CN113822305A - 产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法 - Google Patents

产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法 Download PDF

Info

Publication number
CN113822305A
CN113822305A CN202010565918.6A CN202010565918A CN113822305A CN 113822305 A CN113822305 A CN 113822305A CN 202010565918 A CN202010565918 A CN 202010565918A CN 113822305 A CN113822305 A CN 113822305A
Authority
CN
China
Prior art keywords
tooth
data set
generating
digital data
layout
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
Application number
CN202010565918.6A
Other languages
English (en)
Inventor
沈恺迪
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.)
Hangzhou Chaohou Information Technology Co ltd
Original Assignee
Hangzhou Chaohou Information 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 Hangzhou Chaohou Information Technology Co ltd filed Critical Hangzhou Chaohou Information Technology Co ltd
Priority to CN202010565918.6A priority Critical patent/CN113822305A/zh
Priority to PCT/CN2021/083968 priority patent/WO2021253917A1/zh
Priority to US18/011,511 priority patent/US20230334771A1/en
Publication of CN113822305A publication Critical patent/CN113822305A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C13/00—Dental prostheses; Making same
    • A61C13/34—Making or working of models, e.g. preliminary castings, trial dentures; Dowel pins [4]
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

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

Abstract

本申请的一方面提供了一种产生表示正畸治疗的目标牙齿布局的数字数据集的方法，包括：获取第一三维数字模型，表示处于初始牙齿布局的牙颌；对所述第一三维数字模型中的每一牙齿进行采样获得一个对应的采样点集；利用经训练的第一深度人工神经网络，基于每一牙齿的采样点集，产生一个对应的几何编码；将所有牙齿的几何编码组合得到所述牙颌的整体几何编码；以及利用经训练的第二深度人工神经网络，基于所述牙颌的整体几何编码，产生表示所述牙颌正畸治疗的目标牙齿布局的数字数据集。

