CN111709959B - 一种口腔正畸数字化智能诊断方法 - Google Patents
一种口腔正畸数字化智能诊断方法 Download PDFInfo
- Publication number
- CN111709959B CN111709959B CN202010579510.4A CN202010579510A CN111709959B CN 111709959 B CN111709959 B CN 111709959B CN 202010579510 A CN202010579510 A CN 202010579510A CN 111709959 B CN111709959 B CN 111709959B
- Authority
- CN
- China
- Prior art keywords
- model
- dimensional
- tooth
- teeth
- characteristic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 47
- 201000010099 disease Diseases 0.000 claims abstract description 39
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 39
- 238000007408 cone-beam computed tomography Methods 0.000 claims abstract description 22
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 210000004872 soft tissue Anatomy 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 210000001519 tissue Anatomy 0.000 claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 210000000214 mouth Anatomy 0.000 claims description 27
- 238000010276 construction Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 208000032170 Congenital Abnormalities Diseases 0.000 claims description 10
- 210000000988 bone and bone Anatomy 0.000 claims description 10
- 206010061619 Deformity Diseases 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 210000004373 mandible Anatomy 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 6
- 210000004513 dentition Anatomy 0.000 claims description 6
- 210000002050 maxilla Anatomy 0.000 claims description 6
- 230000036346 tooth eruption Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000013334 tissue model Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G06T3/02—
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C7/00—Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
- A61C7/002—Orthodontic computer assisted systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C7/00—Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
- A61C7/002—Orthodontic computer assisted systems
