CN113096236B - 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法 - Google Patents

用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法 Download PDF

Info

Publication number
CN113096236B
CN113096236B CN202110308349.1A CN202110308349A CN113096236B CN 113096236 B CN113096236 B CN 113096236B CN 202110308349 A CN202110308349 A CN 202110308349A CN 113096236 B CN113096236 B CN 113096236B
Authority
CN
China
Prior art keywords
virtual
matrix
data
model
dental articulator
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
Application number
CN202110308349.1A
Other languages
English (en)
Other versions
CN113096236A (zh
Inventor
牛东平
牛力
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Liaison Dental Technology Co Ltd
Original Assignee
Beijing Liaison Dental Technology Co Ltd
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 Beijing Liaison Dental Technology Co Ltd filed Critical Beijing Liaison Dental Technology Co Ltd
Priority to CN202110308349.1A priority Critical patent/CN113096236B/zh
Publication of CN113096236A publication Critical patent/CN113096236A/zh
Application granted granted Critical
Publication of CN113096236B publication Critical patent/CN113096236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/21—Collision detection, intersection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Dental Prosthetics (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

本发明提供了一种用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，包括以下步骤：S100采用辅助设计软件构建三维的虚拟牙合架初步模型；S200检测记录并保存患者的上颌、下颌和颞下颌关节的骨架数据；以及咀嚼运动的三维轨迹数据；S300结合患者的骨架数据和咀嚼运动的三维轨迹数据，自动对虚拟牙合架初步模型进行虚拟调牙合优化处理，得到具有患者个性化特征的三维虚拟牙合架模型。本发明通过采集患者个性化的上颌、下颌和颞下颌关节的骨架数据和咀嚼特征运动，实现精确定量的虚拟咬合自动检测和自动虚拟调牙合，避免患者试戴修复体时反复调磨，从而大大提高了修复体制作的精度与效率。