Description

产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法
技术领域
本申请总体上涉及产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法。
背景技术
当今，由于美观、便捷以及利于清洁等优点，基于高分子材料的壳状矫治器越来越受欢迎。一套壳状矫治器通常包括十几个甚至几十个逐次的壳状矫治器，用于将患者牙齿从初始布局逐次地重新定位到目标布局，其中，在初始布局到目标布局之间包括从第一中间布局到最后中间布局的N个逐次的中间布局。
一种常用的制作壳状矫治器的方法是在一系列逐次的从第一中间布局到目标布局的牙模上，以热压膜成型工艺压膜获得。可以利用表示从第一中间布局到目标布局的一系列逐次的三维数字模型控制设备制作这些牙模。一个常用的获得这些逐次的三维数字模型的方法是，先扫描获得表示患者原始牙齿布局(即进行正畸治疗前患者的牙齿布局)的三维数字模型，接着，人工操作该三维数字模型获得表示目标牙齿布局(即正畸治疗希望达到的牙齿布局)的三维数字模型，然后，基于这两个三维数字模型进行插值得到中间的一系列逐次的三维数字模型。
人工操作表示患者原始牙齿布局的三维数字模型获得表示目标牙齿布局的三维数字模型费时费力，并且其结果高度依赖操作人员的专业水平和认知，较难保证结果的一致性，鉴于此，有必要提供一种计算机执行的产生牙齿正畸治疗的目标牙齿布局的方法。
发明内容
本申请的一方面提供了一种产生表示正畸治疗的目标牙齿布局的数字数据集的方法，包括：获取第一三维数字模型，表示处于初始牙齿布局的牙颌；对所述第一三维数字模型中的每一牙齿进行采样获得一个对应的采样点集；利用经训练的第一深度人工神经网络，基于每一牙齿的采样点集，产生一个对应的几何编码；将所有牙齿的几何编码组合得到所述牙颌的整体几何编码；以及利用经训练的第二深度人工神经网络，基于所述牙颌的整体几何编码，产生表示所述牙颌正畸治疗的目标牙齿布局的数字数据集。
在一些实施方式中，所述第一深度人工神经网络是能够处理点云的深度人工神经网络。
在一些实施方式中，所述第一深度人工神经网络可以是以下之一：PointNet、PointNet++、PointCNN以及DGCNN网络。
在一些实施方式中，所述第二深度人工神经网络可以是基于多层感知器的回归网络。
在一些实施方式中，所述第二深度人工神经网络可以包括SE模块，用于根据全局信息对当前特征的各通道的权值进行调整。
在一些实施方式中，所述牙颌可以包括上颌与下颌。
在一些实施方式中，所述每一牙齿的几何编码为M维向量，其中的M’维向量是由所述第一深度人工神经网络在训练过程中选定，其中，M和M’均为自然数，M>M’。
在一些实施方式中，所述M维向量还包括表示对应牙齿的位姿。
在一些实施方式中，所述M’维向量表示对应牙齿的几何形态。
在一些实施方式中，所述第一深度人工神经网络对每一牙齿进行几何编码时，对该牙齿每一采样点提取的特征包括该采样点与邻牙的位置关系。
在一些实施方式中，所述与邻牙的位置关系特征可以是与邻牙的最短距离。
在一些实施方式中，所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法还可以包括：基于所述表示目标牙齿布局的数字数据集进行至少一次迭代，获得新的表示目标牙齿布局的数字数据集。
附图说明
以下将结合附图及其详细描述对本申请的上述及其他特征作进一步说明。应当理解的是，这些附图仅示出了根据本申请的若干示例性的实施方式，因此不应被视为是对本申请保护范围的限制。除非特别指出，附图不必是成比例的，并且其中类似的标号表示类似的部件。
图1为本申请一个实施例中的计算机执行的产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法的示意性流程图；以及
图2示意性地展示了本申请一个实施例中第二深度学习人工神经网络的结构。
具体实施方式
以下的详细描述中引用了构成本说明书一部分的附图。说明书和附图所提及的示意性实施方式仅仅出于是说明性之目的，并非意图限制本申请的保护范围。在本申请的启示下，本领域技术人员能够理解，可以采用许多其他的实施方式，并且可以对所描述实施方式做出各种改变，而不背离本申请的主旨和保护范围。应当理解的是，在此说明并图示的本申请的各个方面可以按照很多不同的配置来布置、替换、组合、分离和设计，这些不同配置都在本申请的保护范围之内。
本申请的一方面提供了一种计算机执行的产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法。