- A61C2007/004—Automatic construction of a set of axes for a tooth or a plurality of teeth
-
- 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
Abstract
本发明公开了一种口腔正畸数字化智能诊断方法，通过三维扫描和CBCT影像数据，进行牙齿分割，根据主要牙齿的部位特征，构建三维牙床模型，以软组织特征、CBCT头影测量硬组织特征、三维牙床模型特征等三个维度特征作为病例分类特征，建立病例数据库，基于深度学习方法，实现病症自动化诊断，基于牙齿治疗过程的碰撞检测机制，建立三维可视化动态治疗过程模拟方法。本发明所述的一种口腔正畸数字化智能诊断方法，其结构合理，具有使用方便、诊断准确率高等优点，有效解决传统口腔正畸诊断不准确的问题。
Description
技术领域
本发明涉及口腔医疗领域，尤其是涉及一种口腔正畸数字化智能诊断方法。
背景技术
口腔正畸又称牙齿矫正，口腔正畸包括范围较广，通常是指通过口腔技术手段，修整牙齿排列不齐、牙齿形态异常、牙齿色泽异常的治疗过程。在传统的口腔正畸治疗过程中，一般通过临床检查结合患者的病史进行诊断，依据诊断结果确定治疗方法后，直接进行正畸，在正畸操作过程中再视具体情况进行调整。该诊断方法的弊端在于，牙齿大部分包裹于牙床内，普通的临床检查很难发现被包裹部分的牙齿的具体情况，而病史可能与患者现在的情况已有区别，导致诊断不准确，影响正畸方案的制定，在正畸操作时无法预料可能出现的各种小状况，为了克服这些小状况很可能导致正畸效果不佳，甚至出现新的缺陷。
发明内容
本发明要解决的技术问题是：为了克服上述中存在的问题，提供了一种口腔正畸数字化智能诊断方法，其结构合理，具有使用方便、诊断准确率高等优点，有效解决传统口腔正畸诊断不准确的问题。
本发明解决其技术问题所采用的技术方案是：一种口腔正畸数字化智能诊断方法，包括如下步骤：
（1）基于CBCT与三维扫描融合的三维牙床模型构建
（1.1）对患者上颌骨、下颌骨以及牙齿进行CBCT扫描，得到包含牙齿、上颌骨以及下颌骨的口腔内层三维模型，再通过三维扫描患者口腔，得到包含牙齿和牙床表面形态的口腔表面三维模型；口腔内层三维模型实质上是患者口腔的硬组织模型特征，口腔内层三维模型与口腔表面三维模型匹配重叠，再去除口腔内层三维模型，剩下的就是软组织特征模型；
（1.2）通过CBCT影像的刚性变换矩阵求解方法，构建基于仿射不变性的四点共面集，所述四点共面集用于记录牙齿之间的原始位置关系；通过分析仿射变换不变性点集，建立基于口腔内层三维模型的牙列配准模型，以及每颗牙齿分割后的牙齿分割模型，并对每颗牙齿按序编号存档；
（1.3）通过三角网格演化法重新构建三维牙床模型，三维牙床模型包含内层三维模型中上下颌骨部分、按照牙列配准模型排列的每颗牙齿的牙齿分割模型、口腔表面三维模型的软组织部分；
（2）基于多维特征的病例数据库构建
（2.1）以软组织特征、CBCT投影测量硬组织特征、三维牙床模型特征三个维度特征作为病例的分类依据，构建特征值的三元组序列，分析两两特征值之间的关联性，建立各维度特征的关联性序列；
（2.2）构建基于各维度特征关联性序列的病例特征矩阵，建立加权矩阵分解的目标函数，通过基于随机梯度下降算法的目标函数求解方法，建立基于病例特征权重的分类策略，根据特征权重分类策略将病例资料分类存储于数据库中；
（3）基于深度学习的病症自动化诊断模型的构建
（3.1）通过自适应深度神经网络对病例库特征的训练，分析卷积层、池化层和全连接层与病例库特征识别的映射关系，从而达到病例匹配的目的，构建智能诊断模型基础；
（3.2）通过自适应深度神经网络的归一化处理方法，通过采用参数化线性修正单元作为神经元的非线性激活函数，建立自适应深度神经网络参数的动态补偿机制，完成智能诊断模型的构建；
（3.3）病症自动化诊断模型通过对不同分类下的病例治疗方案进行学习整合，生成对应特征的治疗方案集合；
（4）基于病症自动化诊断模型的动态治疗过程模拟
（4.1）结合患者CBCT与三维扫描得到的三大特征数据，病症自动化诊断模型判断患者相应特征是否存在畸形，并根据对应特征的治疗方案集合给出整体治疗方案，所述整体治疗方案是由患者所有畸形特征矫正方案经过相互协调得到；
（4.2）在三维牙床模型上建立椭球形模型，在上下牙齿咬合时该椭球形模型表面应抵接病例整齐排列的牙齿内侧，过上下牙齿咬合面生成一个过椭球形模型的水平切面，并以每一颗牙齿沿该椭球形模型水平切面边沿整齐排列作为矫正目标；
（4.3）病症自动化诊断模型通过基于OBB包围盒的三维空间碰撞检测方法，构建基于分离轴的OBB包围盒碰撞机制，建立OBB包围盒时协方差矩阵计算的特征向量，实现牙齿矫正治疗过程中的牙齿与牙齿、牙齿与牙槽骨的碰撞检测；
