CN113421333B - 牙齿局部坐标系确定方法和系统、设备及计算机存储介质 - Google Patents

牙齿局部坐标系确定方法和系统、设备及计算机存储介质 Download PDF

Info

Publication number
CN113421333B
CN113421333B CN202110746423.8A CN202110746423A CN113421333B CN 113421333 B CN113421333 B CN 113421333B CN 202110746423 A CN202110746423 A CN 202110746423A CN 113421333 B CN113421333 B CN 113421333B
Authority
CN
China
Prior art keywords
position information
matrix
coordinate system
model
teeth
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
CN202110746423.8A
Other languages
English (en)
Other versions
CN113421333A (zh
Inventor
张惠
路红蕊
於路
管利佳
姚峻峰
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.)
Shanghai Zhengya Dental Technology Co Ltd
Original Assignee
Shanghai Zhengya 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 Shanghai Zhengya Dental Technology Co Ltd filed Critical Shanghai Zhengya Dental Technology Co Ltd
Priority to CN202110746423.8A priority Critical patent/CN113421333B/zh
Publication of CN113421333A publication Critical patent/CN113421333A/zh
Application granted granted Critical
Publication of CN113421333B publication Critical patent/CN113421333B/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • 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
    • 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
    • G06T2207/20—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • Dentistry (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

本发明提供了一种牙齿局部坐标系确定方法，包括将初始位置信息集合输入牙轴网络模型进行模型训练以及依据所述初始位置信息集合和经所述模型训练得到的模型预测位置信息集合计算得到仿射变换矩阵，根据所述仿射变换矩阵确定牙齿的局部坐标系信息。将初始位置信息集合输入所述牙轴网络模型进行模型训练，以对初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合，结合依据初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，根据仿射变换矩阵确定牙齿的局部坐标系信息，实现牙齿局部坐标系的确定并确保得到的局部坐标系的调整精度。本发明还提供了执行所述牙齿局部坐标系确定方法的系统、设备和计算机程序。

Description

牙齿局部坐标系确定方法和系统、设备及计算机存储介质
技术领域
本发明涉及牙齿模型设计技术领域，尤其涉及牙齿局部坐标系确定方法和系统、设备及计算机存储介质。
背景技术
牙轴，是纵行穿过牙体并经过牙体中心的几何轴，在牙的观察与测量检査工作中用来描述牙的特点和相互关系。在牙齿矫正领域，根据矫正前后牙轴的变化情况制定矫正方案。更为具体的在正畸治疗过程中，对单颗牙齿牙轴的设置对于后续的方案治疗是至关重要的。主要体现在如下几个应用：1.排牙；2.牙冠修补，包括侧面和底面；3.牙冠牙根的数据融合；4.牙齿特征的识别；5.牙齿移动量计算/正畸评分。
目前牙冠的三根牙轴的确定主要是根据牙轴的定义手动调整进行获得的，速度慢，效率低。因此，有必要开发新型的牙齿局部坐标系确定方法以解决现有技术存在的上述问题。
本申请提供了解决以上技术问题的技术方案。
发明内容
本发明的目的在于提供一种牙齿局部坐标系确定方法和系统、设备及计算机存储介质，以避免使用手动调整来实现牙齿局部坐标系的确定并确保局部坐标系的精度。
为实现上述目的，本发明的牙齿局部坐标系确定方法包括以下步骤：
S0：获取数字化牙颌模型和牙轴网络模型，所述数字化牙颌模型是由若干多边形网格组成的立体模型；
S1：从所述数字化牙颌模型中获取所述若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合；
S2：将所述初始位置信息集合输入所述牙轴网络模型进行模型训练，以对所述初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合；