牙科正畸治疗是把牙齿从原始布局重新定位到目标布局的过程。可以理解，目标布局是正畸治疗期望达到的牙齿布局；原始布局可以是进行正畸治疗之前患者的牙齿布局，也可以是利用本申请的方法产生目标布局时所基于的患者当前牙齿布局。
请参图1，为本申请一个实施例中的计算机执行的产生牙齿正畸治疗的目标牙齿布局的方法100的示意性流程图。
在一个实施例中，本申请的产生牙齿正畸治疗的目标牙齿布局的方法可以仅针对单个牙颌(例如，上颌或下颌)产生目标牙齿布局；在又一实施例中，本申请的产生牙齿正畸治疗的目标牙齿布局的方法也可以把上颌与下颌作为一个整体进行处理，同时产生上颌与下颌的目标牙齿布局。下面以后者为例对本申请的产生牙齿正畸治疗的目标牙齿布局的方法进行详细说明。
在101中，获取第一三维数字模型和第二三维数字模型，分别表示处于原始布局的患者上颌牙齿与下颌牙齿。
在一个实施例中，可以通过直接扫描患者的牙颌，以获取表示处于原始布局的牙齿的三维数字模型。在又一实施例中，可以通过扫描患者牙颌的实体模型，例如石膏模型，以获取表示处于原始布局的牙齿的三维数字模型。在又一实施例中，可以通过扫描患者牙颌的咬模，以获取表示处于原始布局的牙齿的三维数字模型。
在一个实施例中，在获得表示处于原始布局的牙齿的三维数字模型后，可以将其进行分割，使得该三维数字模型中各牙齿之间相互独立，从而可以单独移动该三维数字模型中的每颗牙齿。
在一个实施例中，为了便于计算，可以结合全局坐标系和局部坐标系来表达所述第一三维数字模型和第二三维数字模型，即每一颗牙齿拥有自己的局部坐标系，以其局部坐标系在全局坐标系中的位姿表示该牙齿的位姿。
在103中，对第一三维数字模型和第二三维数字模型中的每一牙齿进行采样获得一个对应的采样点集。
在一个实施例中，可以对每一牙齿的三维数字模型进行均匀采样，在一个实施例中，可以采用最远点采样作为采样策略。在本申请的启示下，可以理解，采样方法并不限于以上所列，可以采用任何其他适用的采样方法。
在一个实施例中，对于每一颗牙齿的三维数字模型，可以在其顶点中采样获得1024个点。在本申请的启示下，可以理解，采样点的数量并不仅限于1024个，只要采样点的数量足够多，能够保留牙齿的几何特征即可。
采样完成后，对于所述第一三维数字模型和第二三维数字模型中的每一颗牙齿，获得一个对应的采样点集。
在105中，利用经训练的第一深度学习人工神经网络，基于每一牙齿的采样点集进行自编码，获得一个对应的几何编码。
在一个实施例中，第一深度学习人工神经网络可以是任何能够处理点云的深度学习人工神经网络，例如，PointNet、PointNet++、PointCNN以及DGCNN网络等。在下面的实施例中，将以PointNet网络为例进行说明。
在一个实施例中，以经训练的PointNet网络对每一颗牙齿的采样点集进行自编码，得到一个关于对应牙齿的三维几何形态的编码c，其中，c是一个n维向量。在一个实施例中，n的值可以根据实验结果和计算系统的计算力来确定，例如，可以在100～300的范围内为n取值，例如，可以将n设为100。
在一个实施例中，对于每一颗牙齿，可以将其编码c与其位置p及姿态q信息进行组合，得到该牙齿的几何编码(c,p,q)。在一个实施例中，位置信息p可以是一个三维向量，表示牙齿相对于世界坐标系的一个位移，姿态信息q可以是一个旋转量(例如，四元数、欧拉角、旋转矩阵或旋转向量)，表示牙齿相对于世界坐标系的一个旋转。在一个实施例中，p和q可以是对应牙齿的局部坐标系在全局坐标系中的位置和姿态。
在107中，将所有牙齿的几何编码进行组合得到牙颌的整体几何编码。
对于针对单个牙颌产生目标牙齿布局的方案，牙颌的整体几何编码是该单个牙颌的整体几何编码。对于将上、下颌作为一个整体产生目标牙齿布局的方案，牙颌的整体几何编码是上、下颌的整体几何编码。
在一个实施例中，牙颌的整体几何编码可以是一个N*(n+7)的二维矩阵，其中，N表示牙齿的总数量(对于将上、下颌作为一个整体的方案，N通常为28)，n为每一颗牙齿的几何编码的维度，在一个实施例中，对于每一颗牙齿，p的维度可以是3，q的维度可以是4。
在109中，利用经训练的第二深度学习人工神经网络，基于牙颌的整体几何编码，产生表示目标牙齿布局的数字数据集。
请参图2，示意性地展示了本申请一个实施例中第二深度学习人工神经网络200。
第二深度学习人工神经网络200可以被认为是基于多层感知器的回归网络，即基于多层感知器解决回归问题。
第二深度学习人工神经网络200包括输入模块201、参数共享的全连接层模块203、跳跃连接模块205、参数共享的全连接层模块207和209、SE网络模块211(Squeeze-and-Excitation Network)、SE输出模块213、向量整平模块215、多层感知器模块217、向量重构模块219以及输出模块221。