（4.4）病症自动化诊断模型在三维牙床模型上，确定牙冠在牙齿上的安装位置，结合碰撞检测结果通过移动、旋转、移除或切除部分牙齿分割模型结构的方式，使牙齿分割模型沿椭球形模型水平切面边沿整齐排列；
（4.5）病症自动化诊断模型通过平面分割算法确定牙冠的分割方法，结合每颗牙齿在三维空间中的动态位置和碰撞检测结果，计算三维空间牙齿移动量和三维空间牙齿旋转量，实现动态治疗过程的三维可视化模拟；
（4.6）病症自动化诊断模型通过CAE软件分析步骤（4.4）中内力和外力因素对三维牙床模型上三角网格平滑度和连续性的影响，检查牙齿、牙床是否满足矫正目标，如不满足则继续步骤（4.4），如满足则继续下一步骤；
（4.7）病症自动化诊断模型通过CAE软件分析内外作用力在后期是否会导致牙齿、牙床的二次畸形，如果会则继续步骤（4.4），如不会则继续下一步骤；
（4.8）病症自动化诊断模型通过CAE软件计算步骤（4.4）完成调整完成后每颗牙齿和牙槽骨的的受力极限，检查步骤（4.4）对牙齿调整后，牙齿和牙槽骨所受的内力和外力是否在可承受的极限范围内，若不在极限范围内则继续步骤（4.4），在极限范围内则继续下一步骤；
（4.9）病症自动化诊断模型输出可行的治疗方案，并将治疗方案存入相应的数据库分类中，所述治疗方案包括每颗牙齿相应的移动量、移动方向、旋转角度、旋转方向、是否移除、是否去除部分结构以及去除部分的位置信息；
（4.10）根据病症自动化诊断模型输出的可行治疗方案对患者进行治疗。
本发明的有益效果是：
1.通过CBCT扫描对患者牙齿根部进行检查，使得诊断更加正确。
2.以软组织特征、CBCT头影测量硬组织特征、三维牙床模型特征三个维度特征为分类依据建立数据库，分析两两特征值之间的关联性，方便调取和查看相似病历。
3.通过自适应深度神经网络对病例库特征的训练，建立自适应深度神经网络参数的动态补偿机制，完成智能诊断模型的构建，实现病症自动化诊断，自动生成治疗方案。
4.在三维扫描模型上分析牙齿受内里和外力作用下的形状变化，以此确定牙冠的配准和分割方法，方便治疗方案的制定。
5.结合每颗牙齿在三维空间中的动态位置和碰撞检测结果，计算三维空间牙齿移动量和三维空间牙齿旋转量，建立牙齿治疗过程中的动态运动三维可视化模拟策略，实现动态治疗过程的三维可视化模拟，避免正畸操作时出现新状况导致正畸效果不佳的情况发生。
具体实施方式
现在结合实施例对本发明作进一步详细的说明。
一种口腔正畸数字化智能诊断方法，包括如下步骤：
（1）基于CBCT与三维扫描融合的三维牙床模型构建
（1.1）对患者上颌骨、下颌骨以及牙齿进行CBCT扫描，得到包含牙齿、上颌骨以及下颌骨的口腔内层三维模型，再通过三维扫描患者口腔，得到包含牙齿和牙床表面形态的口腔表面三维模型；口腔内层三维模型实质上是患者口腔的硬组织特征模型，口腔内层三维模型与口腔表面三维模型匹配重叠，再去除口腔内层三维模型，剩下的就是软组织特征模型；
（1.2）通过CBCT影像的刚性变换矩阵求解方法，构建基于仿射不变性的四点共面集，所述四点共面集用于记录牙齿之间的原始位置关系；通过分析仿射变换不变性点集，建立基于口腔内层三维模型的牙列配准模型，即牙齿间的装配模型，以及每颗牙齿分割后的牙齿分割模型，即每颗牙齿的模型，并对每颗牙齿按序编号存档；
（1.3）通过三角网格演化法重新构建三维牙床模型，三维牙床模型包含内层三维模型中上下颌骨部分、按照牙列配准模型排列的每颗牙齿的牙齿分割模型、口腔表面三维模型的软组织部分；
（2）基于多维特征的病例数据库构建
（2.1）以软组织特征、CBCT投影测量硬组织特征、三维牙床模型特征三个维度特征作为病例的分类依据，构建特征值的三元组序列，分析两两特征值之间的关联性，建立各维度特征的关联性序列；
简单来说就是以病例三大特征作为分类存档的主要依据，然后研究三种特征之间的关联性，如存在软组织缺陷的病例是否存在硬组织缺陷，在出现软组织缺陷的同时存在硬组织缺陷的概率是多少，在出现软组织缺陷的同时三维牙床模型特征是否存在缺陷，出现的概率是多少，即同一分类下的病例中是否存在另外两种特征的畸形或者缺陷，并分析这两种特征缺陷存在概率的大小，按照概率大小排序生成关联性序列；
（2.2）构建基于各维度特征关联性序列的病例特征矩阵，建立加权矩阵分解的目标函数，通过基于随机梯度下降算法的目标函数求解方法，建立基于病例特征权重的分类策略，根据特征权重分类策略将病例资料分类存储于数据库中；
简单说就是通过算法分别计算三种特征下的关联性概率，分别建立对应三种特征缺陷的关联性序列，将所有病例三大特征缺陷的发生概率按大小排序，按照，将病例资料分类到其具有的特征缺陷种类中发生概率最大的一类中；
（3）基于深度学习的病症自动化诊断模型的构建
