穿过牙冠表面的中心区域中的至少一种。
8.根据权利要求5所述的方法，其特征在于，所述获取所述目标种植体对应的目标牙冠和所述目标牙冠的位置，包括：
获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置；
根据所述目标种植体对应的初始牙冠、所述初始牙冠的初始位置和所述口腔组织模型确定牙冠调整信息；所述牙冠调整信息包括需要调整的长度、宽度、高度和位置；
根据所述牙冠调整信息调整所述初始牙冠和所述初始牙冠的初始位置，得到所述目标种植体对应的目标牙冠和所述目标牙冠的位置。
9.根据权利要求8所述的方法，其特征在于，所述获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置，包括：
采用镜像的方式获取所述目标种植体对应的初始牙冠和所述初始牙冠的初始位置；
或者，
根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠；并根据所述目标牙冠的对牙的位置，采用镜像的方式，确定所述目标种植体对应的初始牙冠的初始位置；
或者，
根据所述目标种植体的功能位置，从预设的牙冠库中确定所述目标种植体对应的初始牙冠；并根据所述口腔组织模型的牙弓线，确定所述目标种植体对应的初始牙冠的初始位置。
10.根据权利要求6所述的方法，其特征在于，所述根据预设的调整规则调整所述第一位姿和/或所述第一种植体，以确定所述目标种植体和所述目标种植体的目标位姿，包括：
根据预设的调整规则调整所述第一位姿和/或所述第一种植体，确定多个第二位姿和对应的多个第二种植体；
获取每个所述第二位姿和所述第二种植体对应的安全信息；所述安全信息包括种植体与邻牙的距离、种植体与唇/鄂的距离、种植体与神经的距离、种植体与骨面的距离、种植体与骨头的接触面积以及种植体的中轴线否穿过牙冠表面的中心区域中的至少一种；
确定安全信息等级最高的第二位姿为所述目标位姿，确定安全信息等级最高对应的第二种植体为所述目标种植体。
11.根据权利要求3所述的方法，其特征在于，若所述待种植牙齿的数量为多颗，所述根据所述待种植牙齿的数量、所述待种植牙齿的功能位置和预设的定位规则，确定所述目标种植体和所述目标种植体的目标位姿，包括：
根据所述待种植牙齿的牙根间距、预设的牙根间距阈值以及待种植牙齿的数量，确定所述目标种植体的数量；
根据每个待种植牙齿的功能位置和所述预设的定位规则，获取每个所述待种植牙齿对应的第三种植体和所述第三种植体的第三位姿；
根据所述目标种植体的数量、各所述第三种植体以及所述第三种植体的第三位姿，确定所述目标种植体和所述目标种植体的目标位姿。
12.根据权利要求1所述的方法，其特征在于，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿，包括：
接收用户基于所述口腔组织模型所输入的初始种植体和所述初始种植体的初始位姿；
判断所述初始种植体和所述初始种植体的初始位姿，是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求；
若是，则将所述初始种植体确定为所述目标种植体，并将所述初始位姿确定为所述初始种植体的目标位姿；
若否，则输出提示信息。
13.根据权利要求1所述的方法，其特征在于，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿，包括：
根据所述口腔组织模型中的组织分布，采用预设的定位模型，确定所述目标种植体和所述目标种植体的目标位姿；其中，所述定位模型是对所述口腔数字医疗影像进行深度学习训练得到的模型。
14.根据权利要求13所述的方法，其特征在于，根据所述口腔组织模型中的组织分布，采用预设的定位模型，确定所述目标种植体和所述目标种植体的目标位姿之前，包括：
将口腔数字医疗训练图像输入初始定位模型，采用深度学习的算法，确定所述初始定位模型中的模型参数的实际值；其中，所述初始组织识别模型包括模型参数的初始值；
将所述模型参数的初始值替换为所述模型参数的实际值，得到所述定位模型。
15.根据权利要求13所述的方法，其特征在于，所述口腔数字医疗训练图像包括对种植体和种植体的位姿进行标定的训练图像；所述模型参数包括种植体定位参数。
16.根据权利要求13所述的方法，其特征在于，所述口腔数字医疗训练图像包括对种植体、种植体的位姿和组织进行标定的训练图像；所述模型参数包括种植体定位参数和组织分割参数。
17.根据权利要求13所述的方法，其特征在于，所述根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿之后，包括：
判断所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求；
若否，则调整所述定位模型的模型参数。
18.根据权利要求1所述的方法，其特征在于，所述采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型之前，包括：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值；
将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
19.根据权利要求8-18任一项所述的方法，其特征在于，所述方法还包括：