Description

用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法
技术领域
本发明涉及虚拟牙合架设计技术领域，特别涉及一种用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法。
背景技术
牙合架又称咬合器，是模仿人体上下颌和颞下颌关节，藉以固定上下颌模型和牙合托，并可在一定程度上模拟下颌的运动的一种仪器。可通过将患者的模型固定到牙合架，并将患者上下颌高度、颌位关系转移到牙合架上，也可借助于面弓将患者上颌对颞下颌关节的固有位置关系，转移至牙合架上而保持稳定不变，以便在口外进行排牙、上蜡、制作蜡型、调牙合等义齿制作工序。可用来制作全口义齿、可摘局部义齿、嵌体、冠、固定桥及种植义齿等，在牙合架上完成的各种义齿能符合或接近患者的实际情况。
制作牙合架一般会先进行虚拟牙合架设计，虚拟牙合架设计情况会直接影响到牙合架与患者上下颌和颞下颌关节的符合或接近程度。然而，目前采用的虚拟牙合架设计方法，制作的牙合架与患者上下颌和颞下颌关节的符合程度不高，无法精确模拟或者反映牙齿冠桥功能性咬合动作，往往需要进行反复多次的调整修正，才能用于牙齿冠桥功能性咬合面，还容易被人为因素影响，另外在患者试戴修复体时反复调磨也容易造成患者的不良体验。
发明内容
为了解决上述技术问题，本发明提供了一种用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，包括以下步骤：
S100采用辅助设计软件构建三维的虚拟牙合架初步模型；
S200检测记录并保存患者的上颌、下颌和颞下颌关节的骨架数据；以及咀嚼运动的三维轨迹数据；
S300结合患者的骨架数据和咀嚼运动的三维轨迹数据，自动对虚拟牙合架初步模型进行虚拟调牙合优化处理，得到具有患者个性化特征的三维虚拟牙合架模型。
可选的，在S100步骤中，所述辅助设计软件采用CAD或者CAM软件。
可选的，在S200步骤中，检测患者的上颌、下颌和颞下颌关节的骨架数据采用超声波成像方式或者CT影像设备或者核磁设备。
可选的，在S200步骤中，咀嚼运动的三维轨迹数据采用运动轨迹分析仪检测获取。
可选的，在S100步骤中，所述虚拟牙合架初步模型的构建方式如下：
以扫描杆三维图导出虚拟扫描杆数据；采用牙科扫描仪扫描种植扫描杆实物模型获得实际扫描杆数据，用虚拟扫描杆数据与实际扫描杆数据进行拟合，获得种植体的位置和接口数据；
根据牙龈数据和咬合关系数据，结合种植体的位置和接口数据设计三维虚拟牙合架，得到虚拟牙合架初步模型。
可选的，在S200步骤中，分别对患者的骨架数据和咀嚼运动的三维轨迹数据进行预处理，过程如下：
根据患者的骨架数据构建骨架数据矩阵，根据咀嚼运动的三维轨迹数据构建轨迹数据矩阵，求逆运算来消除干扰；
分别将骨架数据矩阵或者轨迹数据矩阵分解为一个下三角矩阵乘一个对角矩阵再乘下三角矩阵的共轭转置矩阵的形式；
通过以下公式计算下三角矩阵的逆矩阵：
上式中，dj表示下三角矩阵的逆矩阵中的第列的所有元素，其中d1＝e1/a11；ej表示单位矩阵的第j列的元素；ajk表示下三角矩阵中第j行之前的元素；j表示下三角矩阵的行数；N表示下三角矩阵的阶数；
将下三角矩阵的逆矩阵点除所述对角矩阵；
对所述下三角矩阵的共轭转置矩阵中的第j列元素以下的元素、所述骨架数据矩阵或者轨迹数据矩阵的逆矩阵中的第j列元素以下的元素进行复乘累加计算；
对点除的结果和复乘累加计算的结果进行减法运算，获得所述骨架数据矩阵或者轨迹数据矩阵的逆矩阵的第j列元素，得到骨架数据矩阵或者轨迹数据矩阵的逆矩阵；
对骨架数据矩阵或者轨迹数据矩阵的第j列的对角线元素和下三角矩阵中第j行中与该对角线元素同列的元素进行复乘计算，获得下三角矩阵第j行的对角线元素；
对骨架数据矩阵或者轨迹数据矩阵的第j列的对角线元素以下的元素、下三角矩阵的第j行的对角线元素以下的元素以及下三角矩阵的第j列的对角线元素的共轭进行第二次复乘累加计算；
将第二次复乘累加计算结果与下三角矩阵的第j列的对角线元素的倒数相乘，获得下三角矩阵的第j列的对角线元素以下的元素。