S3：依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，根据所述仿射变换矩阵确定牙齿的局部坐标系信息。
本发明的牙齿局部坐标系确定方法的有益效果在于：所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练，以对所述初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合，结合所述步骤S3中的依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，根据所述仿射变换矩阵确定牙齿的局部坐标系信息，避免了使用手动调整来实现牙齿局部坐标系的确定并确保得到的局部坐标系的调整精度。
优选的，所述若干多边形网格的若干特征点包括所述若干多边形网格的至少部分网格顶点，所述初始位置信息集合包括所述若干多边形网格的至少部分网格顶点在所述全局坐标系下的位置信息，所述模型预测位置信息集合包括所述若干多边形网格的至少部分网格顶点的调整位置信息，所述步骤S3中，依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵的步骤包括：根据所述所有网格顶点在所述全局坐标系下的位置信息构建第一矩阵；根据所述所有网格顶点的调整位置信息构建第二矩阵；根据所述第一矩阵和所述第二矩阵构建旋转矩阵；根据所述第一矩阵的中心、所述第二矩阵的中心以及所述旋转矩阵构建平移矩阵。
进一步优选的，所述第一矩阵和所述第二矩阵为3×M矩阵，每一列数据为一个网格的顶点位置坐标数据，M为顶点数目。
进一步优选的，根据所述第一矩阵和所述第二矩阵构建所述旋转矩阵的步骤包括：对所述第一矩阵和所述第二矩阵分别进行去中心化处理得到第一调整矩阵和第二调整矩阵；根据所述第一调整矩阵和所述第二调整矩阵构建协方差矩阵；对所述协方差矩阵进行奇异值分解得到两个正交矩阵；根据所述两个正交矩阵计算校正参数，并得到包含所述校正参数的中间矩阵；根据所述两个正交矩阵和所述中间矩阵计算得到所述旋转矩阵。
进一步优选的，所述协方差矩阵通过公式H＝PTQ得到，其中，H为协方差矩阵，P为所述第一调整矩阵，Q为所述第二调整矩阵。
进一步优选的，对所述协方差矩阵通过公式H＝USVT进行所述奇异值分解，其中U和V为所述两个正交矩阵，S为对角矩阵，所述对角矩阵的对角线元素为奇异值。
进一步优选的，根据公式d＝sign(det(VUT)判断是否需要校正所述旋转矩阵，并构建所述中间矩阵I为
进一步优选的，根据公式R＝VIUT建所述旋转矩阵，其中，R为所述旋转矩阵。
进一步优选的，根据公式r＝p0-R×q0构建所述平移矩阵，其中，r为所述平移矩阵，p0为所述第一矩阵的中心，q0为所述第二矩阵的中心。
优选的，所述步骤S3中，根据所述仿射变换矩阵确定牙齿的局部坐标系信息的步骤包括：根据所述旋转矩阵确定局部坐标系下的坐标轴信息；根据所述平移矩阵确定牙齿中心的位置信息。其有益效果在于：避免使用手动调整来实现牙齿局部坐标系的确定并确保局部坐标系的精度。
优选的，所述步骤S1中，从所述数字化牙颌模型中获取若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合的步骤包括：对所述数字化牙颌模型的牙齿进行分类形成若干牙齿组，获取每组牙齿组中每个牙齿的若干特征点在所述全局坐标系下的位置信息作为一组初始位置信息组，得到若干初始位置信息组作为所述初始位置信息集合。其有益效果在于：缩短进行模型训练的时间。
进一步优选的，所述步骤S1中，对所述数字化牙颌模型的牙齿进行分类形成若干牙齿组的步骤包括：根据所述数字化牙颌模型上单颌左右两侧牙齿的位置对应关系进行分类。
进一步优选的，所述步骤S0中，所述牙轴网络模型包括若干训练模型，所述若干训练模型中的所有训练模型具有相同的结构，所述若干训练模型的数目与所述若干牙齿组的组数相同，并一一对应处理每组所述初始位置信息组。
进一步优选的，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤包括：将每组所述初始位置信息组输入所述若干训练模型中对应的训练模型以进行所述模型训练。
进一步优选的，每组所述初始位置信息组包括每组牙齿组的网格顶点在全局坐标系下的初始位置和每组牙齿组的网格重心在全局坐标系下的初始位置，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤包括：将每组牙齿组的网格顶点在全局坐标系下的初始位置以及和每组牙齿组的网格重心在全局坐标系下的初始位置输入所述若干训练模型中对应的训练模型以进行所述模型训练，输出每组牙齿组的网格顶点训练位置。
进一步优选的，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤还包括：根据所述每组牙齿组的网格顶点在全局坐标系下的初始位置与所述每组牙齿组的网格顶点训练位置之间的距离差的平均值构建所述训练网络的损失函数，利用反向传播方法训练模型。
进一步优选的，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤还包括：将所述每组牙齿组的网格顶点在全局坐标系下的初始位置和所述每组牙齿组的网格重心在全局坐标系下的初始位置沿每个坐标轴分别旋转指定角度以进行数据增强处理后，将得到的增强数据集合输入所述牙轴网络模型进行所述模型训练；所述增强数据集合包括所述每组牙齿组的网格顶点在全局坐标系下的调整位置、所述每组牙齿组的网格重心在全局坐标系下的调整位置，以及数据增强处理过程中生成的处理过程数据。
本发明的所述牙齿局部坐标系确定方法的执行系统包括输入模块、存储有牙轴网络模型的训练模块，以及处理模块：