接收用户输入的种植体调整信息；所述种植体调整信息包括调整种植体的数量、位姿、规格、型号、厂家和材料中的至少一种；
根据所述种植体调整信息调整所述目标种植体和所述目标种植体的目标位姿。
20.根据权利要求19所述的方法，其特征在于，所述方法还包括：判断调整后的所述目标种植体和所述目标种植体的目标位姿是否满足预设的安全规则；所述安全规则用于判断种植体是否符合种植要求。
21.根据权利要求20所述的方法，其特征在于，所述方法还包括：输出提示信息。
22.一种口腔组织识别模型建立方法，其特征在于，所述方法包括：
将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织识别参数的实际值；其中，所述初始组织识别模型为神经网络模型，包括组织识别参数的初始值；
将所述组织识别参数的初始值替换为所述组织识别参数的实际值，得到所述组织识别模型。
23.一种口腔种植体定位装置，其特征在于，所述装置包括：第一获取模块和第一处理模块；
所述第一获取模块，用于采用预设的组织识别模型，对口腔数字医疗影像进行识别处理，获取口腔组织模型；
所述第一处理模块，用于根据所述口腔组织模型，确定目标种植体和所述目标种植体的目标位姿。
24.一种口腔组织识别模型建立装置，其特征在于，所述装置包括：第六处理模块和第七处理模块；
所述第六处理模块，用于将所述口腔数字医疗训练图像输入初始组织识别模型，采用深度学习的算法，确定所述初始组织识别模型中的组织分割参数的实际值；其中，所述初始组织识别模型包括组织分割参数的初始值；
所述第七处理模块，用于将所述组织分割参数的初始值替换为所述组织分割参数的实际值，得到所述组织识别模型。
25.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至21中任一项所述方法的步骤。
26.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求22所述方法的步骤。
27.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至21中任一项所述的方法的步骤。
28.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求22所述的方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811251095.9A CN111105458A (zh) | 2018-10-25 | 2018-10-25 | 口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 |
| PCT/CN2018/118021 WO2020082500A1 (zh) | 2018-10-25 | 2018-11-28 | 口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811251095.9A CN111105458A (zh) | 2018-10-25 | 2018-10-25 | 口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111105458A true CN111105458A (zh) | 2020-05-05 |
Family
ID=70331289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811251095.9A Pending CN111105458A (zh) | 2018-10-25 | 2018-10-25 | 口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111105458A (zh) |
| WO (1) | WO2020082500A1 (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112022387A (zh) * | 2020-08-27 | 2020-12-04 | 北京大学口腔医学院 | 一种种植体的定位方法、装置、设备及存储介质 |
| CN113112477A (zh) * | 2021-04-15 | 2021-07-13 | 中山大学附属口腔医院 | 一种基于人工智能的前牙即刻种植测量分析方法 |
| TWI756857B (zh) * | 2020-09-30 | 2022-03-01 | 洪宗甫 | 植牙輔具及其製造方法 |
| CN114748201A (zh) * | 2022-04-19 | 2022-07-15 | 深圳广成创新技术有限公司 | 一种牙科种植体的三维参数的获取方法、装置 |
| CN115998426A (zh) * | 2023-01-03 | 2023-04-25 | 北京瑞医博科技有限公司 | 牙齿种植规划方法、装置、电子设备及计算机存储介质 |
| CN116211458A (zh) * | 2022-12-12 | 2023-06-06 | 高峰医疗器械(无锡)有限公司 | 种植体规划方法、装置、设备及存储介质 |
| CN116485744A (zh) * | 2023-04-19 | 2023-07-25 | 南昌大学 | 基于深度学习的种植体识别方法、设备、介质和程序产品 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101828974A (zh) * | 2010-05-27 | 2010-09-15 | 南京医科大学附属口腔医院 | 种植义齿个性化定位导板的制造方法 |
| CN101977564A (zh) * | 2008-01-29 | 2011-02-16 | 矫正技术公司 | 用于优化牙科矫正器几何形状的方法和系统 |
| CN104378038A (zh) * | 2014-11-18 | 2015-02-25 | 东华大学 | 基于人工神经网络的永磁同步电机参数辨识方法 |
| CN104615589A (zh) * | 2015-02-15 | 2015-05-13 | 百度在线网络技术（北京）有限公司 | 训练命名实体识别模型的方法、命名实体识别方法及装置 |
| CN104939938A (zh) * | 2015-07-24 | 2015-09-30 | 天津市亨达升科技股份有限公司 | 牙位缺失数字化口腔种植定位器二次拟合制造方法 |
| CN107260335A (zh) * | 2017-06-26 | 2017-10-20 | 达理 | 一种基于人工智能的牙列畸形自动化分类和设计方法 |
| CN108416440A (zh) * | 2018-03-20 | 2018-08-17 | 上海未来伙伴机器人有限公司 | 一种神经网络的训练方法、物体识别方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI284030B (en) * | 2005-12-29 | 2007-07-21 | Pou Yuen Technology Co Ltd | Manufacture method of tooth implant veneer |
| KR101057762B1 (ko) * | 2009-08-19 | 2011-08-19 | 주식회사바텍 | 보철을 위한 치아 모델 처리 장치와 그 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록매체 |
| CN102293682A (zh) * | 2011-09-06 | 2011-12-28 | 天津市亨达升科技发展有限公司 | 一种数字化植牙与口腔种植定位器设计方法及系统 |
| CN105931523A (zh) * | 2016-07-04 | 2016-09-07 | 边专 | 仿真模拟牙齿种植的训练方法 |
| CN108335733B (zh) * | 2018-01-09 | 2022-02-22 | 上海舍成医疗器械有限公司 | 提取ct数据的方法及其在制定种植计划中的应用 |
-
2018
- 2018-10-25 CN CN201811251095.9A patent/CN111105458A/zh active Pending
- 2018-11-28 WO PCT/CN2018/118021 patent/WO2020082500A1/zh active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101977564A (zh) * | 2008-01-29 | 2011-02-16 | 矫正技术公司 | 用于优化牙科矫正器几何形状的方法和系统 |
| CN101828974A (zh) * | 2010-05-27 | 2010-09-15 | 南京医科大学附属口腔医院 | 种植义齿个性化定位导板的制造方法 |
| CN104378038A (zh) * | 2014-11-18 | 2015-02-25 | 东华大学 | 基于人工神经网络的永磁同步电机参数辨识方法 |
| CN104615589A (zh) * | 2015-02-15 | 2015-05-13 | 百度在线网络技术（北京）有限公司 | 训练命名实体识别模型的方法、命名实体识别方法及装置 |
| CN104939938A (zh) * | 2015-07-24 | 2015-09-30 | 天津市亨达升科技股份有限公司 | 牙位缺失数字化口腔种植定位器二次拟合制造方法 |
| CN107260335A (zh) * | 2017-06-26 | 2017-10-20 | 达理 | 一种基于人工智能的牙列畸形自动化分类和设计方法 |
| CN108416440A (zh) * | 2018-03-20 | 2018-08-17 | 上海未来伙伴机器人有限公司 | 一种神经网络的训练方法、物体识别方法及装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112022387A (zh) * | 2020-08-27 | 2020-12-04 | 北京大学口腔医学院 | 一种种植体的定位方法、装置、设备及存储介质 |
| TWI756857B (zh) * | 2020-09-30 | 2022-03-01 | 洪宗甫 | 植牙輔具及其製造方法 |
| CN113112477A (zh) * | 2021-04-15 | 2021-07-13 | 中山大学附属口腔医院 | 一种基于人工智能的前牙即刻种植测量分析方法 |