可选的，在S300步骤中，构建BP神经网络模型，设置患者样本库和对应骨架数据和三维轨迹数据的源数据库，提取样本特征并设置对应标签；
将样本与源数据库中的骨架数据和三维轨迹数据源数据输入BP神经网络模型进行训练，通过BP神经网络算法优化模型参数，得到源训练模型；
基于所述源训练模型建立分类器输出目标神经网络，用所述源训练模型的参数对所述目标神经网络初始化；
基于样本特征和标签构建目标数据集，用所述目标数据集对所述目标神经网络进行训练，进行梯度下降优化模型参数，得到虚拟调牙合模型；
虚患者的骨架数据、咀嚼运动的三维轨迹数据和虚拟牙合架初步模型的特征数据输入拟调牙合模型，对虚拟牙合架初步模型进行虚拟调牙合优化处理，得到具有患者个性化特征的三维虚拟牙合架模型。
可选的，在S300步骤中，构建虚拟咬合检测与调牙合模型，虚拟咬合检测与调牙合模型包括碰撞干涉检测模块与干涉区域自动调牙合模块，在虚拟牙合架初步模型上设计冠桥，所述冠桥通过碰撞干涉检测模块与干涉区域自动调牙合模块交替处理，以达到最终的动态咬合平衡状态；
所述碰撞干涉检测模块通过下颌运动轨迹驱动下颌与上颌之间的相互运动；在碰撞检测过程中，对空间运动轨迹按邻近点位移大小相等的规则进行采样，在下颌与上颌相对运动过程中，每当下颌运动到采样点位置时，利用碰撞干涉检测技术对冠桥与对颌牙进行碰撞干涉检测，若有干涉，通过调牙合去除干涉；没有干涉，则继续相对运动；
所述干涉区域自动调牙合模块在利用碰撞干涉检测技术识别完干涉区域后，利用“种子”搜索技术识别整个干涉区域，所述“种子”搜索技术具体为：碰撞干涉检测技术识别干涉区域的边界后，找到干涉区域内的一个“种子”三角面片，迭代搜索“种子”三角面片周围三角面片，以干涉边界为搜索边界，直到搜索到的三角面片不再增加为止，识别完成后，在干涉区域内，利用局部变形技术去除干涉区域；通过多次碰撞干涉检测与干涉区域自动调牙合的交替作用，最终完成冠桥的调牙合。
可选的，还包括对虚拟牙合架模型进行验证，具体如下：
在下颌设置多个拟合球，拟合球设置不得影响咬合运动；
驱动下颌运动，利用拟合球的球心与咬合运动对应关系，采用以下公式计算拟合球在不同时刻的下颌牙列位置的最大误差：
上式中，δmax表示拟合球在不同时刻的下颌牙列位置的最大误差；max表示取最小值；n表示拟合球数量；Mit表示第i个球在t时刻的位置坐标；P表示下颌运动的旋转矩阵；Mi(t+1)表示第i个球在t+1时刻的位置坐标；D表示平移向量，实测值；
若计算得到的最大误差不超过误差阈值，则表示虚拟牙合架模型的精度符合要求，否则继续进行虚拟调牙合优化处理。
可选的，在S300步骤中，建立以下牙合架防断裂评估数学模型：
上式中，S表示牙合架防断裂评估值；τ表示牙合架制作材料的应力强度因子，若采用铝合金材料则τ＝9.66；F表示加载载荷；B表示牙合架构件平均截面尺寸；BN表示牙合架构件最小截面尺寸；L表示牙合架构件长度；μ表示泊松比；E表示牙合架制作材料的弹性模量；UP表示在加载过程中载荷所做功的塑性分量；a0表示牙合架载荷加载点与下颌运动的转动轴距离；
根据选择的牙合架制作材料，保证设计的虚拟牙合架模型的牙合架防断裂评估值不小于预设的强度阈值。
本发明的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，通过采集患者个性化的上颌、下颌和颞下颌关节的骨架数据和咀嚼特征运动，实现精确定量的虚拟咬合自动检测和自动虚拟调牙合，避免患者试戴修复体时反复调磨，从而大大提高了修复体制作的精度与效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供了一种用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，包括以下步骤：
S100采用辅助设计软件构建三维的虚拟牙合架初步模型；
S200检测记录并保存患者的上颌、下颌和颞下颌关节的骨架数据；以及咀嚼运动的三维轨迹数据；
S300结合患者的骨架数据和咀嚼运动的三维轨迹数据，自动对虚拟牙合架初步模型进行虚拟调牙合优化处理，得到具有患者个性化特征的三维虚拟牙合架模型。