所述输入模块接收数字化牙颌模型，提取所述数字化牙颌模型的若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合，将所述初始位置信息集合发送所述训练模块；
所述训练模块利用所述牙轴网络模型对所述初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合，将所述初始位置信息集合和所述模型预测位置信息集合发送给所述处理模块；
所述处理模块依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，以及根据仿射变换矩阵确定牙齿的局部坐标系信息。
本发明的所述牙齿局部坐标系确定方法的执行设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现所述牙齿局部坐标系确定方法。
本发明的计算机存储介质包括计算机指令，当所述计算机指令在牙齿局部坐标系确定方法的执行设备上运行时，使得所述牙齿局部坐标系确定方法的执行设备执行所述牙齿局部坐标系确定方法。
附图说明
图1为本发明实施例的牙齿局部坐标系确定方法的流程图；
图2为本发明实施例的执行系统的结构框图；
图3为本发明实施例的训练模块的工作状态示意图；
图4为本发明实施例的执行设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
本发明实施例提供了一种牙齿局部坐标系确定方法，参照图1，包括以下步骤：
S0：获取数字化牙颌模型和牙轴网络模型，所述数字化牙颌模型是由若干多边形网格组成的立体模型；
S1：从所述数字化牙颌模型中获取若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合；
S2：将所述初始位置信息集合输入所述牙轴网络模型进行模型训练，以对所述初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合；
S3：依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，根据所述仿射变换矩阵确定牙齿的局部坐标系信息。
一些实施例的所述步骤S0中，所述多边形网格为三角面片，所述数字化牙颌模型的每颗牙齿外形由相接的若干三角面片组成。
一些实施例的所述步骤S1中，从所述数字化牙颌模型中获取所述的若干多边形网格的若干特征点为每颗牙齿的部分三角面片的若干特征点。一些具体的实施例中，所述数字化牙颌模型具有32颗牙齿，每个牙齿外形由3000-4000个三角面片组成，每颗牙齿随机采样2000个三角面片作为获取的若干多边形网格，以确保统计分析的准确性，同时兼顾最大程度节省后续模型训练的时间。
一些实施例的所述步骤S1中，若干多边形网格的若干特征点为所有三角面片的网格顶点以及所有三角面片的重心。
一些实施例的所述步骤S1中，从所述数字化牙颌模型中获取若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合的步骤包括：对所述数字化牙颌模型的牙齿进行分类形成若干牙齿组，获取每组牙齿作为一组初始位置信息组，得到若干初始位置信息组作为所述初始位置信息集合，以缩短进行模型训练的时间。一些具体的实施例中，根据所述数字化牙颌模型上单颌左右两侧牙齿的位置对应关系进行分类。以上颌和下颌的32颗牙齿为例，对于上颌的16颗牙齿，上颌相邻的两个中切牙分为一组，每个中切牙的一侧均顺次排布有侧切牙、尖牙、第一前磨牙、第二前磨牙、第一磨牙、第二磨牙和第三磨牙。两个侧切牙为一组，两个尖牙为一组，两个第一前磨牙为一组，两个第二前磨牙为一组，两个第一磨牙为一组，两个第二磨牙为一组，两个第三磨牙为一组。下颌的16颗牙齿的分类参考上颌的16颗牙齿分类，共形成16组牙齿组。
一些实施例中，由于所述步骤S0的所述牙轴网络模型包括若干训练模型，所述若干训练模型的数目与所述若干牙齿组的组数相同，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤包括：将每组所述初始位置信息组输入所述若干训练模型中对应的训练模型以进行所述模型训练。一些具体的实施例中，所述牙轴网络模型包括16个训练模型，以分别对应不同的牙齿组信息。对上颌牙齿进行分类形成8组牙齿组，对下颌牙齿进行分类形成8组牙齿组，将这16组牙齿组的每组牙齿组的初始位置信息一一对应输入到16个训练模型中进行模型训练，每个训练模型用于训练同一组的两颗牙齿。
一些实施例中，每组所述初始位置信息组包括每组牙齿组的网格顶点在全局坐标系下的初始位置以及每组牙齿组的网格重心在全局坐标系下的初始位置。具体的，每个三角面片在全局坐标系下的位置信息为三个网格顶点在全局坐标系下的共9个位置信息。三个网格顶点简记为顶点1、顶点2和顶点3，顶点1、顶点2和顶点3在全局坐标系下的坐标分别为(x1，y1，z1)，(x2，y2，z2)以及(x3，y3，z3)，x1、x2、x3，y1，y2，y3以及z1、z2和z3组成了三个网格顶点在全局坐标系下的的共计9个位置信息，每个三角面片的重心简记为重心G，重心G在全局坐标系下的坐标分别为(xG，yG，zG)，xG，yG和zG组成了三角面片重心在全局坐标系下的3个位置信息。
一些实施例的所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤包括：将所述每组牙齿组的网格顶点在全局坐标系下的初始位置以及每组牙齿组的网格重心在全局坐标系下的初始位置输入所述若干训练模型中对应的训练模型以进行所述模型训练，输出每组牙齿组的网格顶点训练位置。具体的，将顶点1、顶点2和顶点3在全局坐标系下的9个位置信息x1、x2、x3，y1，y2，y3以及z1、z2和z3，以及重心G在全局坐标系下的3个位置信息xG，yG和zG输入一个训练模型进行模型训练后，顶点1坐标为(X1、Y1、Z1)，顶点2的坐标为(X2、Y2、Z2)，顶点3的坐标为(X3、Y3、Z3)，X1、X2、X3，Y1，Y2，Y3以及Z1、Z2和Z3组成了输出的网格顶点模型预测位置信息。