输入模块201接收所述第一深度学习人工神经网络的输出，例如，表示牙颌整体几何编码的二维矩阵。
SE网络模块211用于根据全局信息对当前特征的各通道的权重进行调整，以突出有用的特征，压制不太有用的特征。SE网络模块211的实现可参考由JieHu、LiShen和GangSun发表的《Squeeze-and-Excitation Networks》。
跳跃连接模块205的输出与SE网络模块211的输出合并后输入向量整平模块215，进行向量整平操作，以将数据转化为一维向量，使得与向量整平模块215连接的多层感知器模块217能够接收并处理这些数据。在一个实施例中，多层感知器模块217可以包括若干层全连接层。
向量重构模块219将多层感知器模块217输出的一维向量重构为矩阵形式，由输出模块221输出。
在一个实施例中，第二深度学习人工神经网络200可以输出表示目标牙齿布局下各牙齿的位姿的数字数据集，例如，目标牙齿布局下各牙齿的坐标和角度。在又一实施例中，第二深度学习人工神经网络200也可以输出各牙齿的空间变换矩阵，用于将当前牙齿布局下各牙齿移动到目标牙齿布局下的位姿。
在一个实施例中，可以将所述第一深度学习人工神经网络和第二深度学习人工神经网络作为一个整体进行训练。对于每一颗牙齿，其几何编码中的n维特征是什么特征，这是由第一深度学习人工神经网络在训练中所决定，这样能够使得这n维特征能够尽量准确地捕捉牙齿的几何特征对于排牙的影响，从而指导网络实现更准确的排牙。
在又一实施例中，所述第一深度学习人工神经网络和第二深度学习人工神经网络也可以分开分别进行训练。
在一个实施例中，所述第一深度学习人工神经网络可以是PointNet网络，可以利用采样点集(作为输入)和重构点集(作为输出)对其进行训练，以采样点集和重构点集之间的chamfer距离作为损失函数。
在一个实施例中，利用所述第一深度学习人工神经网络对每颗牙齿进行几何编码时，牙齿上采样点的坐标可以是全局坐标系的坐标值。
在一个实施例中，利用所述第一深度学习人工神经网络对每颗牙齿进行几何编码时，对于每个采样点，提取的特征可以包括位姿信息、法向信息以及其与每一邻接牙齿之间的最短距离。本申请的发明人经过大量实验发现，与每一邻接牙之间的最短距离该特征对于提升产生的目标牙齿布局的精确度有较大帮助。在本申请的启示下，可以理解，该特征可以其他与邻接牙的位置关系的特征替换，例如，与邻接牙之间的最远距离或与邻接牙之间的平均距离等。每一牙齿的几何编码是基于对该牙齿的采样点集提取到的特征而获得。
在又一实施例中，利用所述第一深度学习人工神经网络对每颗牙齿进行几何编码时，牙齿上采样点的坐标可以是局部坐标系的坐标值。
在以上实施例中，利用本申请的方法产生表示目标牙齿布局的数字数据集，可以将上、下颌作为一个整体进行，在这种情况下，对于每个采样点，在提取其与每一邻接牙齿之间的最短距离这个特征时，不仅要考虑其所在牙颌内的邻接牙齿，还要考虑对颌牙齿中的与之邻接的牙齿。
在又一实施例中，利用本申请的方法产生表示目标牙齿布局的数字数据集，可以基于单个牙颌进行，例如，仅针对上颌或下颌产生表示其目标牙齿布局的数字数据集。
在111中，基于获得的表示目标牙齿布局的数字数据集进行至少一次迭代，获得迭代后的表示目标牙齿布局的数字数据集。
在一个实施例中，可以将获得的表示目标牙齿布局的牙颌的三维数字模型作为基础，重新进行一次以上操作，迭代获得新的表示目标牙齿布局的数字数据集。
本申请的发明人经过大量实验发现，通常情况下，迭代一次获得的结果已经足够好。
在训练的阶段，该操作可被视为是对用于训练的现有数据的增广。
在一个实施例中，所述第二深度学习人工神经网络也可以是深度学习卷积神经网络(ConvolutionalNeuralNetwork，简称CNN)。
尽管在此公开了本申请的多个方面和实施例，但在本申请的启发下，本申请的其他方面和实施例对于本领域技术人员而言也是显而易见的。在此公开的各个方面和实施例仅用于说明目的，而非限制目的。本申请的保护范围和主旨仅通过后附的权利要求书来确定。
同样，各个图表可以示出所公开的方法和系统的示例性架构或其他配置，其有助于理解可包含在所公开的方法和系统中的特征和功能。要求保护的内容并不限于所示的示例性架构或配置，而所希望的特征可以用各种替代架构和配置来实现。除此之外，对于流程图、功能性描述和方法权利要求，这里所给出的方框顺序不应限于以同样的顺序实施以执行所述功能的各种实施例，除非在上下文中明确指出。
除非另外明确指出，本文中所使用的术语和短语及其变体均应解释为开放式的，而不是限制性的。在一些实例中，诸如“一个或多个”、“至少”、“但不限于”这样的扩展性词汇和短语或者其他类似用语的出现不应理解为在可能没有这种扩展性用语的示例中意图或者需要表示缩窄的情况。