（3.1）通过自适应深度神经网络对病例库特征的训练，分析卷积层、池化层和全连接层与病例库特征识别的映射关系，从而达到病例匹配的目的，构建智能诊断模型基础；
（3.2）通过自适应深度神经网络的归一化处理方法，通过采用参数化线性修正单元作为神经元的非线性激活函数，建立自适应深度神经网络参数的动态补偿机制，完成智能诊断模型的构建；
（3.3）病症自动化诊断模型通过对不同分类下的病例治疗方案进行学习整合，生成对应特征的治疗方案集合；
如某一患者同时具有两项特征缺陷，病症自动化诊断模型先分析两项特征缺陷的发生概率，先从发生概率（权重）大的特征缺陷分类中调取治疗方案，然后通过关联性序列从另一特征分类下调取另一特征缺陷的治疗方案，通过整合分析，得到几种可行的治疗方案；
（4）基于病症自动化诊断模型的动态治疗过程模拟
（4.1）结合患者CBCT与三维扫描得到的三大特征数据，病症自动化诊断模型判断患者相应特征是否存在畸形，并根据对应特征的治疗方案集合给出整体治疗方案，所述整体治疗方案是由患者所有畸形特征矫正方案经过相互协调得到；
（4.2）在三维牙床模型上建立椭球形模型，在上下牙齿咬合时该椭球形模型表面应抵接病例整齐排列的牙齿内侧，过上下牙齿咬合面生成一个过椭球形模型的水平切面，并以每一颗牙齿沿该椭球形模型水平切面边沿整齐排列作为矫正目标；所述椭球形模型是由病症自动化诊断模型根据已有病例的治疗方案分析生成，或者由医生操作生成并调整得到；
（4.3）病症自动化诊断模型通过基于OBB包围盒的三维空间碰撞检测方法，构建基于分离轴的OBB包围盒碰撞机制，建立OBB包围盒时协方差矩阵计算的特征向量，实现牙齿矫正治疗过程中的牙齿与牙齿、牙齿与牙槽骨的碰撞检测；
（4.4）病症自动化诊断模型在三维牙床模型上，确定牙冠在牙齿上的安装位置，结合碰撞检测结果通过移动、旋转、移除或切除部分牙齿分割模型结构的方式，使牙齿分割模型沿椭球形模型水平切面边沿整齐排列；
（4.5）病症自动化诊断模型通过平面分割算法确定牙冠的分割方法，结合每颗牙齿在三维空间中的动态位置和碰撞检测结果，计算三维空间牙齿移动量和三维空间牙齿旋转量，实现动态治疗过程的三维可视化模拟；
（4.6）病症自动化诊断模型通过CAE软件分析步骤（4.4）中内力和外力因素对三维牙床模型上三角网格平滑度和连续性的影响，检查牙齿、牙床是否满足矫正目标，一般来说三维牙床模型上三角网格平滑度、连续性越好则矫正效果越好，牙齿排列越整齐美观，如不满足则继续步骤（4.4），如满足则继续下一步骤；
（4.7）病症自动化诊断模型通过CAE软件分析内外作用力在后期是否会导致牙齿、牙床的二次畸形，如牙冠作用在牙齿上的力是否会导致牙槽骨变形，如果会则继续步骤（4.4），如不会则继续下一步骤；
（4.8）病症自动化诊断模型通过CAE软件计算步骤（4.4）完成调整完成后每颗牙齿和牙槽骨的的受力极限，检查步骤（4.4）对牙齿调整后，牙齿和牙槽骨所受的内力和外力是否在可承受的极限范围内，避免例如牙冠作用在牙齿上的力是否会导致牙齿的崩断的情况发生，若不在极限范围内则继续步骤（4.3），在极限范围内则继续下一步骤；
（4.9）通过步骤（4.4）至步骤（4.8）的反复验证分析，病症自动化诊断模型输出可行的治疗方案，并将治疗方案存入相应的数据库分类中，所述治疗方案包括每颗牙齿相应的移动量、移动方向、旋转角度、旋转方向、是否移除、是否去除部分结构以及去除部分的位置信息；
（4.10）医生根据病症自动化诊断模型输出的可行治疗方案对患者进行治疗。
本发明通过三维扫描和CBCT影像数据，进行牙齿分割，根据主要牙齿的部位特征，构建三维牙床模型，以软组织特征、CBCT头影测量硬组织特征、三维牙床模型特征等三个维度特征作为病例分类特征，建立病例数据库，基于深度学习方法，实现病症自动化诊断，基于牙齿治疗过程的碰撞检测机制，建立三维可视化动态治疗过程模拟方法。本发明所述的一种口腔正畸数字化智能诊断方法，其结构合理，具有使用方便、诊断准确率高等优点，有效解决传统口腔正畸诊断不准确的问题。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
Claims (1)
1.一种口腔正畸数字化智能诊断方法，包括如下步骤：
（1）基于CBCT与三维扫描融合的三维牙床模型构建
（1.1）对患者上颌骨、下颌骨以及牙齿进行CBCT扫描，得到包含牙齿、上颌骨以及下颌骨的口腔内层三维模型，再通过三维扫描患者口腔，得到包含牙齿和牙床表面形态的口腔表面三维模型；口腔内层三维模型实质上是患者口腔的硬组织模型特征，口腔内层三维模型与口腔表面三维模型匹配重叠，再去除口腔内层三维模型，剩下的就是软组织特征模型；