一些实施例的所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤还包括：将所述每组牙齿组的网格顶点在全局坐标系下的初始位置和每组牙齿组的网格重心在全局坐标系下的初始位置沿每个坐标轴分别旋转指定角度以进行数据增强处理后，将得到的增强数据集合输入所述牙轴网络模型进行所述模型训练。
具体的，所述增强数据集合包括所述每组牙齿组的网格顶点在全局坐标系下的调整位置、所述每组牙齿组的网格重心在全局坐标系下的调整位置，以及所述数据增强处理过程中生成的处理过程数据。
一些具体的实施例中，将(x1，y1，z1)，(x2，y2，z2)、(x3，y3，z3)和(xG，yG，zG)沿同一方向旋转预设角度后，形成的三个坐标为(xr1，yr1，zr1)，(xr2，yr2，zr2)、(xr3，yr3，zr3)和(xrG，yrG，zrG)，xr1、yr1、zr1、xr2、yr2、zr2以及xr3、yr3、zr3组成了网格顶点在全局坐标系下的调整位置；xrG、yrG和zrG组成了网格重心在全局坐标系下的调整位置，(x1，y1，z1)，(x2，y2，z2)、(x3，y3，z3)和(xG，yG，zG)分别转换为(xr1，yr1，zr1)，(xr2，yr2，zr2)、(xr3，yr3，zr3)和(xrG，yrG，zrG)的过程中形成的除(xr1，yr1，zr1)，(xr2，yr2，zr2)、(xr3，yr3，zr3)和(xrG，yrG，zrG)信息外的其他数据组成了所述数据增强处理过程中生成的处理过程数据。
一些更具体的实施例中，同一方向为顺时针方向或逆时针方向的任意一种。
一些更具体的实施例中，所述预设角度包括30度。
一些更具体的实施例中，所述预设角度为-180～180度。
一些具体的实施例中，所述每组牙齿组的网格顶点只绕X轴、Y轴和Z轴任意一根坐标轴旋转所述预设角度。
一些具体的实施例中，所述每组牙齿组的网格顶点先绕一根坐标轴旋转一个预设角度，再绕另外一根坐标轴旋转另一个预设角度。这两个预设角度可以相同，也可以不同。
一些具体的实施例中，所述每组牙齿组的网格顶点绕一根坐标轴旋转所述预设角度后，平移预设距离。
一些实施例的所述步骤S0中，所述若干训练模型中的所有训练模型具有相同的结构。
一些实施例中，所述训练模型的结构包括MeshSegNet结构、PointNet结构和PointSegNet结构的任意一种。一些具体的实施例中，将16组牙齿组的每组牙齿组的初始位置信息一一对应输入到16个具有MeshSegNet结构的训练模型中进行模型训练，每个训练模型具有同一MeshSegNet结构。
一些实施例的所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤还包括：根据所述每组牙齿组的网格顶点在全局坐标系下的初始位置与所述每组牙齿组的网格顶点训练位置之间的距离差的平均值构建所述训练网络的损失函数，利用反向传播方法训练模型。
具体的，通过以下公式计算损失函数loss：
其中，N为三角面片数目，x，y，z表示网格顶点的三个坐标，i和j分别表示三角面片和网格顶点。
一些实施例的所述步骤S2中，所述模型预测位置信息集合包括所有网格顶点在所对应的牙齿的局部坐标系下的位置信息。以上颌11号切牙为例，一种具体的实施例中，组成该切牙的所有三角面片的网格顶点在上颌11号切牙的局部坐标系下的位置信息构成了组成上颌11号切牙的三角面片的所有网格顶点在上颌11号切牙的局部坐标系下的位置信息。
本发明实施例还提供了所述牙齿局部坐标系确定方法的执行系统，参照图2，包括输入模块21、训练模块22和处理模块23，所述训练模块22存储有牙轴网络模型。
具体的，所述输入模块21接收数字化牙颌模型，提取所述数字化牙颌模型的若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合，将所述初始位置信息集合发送所述训练模块22和所述处理模块23；所述训练模块22利用所述牙轴网络模型对所述初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合，将所述模型预测位置信息集合发送给所述处理模块23；所述处理模块23依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，以及根据所述仿射变换矩阵确定牙齿的局部坐标系信息。
图3为本发明实施例的训练模块的工作状态示意图。参照图2和图3，初始特征提取模块31对所述输入模块21发送的初始位置信息集合进行初始特征提取处理，将得到的提取信息输入深层特征编码模块32，深层特征编码模块32每次提取单颗牙齿的若干特征点位置信息进行模型训练，将得到的调整位置信息经不同维度输出到特征融合模块33，以及经池化和上采样对数据进行解码后再输入所述特征融合模块33，由所述特征融合模块33融合不同训练阶段的特征，所得到的结果再通过输出模块34输出。
一些实施例的所述步骤S3中，依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵的步骤包括：根据所述初始位置信息集合和所述模型预测位置信息集合计算旋转矩阵和平移矩阵作为所述仿射变换矩阵，以避免使用手动调整来实现牙齿局部坐标系的确定并确保局部坐标系的精度。
一些实施例中，根据所述初始位置信息集合和所述模型预测位置信息集合计算旋转矩阵的步骤包括：根据所述初始位置信息集合构建第一矩阵；根据所述模型预测位置信息集合构建第二矩阵；根据所述第一矩阵和所述第二矩阵构建所述旋转矩阵。