Claims (12)

1.一种产生表示正畸治疗的目标牙齿布局的数字数据集的方法，包括：
获取第一三维数字模型，表示处于初始牙齿布局的牙颌；
对所述第一三维数字模型中的每一牙齿进行采样获得一个对应的采样点集；
利用经训练的第一深度人工神经网络，基于每一牙齿的采样点集，产生一个对应的几何编码；
将所有牙齿的几何编码组合得到所述牙颌的整体几何编码；以及
利用经训练的第二深度人工神经网络，基于所述牙颌的整体几何编码，产生表示所述牙颌正畸治疗的目标牙齿布局的数字数据集。
2.如权利要求1所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述第一深度人工神经网络是能够处理点云的深度人工神经网络。
3.如权利要求2所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述第一深度人工神经网络是以下之一：PointNet、PointNet++、PointCNN以及DGCNN网络。
4.如权利要求1所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述第二深度人工神经网络是基于多层感知器的回归网络。
5.如权利要求4所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述第二深度人工神经网络包括SE模块，用于根据全局信息对当前特征的各通道的权值进行调整。
6.如权利要求1所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述牙颌包括上颌与下颌。
7.如权利要求1所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述每一牙齿的几何编码为M维向量，其中的M’维向量是由所述第一深度人工神经网络在训练过程中选定，其中，M和M’均为自然数，M>M’。
8.如权利要求7所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述M维向量还包括表示对应牙齿的位姿。
9.如权利要求7所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述M’维向量表示对应牙齿的几何形态。
10.如权利要求1所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述第一深度人工神经网络对每一牙齿进行几何编码时，对该牙齿每一采样点提取的特征包括该采样点与邻牙的位置关系。
11.如权利要求10所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，所述与邻牙的位置关系特征是与邻牙的最短距离。
12.如权利要求1所述的产生表示正畸治疗的目标牙齿布局的数字数据集的方法，其特征在于，它还包括：基于所述表示目标牙齿布局的数字数据集进行至少一次迭代，获得新的表示目标牙齿布局的数字数据集。
CN202010565918.6A 2020-06-19 2020-06-19 产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法 Pending CN113822305A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010565918.6A CN113822305A (zh) 2020-06-19 2020-06-19 产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法
PCT/CN2021/083968 WO2021253917A1 (zh) 2020-06-19 2021-03-30 产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法
US18/011,511 US20230334771A1 (en) 2020-06-19 2021-03-30 Method for generating digital data set representing target tooth arrangement for orthodontic treatment

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010565918.6A CN113822305A (zh) 2020-06-19 2020-06-19 产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法