上述技术方案的工作原理和有益效果为：本方案中的辅助设计软件可以是CAD或者CAM软件，检测患者的上颌、下颌和颞下颌关节的骨架数据可以采用超声波成像方式或者CT影像设备或者核磁设备；咀嚼运动的三维轨迹数据可以采用运动轨迹分析仪检测获取；本方案通过采集患者个性化的上颌、下颌和颞下颌关节的骨架数据和咀嚼特征运动，实现精确定量的虚拟咬合自动检测和自动虚拟调牙合，避免患者试戴修复体时反复调磨，从而大大提高了修复体制作的精度与效率。
在一个实施例中，在S100步骤中，所述虚拟牙合架初步模型的构建方式如下：
以扫描杆三维图导出虚拟扫描杆数据；采用牙科扫描仪扫描种植扫描杆实物模型获得实际扫描杆数据，用虚拟扫描杆数据与实际扫描杆数据进行拟合，获得种植体的位置和接口数据；
根据牙龈数据和咬合关系数据，结合种植体的位置和接口数据设计三维虚拟牙合架，得到虚拟牙合架初步模型。
上述技术方案的工作原理和有益效果为：本方案通过牙科扫描仪扫描方式获取实际扫描杆数据，并与由扫描杆三维图导出虚拟扫描杆数据拟合获得种植体的位置和接口数据，再根据牙龈数据和咬合关系数据，结合种植体的位置和接口数据设计三维虚拟牙合架，形成虚拟牙合架初步模型；通过该方式可以减少设计工作量，提高设计效率，便于患者个性化设计的推广实施。
在一个实施例中，在S200步骤中，分别对患者的骨架数据和咀嚼运动的三维轨迹数据进行预处理，过程如下：
根据患者的骨架数据构建骨架数据矩阵，根据咀嚼运动的三维轨迹数据构建轨迹数据矩阵，求逆运算来消除干扰；
分别将骨架数据矩阵或者轨迹数据矩阵分解为一个下三角矩阵乘一个对角矩阵再乘下三角矩阵的共轭转置矩阵的形式；
通过以下公式计算下三角矩阵的逆矩阵：
上式中，dj表示下三角矩阵的逆矩阵中的第列的所有元素，其中d1＝e1/a11；ej表示单位矩阵的第j列的元素；ajk表示下三角矩阵中第j行之前的元素；j表示下三角矩阵的行数；N表示下三角矩阵的阶数；
将下三角矩阵的逆矩阵点除所述对角矩阵；
对所述下三角矩阵的共轭转置矩阵中的第j列元素以下的元素、所述骨架数据矩阵或者轨迹数据矩阵的逆矩阵中的第j列元素以下的元素进行复乘累加计算；
对点除的结果和复乘累加计算的结果进行减法运算，获得所述骨架数据矩阵或者轨迹数据矩阵的逆矩阵的第j列元素，得到骨架数据矩阵或者轨迹数据矩阵的逆矩阵；
对骨架数据矩阵或者轨迹数据矩阵的第j列的对角线元素和下三角矩阵中第j行中与该对角线元素同列的元素进行复乘计算，获得下三角矩阵第j行的对角线元素；
对骨架数据矩阵或者轨迹数据矩阵的第j列的对角线元素以下的元素、下三角矩阵的第j行的对角线元素以下的元素以及下三角矩阵的第j列的对角线元素的共轭进行第二次复乘累加计算；
将第二次复乘累加计算结果与下三角矩阵的第j列的对角线元素的倒数相乘，获得下三角矩阵的第j列的对角线元素以下的元素。
上述技术方案的工作原理和有益效果为：本方案通过对患者的骨架数据和咀嚼运动的三维轨迹数据进行预处理，采用数据矩阵化方式，以矩阵求逆运算来消除干扰，提高检测数据精度与质量，避免由于检测或者信号传输中的干扰因素导致检测数据存在误差，防止由检测误差导致对虚拟牙合架调整失误。
在一个实施例中，在S300步骤中，构建BP神经网络模型，设置患者样本库和对应骨架数据和三维轨迹数据的源数据库，提取样本特征并设置对应标签；
将样本与源数据库中的骨架数据和三维轨迹数据源数据输入BP神经网络模型进行训练，通过BP神经网络算法优化模型参数，得到源训练模型；
基于所述源训练模型建立分类器输出目标神经网络，用所述源训练模型的参数对所述目标神经网络初始化；
基于样本特征和标签构建目标数据集，用所述目标数据集对所述目标神经网络进行训练，进行梯度下降优化模型参数，得到虚拟调牙合模型；
虚患者的骨架数据、咀嚼运动的三维轨迹数据和虚拟牙合架初步模型的特征数据输入拟调牙合模型，对虚拟牙合架初步模型进行虚拟调牙合优化处理，得到具有患者个性化特征的三维虚拟牙合架模型。