一些实施例中，根据所述初始位置信息集合和所述模型预测位置信息集合计算平移矩阵的步骤包括：根据所述第一矩阵的中心、所述第二矩阵的中心以及所述旋转矩阵构建所述平移矩阵。
一些实施例中，所述初始位置信息集合包括所述若干多边形网格的至少部分网格顶点在所述全局坐标系下的位置信息，根据所述初始位置信息集合构建第一矩阵的步骤包括：根据所述若干多边形网格的至少部分网格顶点在所述全局坐标系下的位置信息构建所述第一矩阵；
一些具体的实施例中，所述第一矩阵为3×M矩阵，每一列数据为一个网格的顶点位置坐标数据，M为顶点数目。
一些实施例中，所述模型预测位置信息集合包括对所述若干多边形网格的至少部分网格顶点在所述全局坐标系下的位置信息经所述模型训练后得到的所述若干多边形网格的至少部分网格顶点的调整位置信息，根据所述模型预测位置信息集合构建第二矩阵的步骤包括：根据所述若干多边形网格的至少部分网格顶点的调整位置信息构建所述第二矩阵。
一些具体的实施例中，所述第二矩阵为3×M矩阵，每一列数据为一个网格的顶点位置坐标数据，M为顶点数目。
一些实施例中，根据所述第一矩阵和所述第二矩阵构建所述旋转矩阵的步骤包括：
对所述第一矩阵和所述第二矩阵分别进行去中心化处理得到第一调整矩阵和第二调整矩阵；
根据所述第一调整矩阵和所述第二调整矩阵构建协方差矩阵；对所述协方差矩阵进行奇异值分解得到两个正交矩阵；
根据所述两个正交矩阵计算校正参数，并得到包含所述校正参数的中间矩阵；根据所述两个正交矩阵和所述中间矩阵计算得到所述旋转矩阵。
一些更具体的实施例中，所述协方差矩阵通过公式H＝PTQ得到，其中，H为协方差矩阵，P为所述第一调整矩阵，Q为所述第二调整矩阵。
一些更具体的实施例中，对所述协方差矩阵通过公式H＝USVT进行所述奇异值分解，其中U和V为所述两个正交矩阵，S为对角矩阵，所述对角矩阵的对角线元素为奇异值。
一些更具体的实施例中，根据公式d＝sign(det(VUT)判断是否需要校正所述旋转矩阵，并构建所述中间矩阵I为
一些更具体的实施例中，根据公式R＝VIUT构建所述旋转矩阵，其中，R为所述旋转矩阵。
一些更具体的实施例中，根据公式r＝p0-R×q0构建所述平移矩阵，其中，r为所述平移矩阵，p0为所述第一矩阵的中心，q0为所述第二矩阵的中心。
一些实施例的所述步骤S3中，根据所述仿射变换矩阵确定牙齿的局部坐标系信息的步骤包括：根据所述旋转矩阵确定局部坐标系下的坐标轴信息；根据所述平移矩阵确定牙齿中心的位置信息。
具体的，所述旋转矩R为旋转矩阵为3×3矩阵，R的第1、2和3列分别代表的是所要预测的全局坐标系下的(x，y，z)在局部坐标系下的坐标值；平移矩阵所代表的是牙齿重心在局部坐标系下的坐标值。
本发明实施例还提供了所述牙齿局部坐标系确定方法的执行设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现所述牙齿局部坐标系确定方法。
本发明实施例还提供了一种计算机存储介质，包括计算机指令，当所述计算机指令在牙齿局部坐标系确定方法的执行设备上运行时，使得所述牙齿局部坐标系确定方法的执行设备执行所述牙齿局部坐标系确定方法。
本发明实施例中，将通过扫描仪等方式扫描的实体牙颌模型图，将其转化为数字化牙颌模型，映射在牙颌模型坐标系上，在所述牙颌模型坐标系上识别出包括牙齿区域在内的信息，避免现有设计中凭借医生的经验进行标注，保证了后续分析结果的准确性。
图4为本发明实施例的执行设备的结构框图。图4所示的执行设备可以是平板电脑、笔记本电脑或台式电脑，还可以被称为便携式终端、膝上型终端、台式终端等其他名称。
参照图4，执行设备(图中未标示)内置有处理器41和存储器42，其中，所述存储器42上存储有计算机程序，所述处理器41运行所述存储器42中的计算机程序时实现所述牙齿局部坐标系确定方法。
所述处理器41可以包括一个或多个处理核心，比如4个核心处理器、8个核心处理器等。所述处理器41可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field—Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogic Array，PLA)中的至少一种硬件形式来实现。所述处理器41也可以包括主处理器和协处理器，所述主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(Central Processing Unit，CPU)；所述协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。
在一些实施例中，所述处理器41可以集成有图像处理器(Graphics ProcessingUnit，GPU)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，所述处理器41还可以包括人工智能(Artificial Intelligence，AI)处理器，该AI处理器用于处理有关机器学习的计算操作。
所述存储器42包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。所述存储器42还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，所述存储器42中的非暂态的计算机可读存储介质用于存储至少一个指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集用于被所述处理器41所执行以实现本发明中实施例中提供的所述牙齿局部坐标系确定方法。
在一些实施例中，参照图4，执行设备(图中未标示)还包括有：外围接口设备44和外围设备43。所述处理器41、所述存储器42和外围接口设备44之间通过总线或信号线相连。外围设备可以通过总线、信号线或电路板与外围接口设备44相连。