Publications (1)

Publication Number Publication Date
CN113822305A true CN113822305A (zh) 2021-12-21

Family

ID=78912012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010565918.6A Pending CN113822305A (zh) 2020-06-19 2020-06-19 产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法

Country Status (3)

Country Link
US (1) US20230334771A1 (zh)
CN (1) CN113822305A (zh)
WO (1) WO2021253917A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220366225A1 (en) * 2021-05-14 2022-11-17 Maxim Integrated Products, Inc. Systems and methods for reducing power consumption in compute circuits

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2690122T3 (es) * 2006-02-28 2018-11-19 Ormco Corporation Software y métodos para planificación de tratamiento dental
CN106618760B (zh) * 2016-12-07 2019-11-08 上海牙典医疗器械有限公司 一种设计正畸矫治方案的方法
CN110473283B (zh) * 2018-05-09 2024-01-23 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
CN109363786B (zh) * 2018-11-06 2021-03-05 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
CN109528323B (zh) * 2018-12-12 2021-04-13 上海牙典软件科技有限公司 一种基于人工智能的正畸方法及装置
CN111274666B (zh) * 2019-12-06 2023-09-15 正雅齿科科技(上海)有限公司 一种数字化牙齿位姿变化量的设计、模拟排牙方法及装置

Also Published As

Publication number Publication date
WO2021253917A1 (zh) 2021-12-23
US20230334771A1 (en) 2023-10-19

Similar Documents

Publication Publication Date Title
US20220218449A1 (en) Dental cad automation using deep learning
US11735306B2 (en) Method, system and computer readable storage media for creating three-dimensional dental restorations from two dimensional sketches
KR20210050562A (ko) 딥 러닝을 이용한 자동 치열 교정치료 계획
CN111152218B (zh) 一种异构仿人机械臂的动作映射方法及系统
CN113011526B (zh) 基于强化学习和无监督学习的机器人技能学习方法及系统
CN113409384A (zh) 一种目标物体的位姿估计方法和系统、机器人
CN111265317B (zh) 一种牙齿正畸过程预测方法
CN111696068A (zh) 利用人工神经网络产生表示目标牙齿布局的数字数据集的方法及计算机系统
CN115619773B (zh) 一种三维牙齿多模态数据配准方法及系统
CN109108970B (zh) 一种基于骨骼节点信息的交互式机械臂控制方法
CN113822305A (zh) 产生表示牙齿正畸治疗的目标牙齿布局的数字数据集的方法
CN111696069A (zh) 利用基于变分自编码器的深度学习神经网络产生表示目标牙齿布局的数字数据集的方法
CN111260702A (zh) 激光三维点云与ct三维点云配准方法
CN115760674A (zh) 产生表示目标牙齿布局的数字数据集的方法
JP2024031920A (ja) ３次元スキャンデータから補綴物を自動で生成する方法、及びこれをコンピュータで実行させるためのプログラムが記録されたコンピュータ読取り可能な記録媒体
CN114782454B (zh) 用于盆腔肿瘤影像术前导航的图像识别系统
US11759296B2 (en) Method for generating a digital data set representing a target tooth arrangement
CN115631343A (zh) 基于全脉冲网络的图像生成方法、装置、设备及存储介质
CN114862670A (zh) 大鼠踝骨骨折Micro-CT图像的超分辨率重建装置
CN115204027A (zh) 产生表示处于目标牙齿布局的牙列的三维数字模型的方法
US11937994B2 (en) Method for generating a digital data set representing a target tooth arrangement
CN118212376A (zh) 基于牙齿参数化模型和牙齿照片的牙齿三维模型重建方法
KR20240029725A (ko) 3차원 스캔 데이터로부터 보철물을 자동으로 생성하는 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
US20240029380A1 (en) Integrated Dental Restoration Design Process and System
WO2024108341A1 (zh) 基于点云理解的自动排牙方法、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