（1.2）通过CBCT影像的刚性变换矩阵求解方法，构建基于仿射不变性的四点共面集，所述四点共面集用于记录牙齿之间的原始位置关系；通过分析仿射变换不变性点集，建立基于口腔内层三维模型的牙列配准模型，以及每颗牙齿分割后的牙齿分割模型，并对每颗牙齿按序编号存档；
（1.3）通过三角网格演化法重新构建三维牙床模型，三维牙床模型包含内层三维模型中上下颌骨部分、按照牙列配准模型排列的每颗牙齿的牙齿分割模型、口腔表面三维模型的软组织部分；
（2）基于多维特征的病例数据库构建
（2.1）以软组织特征、CBCT投影测量硬组织特征、三维牙床模型特征三个维度特征作为病例的分类依据，构建特征值的三元组序列，分析两两特征值之间的关联性，建立各维度特征的关联性序列；
（2.2）构建基于各维度特征关联性序列的病例特征矩阵，建立加权矩阵分解的目标函数，通过基于随机梯度下降算法的目标函数求解方法，建立基于病例特征权重的分类策略，根据特征权重分类策略将病例资料分类存储于数据库中；
（3）基于深度学习的病症自动化诊断模型的构建
（3.1）通过自适应深度神经网络对病例库特征的训练，分析卷积层、池化层和全连接层与病例库特征识别的映射关系，从而达到病例匹配的目的，构建智能诊断模型基础；
（3.2）通过自适应深度神经网络的归一化处理方法，通过采用参数化线性修正单元作为神经元的非线性激活函数，建立自适应深度神经网络参数的动态补偿机制，完成智能诊断模型的构建；
（3.3）病症自动化诊断模型通过对不同分类下的病例治疗方案进行学习整合，生成对应特征的治疗方案集合；
（4）基于病症自动化诊断模型的动态治疗过程模拟
（4.1）结合患者CBCT与三维扫描得到的三大特征数据，病症自动化诊断模型判断患者相应特征是否存在畸形，并根据对应特征的治疗方案集合给出整体治疗方案，所述整体治疗方案是由患者所有畸形特征矫正方案经过相互协调得到；
（4.2）在三维牙床模型上建立椭球形模型，在上下牙齿咬合时该椭球形模型表面应抵接病例整齐排列的牙齿内侧，过上下牙齿咬合面生成一个过椭球形模型的水平切面，并以每一颗牙齿沿该椭球形模型水平切面边沿整齐排列作为矫正目标；
（4.3）病症自动化诊断模型通过基于OBB包围盒的三维空间碰撞检测方法，构建基于分离轴的OBB包围盒碰撞机制，建立OBB包围盒时协方差矩阵计算的特征向量，实现牙齿矫正治疗过程中的牙齿与牙齿、牙齿与牙槽骨的碰撞检测；
（4.4）病症自动化诊断模型在三维牙床模型上，确定牙冠在牙齿上的安装位置，结合碰撞检测结果通过移动、旋转、移除或切除部分牙齿分割模型结构的方式，使牙齿分割模型沿椭球形模型水平切面边沿整齐排列；
（4.5）病症自动化诊断模型通过平面分割算法确定牙冠的分割方法，结合每颗牙齿在三维空间中的动态位置和碰撞检测结果，计算三维空间牙齿移动量和三维空间牙齿旋转量，实现动态治疗过程的三维可视化模拟；
（4.6）病症自动化诊断模型通过CAE软件分析步骤（4.4）中内力和外力因素对三维牙床模型上三角网格平滑度和连续性的影响，检查牙齿、牙床是否满足矫正目标，如不满足则继续步骤（4.4），如满足则继续下一步骤；
（4.7）病症自动化诊断模型通过CAE软件分析内外作用力在后期是否会导致牙齿、牙床的二次畸形，如果会则继续步骤（4.4），如不会则继续下一步骤；
（4.8）病症自动化诊断模型通过CAE软件计算步骤（4.4）完成调整完成后每颗牙齿和牙槽骨的的受力极限，检查步骤（4.4）对牙齿调整后，牙齿和牙槽骨所受的内力和外力是否在可承受的极限范围内，若不在极限范围内则继续步骤（4.4），在极限范围内则继续下一步骤；
（4.9）病症自动化诊断模型输出可行的治疗方案，并将治疗方案存入相应的数据库分类中，所述治疗方案包括每颗牙齿相应的移动量、移动方向、旋转角度、旋转方向、是否移除、是否去除部分结构以及去除部分的位置信息；
（4.10）根据病症自动化诊断模型输出的可行治疗方案对患者进行治疗。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010579510.4A CN111709959B (zh) | 2020-06-23 | 2020-06-23 | 一种口腔正畸数字化智能诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010579510.4A CN111709959B (zh) | 2020-06-23 | 2020-06-23 | 一种口腔正畸数字化智能诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111709959A CN111709959A (zh) | 2020-09-25 |
| CN111709959B true CN111709959B (zh) | 2022-07-15 |
Family