具体的，外围设备43可以包括口内扫描仪431和3D打印设备432。所述处理器41通过口内扫描仪431获取患者口内的数字化牙颌模型，所述处理器41在执行计算机程序的过程中通过程序命令获取所述口内扫描仪431采集的数字化牙颌模型，再通过执行所述牙齿局部坐标系确定方法的实施例方法，以获取牙齿局部坐标轴信息，然后再根据所述牙齿局部坐标轴信息计算设计壳状牙齿矫治器，将设计好的数字化壳状牙齿矫治器模型对应的数据信息传输至所述3D打印设备432，通过所述3D打印设备432直接打印制备壳状牙齿矫治器。
本实施例还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质。该计算机可读存储介质中存储有指令，当该指令在计算机上运行时，使得计算机执行上述提供的所述牙齿局部坐标系确定方法。
本发明实施例的执行系统中的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备，例如个人计算机，服务器，或者网络设备等执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-onlymemory，ROM)、随机存取存储器(Random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应当说明的是，上述实施例均可根据需要自由组合。以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (20)

1.一种牙齿局部坐标系确定方法，其特征在于，包括以下步骤：
S0：获取数字化牙颌模型和牙轴网络模型，所述数字化牙颌模型是由若干多边形网格组成的立体模型，所述牙轴网络模型包括若干训练模型；
S1：从所述数字化牙颌模型中获取若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合；
S2：将所述初始位置信息集合输入所述牙轴网络模型进行模型训练，以对所述初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合；
S3：依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，根据所述仿射变换矩阵确定牙齿的局部坐标系信息。
2.根据权利要求1所述的牙齿局部坐标系确定方法，其特征在于，所述若干多边形网格的若干特征点包括所述若干多边形网格的至少部分网格顶点，所述初始位置信息集合包括所述若干多边形网格的至少部分网格顶点在所述全局坐标系下的位置信息，所述模型预测位置信息集合包括所述若干多边形网格的至少部分网格顶点的调整位置信息，所述步骤S3中，依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵的步骤包括：
根据所述若干多边形网格的至少部分网格顶点在所述全局坐标系下的位置信息构建第一矩阵；
根据所述若干多边形网格的至少部分网格顶点的调整位置信息构建第二矩阵；
根据所述第一矩阵和所述第二矩阵构建旋转矩阵；
根据所述第一矩阵的中心、所述第二矩阵的中心以及所述旋转矩阵构建平移矩阵。
3.根据权利要求2所述的牙齿局部坐标系确定方法，其特征在于，所述第一矩阵和所述第二矩阵为矩阵，每一列数据为一个网格的顶点位置坐标数据，/>为顶点数目。
4.根据权利要求3所述的牙齿局部坐标系确定方法，其特征在于，根据所述第一矩阵和所述第二矩阵构建所述旋转矩阵的步骤包括：
对所述第一矩阵和所述第二矩阵分别进行去中心化处理得到第一调整矩阵和第二调整矩阵；
根据所述第一调整矩阵和所述第二调整矩阵构建协方差矩阵；
对所述协方差矩阵进行奇异值分解得到两个正交矩阵；
根据所述两个正交矩阵计算校正参数，并得到包含所述校正参数的中间矩阵；
根据所述两个正交矩阵和所述中间矩阵计算得到所述旋转矩阵。
5.根据权利要求4所述的牙齿局部坐标系确定方法，其特征在于，所述协方差矩阵通过公式得到，其中，/>为协方差矩阵，/>为所述第一调整矩阵，Q为所述第二调整矩阵。
6.根据权利要求5所述的牙齿局部坐标系确定方法，其特征在于，对所述协方差矩阵通过公式进行所述奇异值分解，其中/>和/>为所述两个正交矩阵，/>为对角矩阵，所述对角矩阵的对角线元素为奇异值。
7.根据权利要求6所述的牙齿局部坐标系确定方法，其特征在于，根据公式判断是否需要校正所述旋转矩阵，并构建所述中间矩阵I为/>。
8.根据权利要求7所述的牙齿局部坐标系确定方法，其特征在于，根据公式构建所述旋转矩阵，其中，/>为所述旋转矩阵。
9.根据权利要求8所述的牙齿局部坐标系确定方法，其特征在于，根据公式构建所述平移矩阵，其中，/>为所述平移矩阵，/>为所述第一矩阵的中心，/>为所述第二矩阵的中心。
10.根据权利要求2所述的牙齿局部坐标系确定方法，其特征在于，所述步骤S3中，根据所述仿射变换矩阵确定牙齿的局部坐标系信息的步骤包括：
根据所述旋转矩阵确定局部坐标系下的坐标轴信息；
根据所述平移矩阵确定牙齿中心的位置信息。
11.根据权利要求1所述的牙齿局部坐标系确定方法，其特征在于，所述步骤S1中，从所述数字化牙颌模型中获取所述若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合的步骤包括：
对所述数字化牙颌模型的牙齿进行分类形成若干牙齿组，获取每组牙齿组中每个牙齿的若干特征点在所述全局坐标系下的位置信息作为一组初始位置信息组，得到若干初始位置信息组作为所述初始位置信息集合。
12.根据权利要求11所述的牙齿局部坐标系确定方法，其特征在于，步骤S1中，对所述数字化牙颌模型的牙齿进行分类形成若干牙齿组的步骤包括：
根据所述数字化牙颌模型上单颌左右两侧牙齿的位置对应关系进行分类。