上述技术方案的工作原理和有益效果为：本方案通过构建BP神经网络模型，设置患者样本库和对应骨架数据和三维轨迹数据的源数据库，提取样本特征并设置对应标签，将样本特征和其标签构建目标数据集，以样本与源数据库中的骨架数据和三维轨迹数据源数据进行训练BP神经网络，采用BP神经网络算法优化模型参数，得到源训练模型；基于源训练模型建立分类器输出维度为N的目标神经网络，以源训练模型的参数对所述目标神经网络进行初始化；再用目标数据集对所述目标神经网络进行训练，通过动态选-K更新算法进行梯度下降优化模型参数，得到具有患者个性化特征的三维虚拟牙合架模型；本方案采用神经网络进行深度学习和数据训练，其中引入了BP神经网络算法，其中进行梯度下降优化模型参数可采用动态选-K更新算法，提高姿态判断模型与患者的契合程度，实现设计个性化。
在一个实施例中，在S300步骤中，构建虚拟咬合检测与调牙合模型，虚拟咬合检测与调牙合模型包括碰撞干涉检测模块与干涉区域自动调牙合模块，在虚拟牙合架初步模型上设计冠桥，所述冠桥通过碰撞干涉检测模块与干涉区域自动调牙合模块交替处理，以达到最终的动态咬合平衡状态；
所述碰撞干涉检测模块通过下颌运动轨迹驱动下颌与上颌之间的相互运动；在碰撞检测过程中，对空间运动轨迹按邻近点位移大小相等的规则进行采样，在下颌与上颌相对运动过程中，每当下颌运动到采样点位置时，利用碰撞干涉检测技术对冠桥与对颌牙进行碰撞干涉检测，若有干涉，通过调牙合去除干涉；没有干涉，则继续相对运动；
所述干涉区域自动调牙合模块在利用碰撞干涉检测技术识别完干涉区域后，利用“种子”搜索技术识别整个干涉区域，所述“种子”搜索技术具体为：碰撞干涉检测技术识别干涉区域的边界后，找到干涉区域内的一个“种子”三角面片，迭代搜索“种子”三角面片周围三角面片，以干涉边界为搜索边界，直到搜索到的三角面片不再增加为止，识别完成后，在干涉区域内，利用局部变形技术去除干涉区域；通过多次碰撞干涉检测与干涉区域自动调牙合的交替作用，最终完成冠桥的调牙合。
上述技术方案的工作原理和有益效果为：本方案中的虚拟咬合检测与调牙合模型的构建可以采用VC++2008为开发平台进行，虚拟咬合检测与调牙合模型包括碰撞干涉检测模块与干涉区域自动调牙合模块，在虚拟牙合架初步模型上设计冠桥，所述冠桥通过碰撞干涉检测模块与干涉区域自动调牙合模块交替处理，以达到最终的动态咬合平衡状态，通过交替检测和调牙合处理，可以实现虚拟牙合架模型与患者高度契合，达到设计的个性化效果，减少后续牙合架制作中的反复修正，提高效率。
在一个实施例中，还包括对虚拟牙合架模型进行验证，具体如下：
在下颌设置多个拟合球，拟合球设置不得影响咬合运动；
驱动下颌运动，利用拟合球的球心与咬合运动对应关系，采用以下公式计算拟合球在不同时刻的下颌牙列位置的最大误差：
上式中，δmax表示拟合球在不同时刻的下颌牙列位置的最大误差；max表示取最小值；n表示拟合球数量；Mit表示第i个球在t时刻的位置坐标；P表示下颌运动的旋转矩阵；Mi(t+1)表示第i个球在t+1时刻的位置坐标；D表示平移向量，实测值；
若计算得到的最大误差不超过误差阈值，则表示虚拟牙合架模型的精度符合要求，否则继续进行虚拟调牙合优化处理。
上述技术方案的工作原理和有益效果为：本方案通过计算咬合运动的最大误差，对虚拟牙合架模型进行验证，设立坐标系，通过设置多个拟合球，在咬合运动对拟合球位置的变化情况进行检测；例如可以在下颌中切牙唇侧和两侧磨牙颊侧各固定一个拟合球，即拟合球数量n＝3，由左至右依次标记为球1、球2、球3，基于最小二乘法计算下颌运动时的拟合球在不同时刻的下颌牙列位置的最大误差，若计算得到的最大误差不超过误差阈值，则表示虚拟牙合架模型的精度符合要求，否则继续进行虚拟调牙合优化处理；通过验证，可以进一步提高虚拟调牙合精度。
在一个实施例中，在S300步骤中，建立以下牙合架防断裂评估数学模型：
上式中，S表示牙合架防断裂评估值；τ表示牙合架制作材料的应力强度因子，若采用铝合金材料则τ＝9.66；F表示加载载荷；B表示牙合架构件平均截面尺寸；BN表示牙合架构件最小截面尺寸；L表示牙合架构件长度；μ表示泊松比；E表示牙合架制作材料的弹性模量；UP表示在加载过程中载荷所做功的塑性分量；a0表示牙合架载荷加载点与下颌运动的转动轴距离；