ID=72542193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010579510.4A Active CN111709959B (zh) | 2020-06-23 | 2020-06-23 | 一种口腔正畸数字化智能诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111709959B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112308867B (zh) * | 2020-11-10 | 2022-07-22 | 上海商汤智能科技有限公司 | 牙齿图像的处理方法及装置、电子设备和存储介质 |
| CN113488161A (zh) * | 2021-07-05 | 2021-10-08 | 中国人民解放军总医院第一医学中心 | 颞下颌关节紊乱病治疗方案推荐设备、装置和存储介质 |
| CN114582498A (zh) * | 2022-05-09 | 2022-06-03 | 阿里健康科技(杭州)有限公司 | 矫正方案的生成方法、展示方法、装置和计算机设备 |
| CN115983082B (zh) * | 2023-03-20 | 2023-05-23 | 佛山科学技术学院 | 预测口腔正畸治疗后牙齿模型生成方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014205128A1 (en) * | 2013-06-18 | 2014-12-24 | Duke University | Systems and methods for specifying treatment criteria and treatment parameters for patient specific radiation therapy planning |
| WO2018022752A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
| CN108735292A (zh) * | 2018-04-28 | 2018-11-02 | 四川大学 | 基于人工智能的可摘局部义齿方案决策方法和系统 |
| CN109363786A (zh) * | 2018-11-06 | 2019-02-22 | 上海牙典软件科技有限公司 | 一种牙齿正畸矫治数据获取方法及装置 |
| CN110292449A (zh) * | 2019-06-06 | 2019-10-01 | 杭州口腔医院集团有限公司 | 一种适用于中国人的无牙种植即刻负荷个性化三维数字排牙方法 |
-
2020
- 2020-06-23 CN CN202010579510.4A patent/CN111709959B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014205128A1 (en) * | 2013-06-18 | 2014-12-24 | Duke University | Systems and methods for specifying treatment criteria and treatment parameters for patient specific radiation therapy planning |
| WO2018022752A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
| CN108735292A (zh) * | 2018-04-28 | 2018-11-02 | 四川大学 | 基于人工智能的可摘局部义齿方案决策方法和系统 |
| CN109363786A (zh) * | 2018-11-06 | 2019-02-22 | 上海牙典软件科技有限公司 | 一种牙齿正畸矫治数据获取方法及装置 |
| CN110292449A (zh) * | 2019-06-06 | 2019-10-01 | 杭州口腔医院集团有限公司 | 一种适用于中国人的无牙种植即刻负荷个性化三维数字排牙方法 |
Non-Patent Citations (1)
| Title |
|---|
| 口腔患者3D数字化牙颌模型数据库的临床应用;周微等;《数理医药学杂志》;20180911(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111709959A (zh) | 2020-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709959B (zh) | 一种口腔正畸数字化智能诊断方法 | |