13.根据权利要求11所述的牙齿局部坐标系确定方法，其特征在于，所述步骤S0中，所述若干训练模型中的所有训练模型具有相同的结构，所述若干训练模型的数目与所述若干牙齿组的组数相同，并一一对应处理每组所述初始位置信息组。
14.根据权利要求13所述的牙齿局部坐标系确定方法，其特征在于，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤包括：
将每组所述初始位置信息组输入所述若干训练模型中对应的训练模型以进行所述模型训练。
15.根据权利要求11所述的牙齿局部坐标系确定方法，其特征在于，每组所述初始位置信息组包括每组牙齿组的网格顶点在全局坐标系下的初始位置和每组牙齿组的网格重心在全局坐标系下的初始位置，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤包括：
将所述每组牙齿组的网格顶点在全局坐标系下的初始位置以及每组牙齿组的网格重心在全局坐标系下的初始位置输入所述若干训练模型中对应的训练模型以进行所述模型训练，输出每组牙齿组的网格顶点训练位置。
16.根据权利要求15所述的牙齿局部坐标系确定方法，其特征在于，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤还包括：
根据所述每组牙齿组的网格顶点在全局坐标系下的初始位置与所述每组牙齿组的网格顶点训练位置之间的距离差的平均值构建训练网络的损失函数，利用反向传播方法训练模型。
17.根据权利要求15所述的牙齿局部坐标系确定方法，其特征在于，所述步骤S2中，将所述初始位置信息集合输入所述牙轴网络模型进行模型训练的步骤还包括：
将所述每组牙齿组的网格顶点在全局坐标系下的初始位置和所述每组牙齿组的网格重心在全局坐标系下的初始位置沿每个坐标轴分别旋转指定角度以进行数据增强处理后，将得到的增强数据集合输入所述牙轴网络模型进行所述模型训练；
所述增强数据集合包括所述每组牙齿组的网格顶点在全局坐标系下的调整位置、所述每组牙齿组的网格重心在全局坐标系下的调整位置，以及所述数据增强处理过程中生成的处理过程数据。
18.一种牙齿局部坐标系确定方法的执行系统，其特征在于，用于执行权利要求1至17任一所述的牙齿局部坐标系确定方法，所述执行系统包括输入模块、存储有牙轴网络模型的训练模块，以及处理模块：
所述输入模块接收数字化牙颌模型，提取所述数字化牙颌模型的若干多边形网格的若干特征点在全局坐标系下的位置信息作为初始位置信息集合，将所述初始位置信息集合发送所述训练模块；
所述训练模块利用所述牙轴网络模型对所述初始位置信息集合中的每个位置信息进行调整得到模型预测位置信息集合，将所述初始位置信息集合和所述模型预测位置信息集合发送给所述处理模块；
所述处理模块依据所述初始位置信息集合和所述模型预测位置信息集合计算得到仿射变换矩阵，以及根据所述仿射变换矩阵确定牙齿的局部坐标系信息。
19.一种牙齿局部坐标系确定方法的执行设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至17任一所述的牙齿局部坐标系确定方法。
20.一种计算机存储介质，其特征在于，包括计算机指令，当所述计算机指令在牙齿局部坐标系确定方法的执行设备上运行时，使得所述牙齿局部坐标系确定方法的执行设备执行权利要求1至17任一项所述的牙齿局部坐标系确定方法。
CN202110746423.8A 2021-07-01 2021-07-01 牙齿局部坐标系确定方法和系统、设备及计算机存储介质 Active CN113421333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110746423.8A CN113421333B (zh) 2021-07-01 2021-07-01 牙齿局部坐标系确定方法和系统、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110746423.8A CN113421333B (zh) 2021-07-01 2021-07-01 牙齿局部坐标系确定方法和系统、设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113421333A CN113421333A (zh) 2021-09-21
CN113421333B true CN113421333B (zh) 2023-10-24

Family

ID=77720066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110746423.8A Active CN113421333B (zh) 2021-07-01 2021-07-01 牙齿局部坐标系确定方法和系统、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113421333B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023242767A1 (en) * 2022-06-16 2023-12-21 3M Innovative Properties Company Coordinate system prediction in digital dentistry and digital orthodontics, and the validation of that prediction
CN116385474B (zh) * 2023-02-27 2024-06-04 雅客智慧（北京）科技有限公司 基于深度学习的牙齿扫描模型分割方法、装置、电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301673A (zh) * 2017-05-17 2017-10-27 杭州美齐科技有限公司 一种利用标准模型库构造牙齿的局部坐标系的算法