根据选择的牙合架制作材料，保证设计的虚拟牙合架模型的牙合架防断裂评估值不小于预设的强度阈值。
上述技术方案的工作原理和有益效果为：本方案通过建立牙合架防断裂评估数学模型，结合制作牙合架准备选用的材料种类，对设计的虚拟牙合架进行评估，可以提高虚拟牙合架设计的合理性，防止根据虚拟牙合架而制作的牙合架实物强度小，韧性低，可以提高据此设计制作的牙合架的使用寿命，使得同一患者的个性化牙合架可以多次重复使用，节省材料，减少成本。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，包括以下步骤：
S100采用辅助设计软件构建三维的虚拟牙合架初步模型；
S200检测记录并保存患者的上颌、下颌和颞下颌关节的骨架数据；以及咀嚼运动的三维轨迹数据；
S300结合患者的骨架数据和咀嚼运动的三维轨迹数据，自动对虚拟牙合架初步模型进行虚拟调牙合优化处理，得到具有患者个性化特征的三维虚拟牙合架模型；在步骤S300中，
构建BP神经网络模型，设置患者样本库和对应骨架数据和三维轨迹数据的源数据库，提取样本特征并设置对应标签；
将样本与源数据库中的骨架数据和三维轨迹数据源数据输入BP神经网络模型进行训练，通过BP神经网络算法优化模型参数，得到源训练模型；
基于所述源训练模型建立分类器输出目标神经网络，用所述源训练模型的参数对所述目标神经网络初始化；
基于样本特征和标签构建目标数据集，用所述目标数据集对所述目标神经网络进行训练，进行梯度下降优化模型参数，得到虚拟调牙合模型；
将患者的骨架数据、咀嚼运动的三维轨迹数据和虚拟牙合架初步模型的特征数据输入拟调牙合模型，对虚拟牙合架初步模型进行虚拟调牙合优化处理，得到具有患者个性化特征的三维虚拟牙合架模型；
在步骤S300中，建立以下牙合架防断裂评估数学模型：
上式中，S表示牙合架防断裂评估值；τ表示牙合架制作材料的应力强度因子，若采用铝合金材料则τ＝9.66；F表示加载载荷；B表示牙合架构件平均截面尺寸；BN表示牙合架构件最小截面尺寸；L表示牙合架构件长度；μ表示泊松比；E表示牙合架制作材料的弹性模量；UP表示在加载过程中载荷所做功的塑性分量；a0表示牙合架载荷加载点与下颌运动的转动轴距离；
根据选择的牙合架制作材料，保证设计的虚拟牙合架模型的牙合架防断裂评估值不小于预设的强度阈值。
2.根据权利要求1所述的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，在S100步骤中，所述辅助设计软件采用CAD或者CAM软件。
3.根据权利要求1所述的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，在S200步骤中，检测患者的上颌、下颌和颞下颌关节的骨架数据采用超声波成像方式或者CT影像设备或者核磁设备。
4.根据权利要求1所述的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，在S200步骤中，咀嚼运动的三维轨迹数据采用运动轨迹分析仪检测获取。
5.根据权利要求1所述的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，在S100步骤中，所述虚拟牙合架初步模型的构建方式如下：
以扫描杆三维图导出虚拟扫描杆数据；采用牙科扫描仪扫描种植扫描杆实物模型获得实际扫描杆数据，用虚拟扫描杆数据与实际扫描杆数据进行拟合，获得种植体的位置和接口数据；
根据牙龈数据和咬合关系数据，结合种植体的位置和接口数据设计三维虚拟牙合架，得到虚拟牙合架初步模型。
6.根据权利要求1所述的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，在S200步骤中，分别对患者的骨架数据和咀嚼运动的三维轨迹数据进行预处理，过程如下：
根据患者的骨架数据构建骨架数据矩阵，根据咀嚼运动的三维轨迹数据构建轨迹数据矩阵，求逆运算来消除干扰；
分别将骨架数据矩阵或者轨迹数据矩阵分解为一个下三角矩阵乘一个对角矩阵再乘下三角矩阵的共轭转置矩阵的形式；
通过以下公式计算下三角矩阵的逆矩阵：
上式中，dj表示下三角矩阵的逆矩阵中的第j列的所有元素，其中d1＝e1/a11；ej表示单位矩阵的第j列的元素；ajk表示下三角矩阵中第j行之前的元素；j表示下三角矩阵的行数；N表示下三角矩阵的阶数；
将下三角矩阵的逆矩阵点除所述对角矩阵；
对所述下三角矩阵的共轭转置矩阵中的第j列元素以下的元素、所述骨架数据矩阵或者轨迹数据矩阵的逆矩阵中的第j列元素以下的元素进行复乘累加计算；
对点除的结果和复乘累加计算的结果进行减法运算，获得所述骨架数据矩阵或者轨迹数据矩阵的逆矩阵的第j列元素，得到骨架数据矩阵或者轨迹数据矩阵的逆矩阵；
对骨架数据矩阵或者轨迹数据矩阵的第j列的对角线元素和下三角矩阵中第j行中与该对角线元素同列的元素进行复乘计算，获得下三角矩阵第j行的对角线元素；
对骨架数据矩阵或者轨迹数据矩阵的第j列的对角线元素以下的元素、下三角矩阵的第j行的对角线元素以下的元素以及下三角矩阵的第j列的对角线元素的共轭进行第二次复乘累加计算；
将第二次复乘累加计算结果与下三角矩阵的第j列的对角线元素的倒数相乘，获得下三角矩阵的第j列的对角线元素以下的元素。
7.根据权利要求1所述的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，在S300步骤中，构建虚拟咬合检测与调牙合模型，虚拟咬合检测与调牙合模型包括碰撞干涉检测模块与干涉区域自动调牙合模块，在虚拟牙合架初步模型上设计冠桥，所述冠桥通过碰撞干涉检测模块与干涉区域自动调牙合模块交替处理，以达到最终的动态咬合平衡状态；
所述碰撞干涉检测模块通过下颌运动轨迹驱动下颌与上颌之间的相互运动；在碰撞检测过程中，对空间运动轨迹按邻近点位移大小相等的规则进行采样，在下颌与上颌相对运动过程中，每当下颌运动到采样点位置时，利用碰撞干涉检测技术对冠桥与对颌牙进行碰撞干涉检测，若有干涉，通过调牙合去除干涉；没有干涉，则继续相对运动；
所述干涉区域自动调牙合模块在利用碰撞干涉检测技术识别完干涉区域后，利用“种子”搜索技术识别整个干涉区域，所述“种子”搜索技术具体为：碰撞干涉检测技术识别干涉区域的边界后，找到干涉区域内的一个“种子”三角面片，迭代搜索“种子”三角面片周围三角面片，以干涉边界为搜索边界，直到搜索到的三角面片不再增加为止，识别完成后，在干涉区域内，利用局部变形技术去除干涉区域；通过多次碰撞干涉检测与干涉区域自动调牙合的交替作用，最终完成冠桥的调牙合。
8.根据权利要求1所述的用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法，其特征在于，还包括对虚拟牙合架模型进行验证，具体如下：
在下颌设置多个拟合球，拟合球设置不得影响咬合运动；
驱动下颌运动，利用拟合球的球心与咬合运动对应关系，采用以下公式计算拟合球在不同时刻的下颌牙列位置的最大误差：
上式中，δmax表示拟合球在不同时刻的下颌牙列位置的最大误差；max表示取最大值；n表示拟合球数量；Mit表示第i个球在t时刻的位置坐标；P表示下颌运动的旋转矩阵；Mi(t+1)表示第i个球在t+1时刻的位置坐标；D表示平移向量，实测值；
若计算得到的最大误差不超过误差阈值，则表示虚拟牙合架模型的精度符合要求，否则继续进行虚拟调牙合优化处理。
CN202110308349.1A 2021-03-23 2021-03-23 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法 Active CN113096236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110308349.1A CN113096236B (zh) 2021-03-23 2021-03-23 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110308349.1A CN113096236B (zh) 2021-03-23 2021-03-23 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法

Publications (2)

Publication Number Publication Date
CN113096236A CN113096236A (zh) 2021-07-09
CN113096236B true CN113096236B (zh) 2024-04-09

Family

ID=76668975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110308349.1A Active CN113096236B (zh) 2021-03-23 2021-03-23 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法

Country Status (1)

Country Link
CN (1) CN113096236B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114668538A (zh) * 2022-03-29 2022-06-28 杭州丰雅医疗科技有限公司 三维模块化颅颌骨医学影像的数字颌型架及构建方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008042211A2 (en) * 2006-09-29 2008-04-10 Mediatek Inc. Fixed-point implementation of a joint detector
WO2014044783A2 (de) * 2012-09-19 2014-03-27 Ortho Caps Gmbh Verfahren zur simulation der dynamischen okklusion
CN104715099A (zh) * 2013-12-17 2015-06-17 北京大学口腔医学院 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法
CN109557502A (zh) * 2018-12-19 2019-04-02 成都理工大学 基于互质双频的稀疏嵌套mimo阵列doa估计方法
CN112353515A (zh) * 2020-12-02 2021-02-12 四川大学 数字化咬合调整导板及其制作方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008042211A2 (en) * 2006-09-29 2008-04-10 Mediatek Inc. Fixed-point implementation of a joint detector
WO2014044783A2 (de) * 2012-09-19 2014-03-27 Ortho Caps Gmbh Verfahren zur simulation der dynamischen okklusion
CN104715099A (zh) * 2013-12-17 2015-06-17 北京大学口腔医学院 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法
CN109557502A (zh) * 2018-12-19 2019-04-02 成都理工大学 基于互质双频的稀疏嵌套mimo阵列doa估计方法
CN112353515A (zh) * 2020-12-02 2021-02-12 四川大学 数字化咬合调整导板及其制作方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Mixed reality orthognathic surgical simulation by entity model manipulation and 3D-image display;Shimonagayoshi，T等;《Proceedings of the SPIE》;第6051卷;正文1-9 *
口腔修复CAD/CAM系统中的虚拟牙合架;吴冰等;《实用口腔医学杂志》;第32卷(第02期);293-297 *

Also Published As

Publication number Publication date
CN113096236A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
JP7066758B2 (ja) 歯にかかる力の識別
US11534275B2 (en) Method for constructing a restoration
EP2134290B1 (en) Computer-assisted creation of a custom tooth set-up using facial analysis
US9283061B2 (en) Method and analysis system for the geometrical analysis of scan data from oral structures
US11000349B2 (en) Method, system and computer readable storage media for determining articulation parameters
CN111274666A (zh) 一种数字化牙齿位姿变化量的设计、模拟排牙方法及装置
JP2022543195A (ja) 歯科矯正及び歯科治療計画における仮想咬合
Chen et al. Morphology and fracture behavior of lithium disilicate dental crowns designed by human and knowledge-based AI
Alcañiz et al. An advanced system for the simulation and planning of orthodontic treatment
Solaberrieta et al. Registration of mandibular movement for dental diagnosis, planning and treatment
CN111265316B (zh) 一种模拟佩戴矫治器的牙齿模型受力分析方法及装置
CN113096236B (zh) 用于牙齿冠桥功能性咬合面的虚拟牙合架设计方法
JP7525690B2 (ja) 識別装置、スキャナシステム、識別方法、および識別用プログラム
WO2023179699A1 (zh) 基于面型参数生成颞下颌关节髁突运动包络面方法和装置
CN111292320B (zh) 基于三维数字模型和机器学习的咬合评价方法及评价系统
JP7265359B2 (ja) データ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラム
JP7507135B2 (ja) 推定装置、推定方法、および推定プログラム
JP7405809B2 (ja) 推定装置、推定方法、および推定プログラム
Oriozabala-Brit et al. Best-Fit Alignment in the Digital Dental Workflow
KR102657979B1 (ko) 환자 맞춤형 치아 보철물 디자인 시스템 및 이의 동작 방법
KR20240085700A (ko) 딥러닝에 기반한 치아 상태 판별 시스템 및 방법
CN115737178A (zh) 基于数字化的口腔咬合重建方法、装置、设备及存储介质

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