| CN114748201A (zh) * | 2022-04-19 | 2022-07-15 | 深圳广成创新技术有限公司 | 一种牙科种植体的三维参数的获取方法、装置 |
| CN116211458A (zh) * | 2022-12-12 | 2023-06-06 | 高峰医疗器械(无锡)有限公司 | 种植体规划方法、装置、设备及存储介质 |
| CN116211458B (zh) * | 2022-12-12 | 2023-10-03 | 高峰医疗器械(无锡)有限公司 | 种植体规划方法、装置、设备及存储介质 |
| CN115998426A (zh) * | 2023-01-03 | 2023-04-25 | 北京瑞医博科技有限公司 | 牙齿种植规划方法、装置、电子设备及计算机存储介质 |
| CN116485744A (zh) * | 2023-04-19 | 2023-07-25 | 南昌大学 | 基于深度学习的种植体识别方法、设备、介质和程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020082500A1 (zh) | 2020-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111105458A (zh) | 口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 | |
| US11596499B2 (en) | Dental appliance with cavity for an unerupted or erupting tooth | |
| US11793605B2 (en) | Apparatus and methods for orthodontic treatment planning | |
| US11045281B2 (en) | Digital orthodontic setup using a prescribed ideal arch form | |
| JP5671734B2 (ja) | 顔面解析を用いた特注歯セットアップのコンピュータ支援作成 | |
| TWI578964B (zh) | 產生假體影像之方法與系統 | |
| KR102248604B1 (ko) | 최적화된 어버트먼트 및 보철물 수복 유형 설계를 위한 임플란트 식립 설계장치 및 그 방법 | |
| KR20200046843A (ko) | 치아 교정 임상 빅데이터를 이용한 투명 교정 모델 설정 장치, 그 방법 및 프로그램 | |
| US11903780B2 (en) | Method for designing a dental component | |
| KR102221530B1 (ko) | 인접치 및 대합치와의 관계를 반영하여 크라운 위치를 결정하는 치과 임플란트 수술용 가이드 디자인 방법 및 그 장치 | |
| KR102250520B1 (ko) | 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치 | |
| KR20190008686A (ko) | 치과용 서지컬 가이드 설계 방법, 이를 위한 장치, 및 이를 기록한 기록매체 | |
| KR102410408B1 (ko) | 최적화된 어버트먼트를 제안하는 임플란트 수술용 가이드 디자인 방법 및 그 장치 | |
| JP4738152B2 (ja) | 歯科治療を支援するシミュレーションプログラム | |
| KR102347493B1 (ko) | 치아 배열 디자인 방법 및 그 장치 | |
| KR20200084982A (ko) | 위험 인자를 고려한 픽스쳐 자동 식립이 가능한 치과용 임플란트 시술 계획 방법 및 그 장치 | |
| WO2020108331A1 (zh) | 牙齿矫正器模型确定方法、装置、计算机设备和存储介质 | |
| EP3581142A1 (en) | Method for providing a dental prosthesis prototype | |
| EP4209194A1 (en) | Dental implantation assessment method for implant dentistry | |
| JP7507135B2 (ja) | 推定装置、推定方法、および推定プログラム | |
| KR102418809B1 (ko) | 인레이/온레이 마진라인 디자인 방법 및 그 장치 | |
| KR102482953B1 (ko) | 덴탈 아치를 획득하는 방법, 디바이스 및 기록매체에 저장된 컴퓨터 프로그램 | |
| KR102431223B1 (ko) | 덴탈 아치를 획득하는 디바이스 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200505 |
|
| RJ01 | Rejection of invention patent application after publication |