CN110473283A (zh) * 2018-05-09 2019-11-19 无锡时代天使医疗器械科技有限公司 牙齿三维数字模型的局部坐标系设定方法
CN112638312A (zh) * 2018-09-04 2021-04-09 普罗马顿控股有限责任公司 使用深度学习的自动化正畸治疗计划

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11464467B2 (en) * 2018-10-30 2022-10-11 Dgnct Llc Automated tooth localization, enumeration, and diagnostic system and method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301673A (zh) * 2017-05-17 2017-10-27 杭州美齐科技有限公司 一种利用标准模型库构造牙齿的局部坐标系的算法
CN110473283A (zh) * 2018-05-09 2019-11-19 无锡时代天使医疗器械科技有限公司 牙齿三维数字模型的局部坐标系设定方法
CN112638312A (zh) * 2018-09-04 2021-04-09 普罗马顿控股有限责任公司 使用深度学习的自动化正畸治疗计划

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Deep Multi-Scale Mesh Feature Learning for Automated Labeling of Raw Dental Surfaces From 3D Intraoral Scanners";Chunfeng Lian;《IEEE》;第2440-2450页 *

Also Published As

Publication number Publication date
CN113421333A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
US11642195B2 (en) Visual presentation of gingival line generated based on 3D tooth model
US10945813B2 (en) Providing a simulated outcome of dental treatment on a patient
US10695146B1 (en) Systems and methods for determining orthodontic treatments
CN113421333B (zh) 牙齿局部坐标系确定方法和系统、设备及计算机存储介质
KR20210050562A (ko) 딥 러닝을 이용한 자동 치열 교정치료 계획
US10346504B2 (en) 3D modelling of bodies
CN112053431B (zh) 牙龈形变获取方法、系统及电子设备
US10631954B1 (en) Systems and methods for determining orthodontic treatments
JP2017213096A (ja) 歯軸推定プログラム、歯軸推定装置及びその方法、並びに歯形データ生成プログラム、歯形データ生成装置及びその方法
CN112790879B (zh) 一种牙齿模型的牙轴坐标系构建方法及系统
CN113241155B (zh) 一种头颅侧位片中标志点的获取方法及系统
WO2020161245A1 (en) Method for generating dental models based on an objective function
WO2023100078A1 (en) Geometric deep learning for setups and staging in clear tray aligners
CN113270172B (zh) 一种头颅侧位片中轮廓线的构建方法及系统
CN115641325A (zh) 一种口扫牙模的牙齿宽度计算方法、存储介质和电子设备
CN113274150A (zh) 一种牙龈的构建方法及系统
JP2001067491A (ja) 再分割多角形を用いる画像表示方法及び装置
CN118000934B (zh) 牙弓曲线生成方法及装置、电子设备及存储介质
CN112932697B (zh) 一种牙颌模型中硬腭区域识别方法及系统
US20230149128A1 (en) Method for Simulating Dental Images that Include Tooth Roots
CN113317890A (zh) 一种牙龈纹理坐标的计算方法及系统
WO2024013282A1 (en) Method and system for tooth pose estimation
CN118000934A (zh) 牙弓曲线生成方法及装置、电子设备及存储介质
WO2024127304A1 (en) Transformers for final setups and intermediate staging in clear tray aligners
WO2024127306A1 (en) Pose transfer techniques for 3d oral care representations

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