| US11651494B2 (en) | Apparatuses and methods for three-dimensional dental segmentation using dental image data | |
| US11957541B2 (en) | Machine learning scoring system and methods for tooth position assessment | |
| US20200402647A1 (en) | Dental image processing protocol for dental aligners | |
| US11744682B2 (en) | Method and device for digital scan body alignment | |
| US11398013B2 (en) | Generative adversarial network for dental image super-resolution, image sharpening, and denoising | |
| US11367188B2 (en) | Dental image synthesis using generative adversarial networks with semantic activation blocks | |
| JP5859542B2 (ja) | ３次元容積から画像を生成するための方法 | |
| WO2023202143A1 (zh) | 基于深度学习的牙齿修复体自动设计方法及系统 | |
| CN113679500A (zh) | 一种基于ai算法的龋病和牙菌斑检测其分布方法 | |
| Choi et al. | Possibilities of artificial intelligence use in orthodontic diagnosis and treatment planning: Image recognition and three-dimensional VTO | |
| CN112785609A (zh) | 一种基于深度学习的cbct牙齿分割方法 | |
| Tian et al. | A dual discriminator adversarial learning approach for dental occlusal surface reconstruction | |
| Deleat-Besson et al. | Automatic segmentation of dental root canal and merging with crown shape | |
| CN111275808B (zh) | 一种牙齿正畸模型的建立方法及装置 | |
| CN116246779B (zh) | 基于用户影像数据的牙科诊疗方案生成方法及系统 | |
| CN116823729A (zh) | 基于SegFormer和口腔曲面断层片的牙槽骨吸收判断方法 | |
| KR102448169B1 (ko) | 딥러닝 기반 치아 교정치료 결과 예측 방법 및 장치 | |
| US11488305B2 (en) | Segmentation device | |
| EP4307229A1 (en) | Method and system for tooth pose estimation | |
| CN114463328B (zh) | 一种自动化正畸难度系数评估方法 | |
| US20220361992A1 (en) | System and Method for Predicting a Crown and Implant Feature for Dental Implant Planning | |
| US20230051400A1 (en) | System and Method for Fusion of Volumetric and Surface Scan Images | |
| Widiasri et al. | Alveolar Bone and Mandibular Canal Segmentation on Cone Beam Computed Tomography Images Using U-Net | |
| KR20230041560A (ko) | 인공신경망 학습을 통한 하치조 신경 추론 장치 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |