CN114617655A - 可摘局部义齿支架模型自动生成方法及系统 - Google Patents
可摘局部义齿支架模型自动生成方法及系统 Download PDFInfo
- Publication number
- CN114617655A CN114617655A CN202210092378.3A CN202210092378A CN114617655A CN 114617655 A CN114617655 A CN 114617655A CN 202210092378 A CN202210092378 A CN 202210092378A CN 114617655 A CN114617655 A CN 114617655A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- snap ring
- partial denture
- automatic generation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000014759 maintenance of location Effects 0.000 claims abstract description 36
- 210000004513 dentition Anatomy 0.000 claims abstract description 19
- 230000036346 tooth eruption Effects 0.000 claims abstract description 19
- 238000013135 deep learning Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 210000001909 alveolar process Anatomy 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 206010044048 Tooth missing Diseases 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010408 sweeping Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000005070 sampling Methods 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 2
- 229910000684 Cobalt-chrome Inorganic materials 0.000 description 2
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 239000010952 cobalt-chrome Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229910001020 Au alloy Inorganic materials 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- WAIPAZQMEIHHTJ-UHFFFAOYSA-N [Cr].[Co] Chemical compound [Cr].[Co] WAIPAZQMEIHHTJ-UHFFFAOYSA-N 0.000 description 1
- MTHLBYMFGWSRME-UHFFFAOYSA-N [Cr].[Co].[Mo] Chemical compound [Cr].[Co].[Mo] MTHLBYMFGWSRME-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003353 gold alloy Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
Images
Classifications
-
- 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
- A61C13/0003—Making bridge-work, inlays, implants or the like
- A61C13/0004—Computer-assisted sizing or machining of dental prostheses
-
- 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
- A61C13/0003—Making bridge-work, inlays, implants or the like
- A61C13/0006—Production methods
- A61C13/0019—Production methods using three dimensional printing
-
- 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
- A61C13/08—Artificial teeth; Making same
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Dentistry (AREA)
- Animal Behavior & Ethology (AREA)
- Software Systems (AREA)
- Veterinary Medicine (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Geometry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本公开提供了一种可摘局部义齿支架模型自动生成方法及系统，获取支架二维数据和牙列模型扫描数据；根据获取的牙列模型扫描数据和预设深度学习网络模型，得到余留牙齿和牙位；根据支架二维数据的解析结果以及得到的余留牙齿和牙位，得到卡环、连接体、固位网和终止线的模型；本公开基于支架二维数据，自动生成支架中的大连接体、固位网、卡环和终止线，减少了大量的人机交互操作，使支架设计质量和效率有了很大程度的提升，简化了设计流程，提高了支架设计效率，优化了支架设计体验。
Description
技术领域
本公开涉及数据处理技术领域，特别涉及一种可摘局部义齿支架模型自动生成方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
铸造支架式可摘局部义齿(framework)的金属部件(简称：支架)主要由整体铸造制作，人工牙、基托塑料附着在铸造支架的固位网上，常用的金属材料为钴铬(Co-Cr)合金、钛金属、钴铬钼(Co-Cr-Mo)合金、金合金等。在牙齿修复科领域，支架设计是一个重要的分支。
发明人发现，传统的支架设计存在以下的问题，一是设计方案主要依赖设计人员的个人经验，二是需要设计人员进行频繁的人机交互操作，这都降低了支架设计的质量和效率。
发明内容
为了解决现有技术的不足，本公开提供了一种可摘局部义齿支架模型自动生成方法及系统，基于支架二维数据，自动生成支架中的大连接体、固位网、卡环和终止线，减少了大量的人机交互操作，使支架设计质量和效率有了很大程度的提升，简化了设计流程，提高了支架设计效率，优化了支架设计体验。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种可摘局部义齿支架模型自动生成方法。
一种可摘局部义齿支架模型自动生成方法，包括以下过程：
获取支架二维数据和牙列模型扫描数据；
根据获取的牙列模型扫描数据和预设深度学习网络模型，得到余留牙齿和牙位；
根据支架二维数据的解析结果以及得到的余留牙齿和牙位，得到卡环、连接体、固位网和终止线的模型。
进一步的，支架二维数据至少包括上和/或下颌牙齿缺失信息、大连接体形态和卡环类型。
进一步的，预设深度学习网络模型中，对输入的点云数据，进行特征提取和特征变换，通过最大池化层聚合所有点特征，通过结合局部特征和全局特征得到每个点的标签，得到余留牙齿和牙位识别结果；
其中，特征提取，包括：
将点的局部特征和几何特征与其邻域内点的特征进行加权求和，得到第一层特征，将点的初始局部特征和几何特征与第一层特征进行级联，对该部分特征再进行特征提取。
进一步的，固位网模型的生成，包括：
将所有余留牙包围盒的中心点连接起来，生成牙槽嵴顶线；
将缺牙区域的近远中侧往对侧分别移动预设距离，并保留移动后的所有面片；
将颊侧移动到牙槽嵴顶线往颊侧方向预设距离处，并保留移动后的所有面片；
对移动后的区域生成实体并打孔，最终生成固位网模型。
进一步的，连接体模型的生成，包括：
扫描数据按照倒凹方向进行放置，将二维支架规划方案图像的中心点与扫描数据包围盒的中心点对齐，将二维支架规划方案图像按比例缩放至与包围盒大小相同或差异在预设范围内，调整图像使二维图像的牙列弧形形态保持与扫描数据相同或差异在预设范围内；
对支架二维图像的连接区域轮廓均匀采点，并将每个点投影到扫描数据上，得到投影后的所有三维的点；
将所有三维点连接起来，生成连接区域，进而得到连接体模型。
进一步的，卡环模型的生成，包括：
根据预建立卡环数据库，得到每颗基牙上每种形态卡环的相对位置；
通过支架二维数据，得到某颗基牙上绘制某种形态的卡环，检索卡环数据库中的位置从而生成卡环模型。
进一步的，终止线模型的生成，包括：
选择固位网模型与连接体模型相连接的近中点作为终止线的第一端点，然后选择距离固位网模型与连接体相连接区域远中点作为终止线的第二端点；
连接第一端点和第二端点，形成一条折线，将折线均匀采点，并将所有点按照倒凹方向投影到扫描数据上，连接生成新的多条折线，以新的多条折线进行扫掠，生成外终止线；
将外终止线往舌侧方向偏移预设距离，生成内终止线。
本公开第二方面提供了一种可摘局部义齿支架模型自动生成系统。
一种可摘局部义齿支架模型自动生成系统，包括：
数据获取模块，被配置为：获取支架二维数据和牙列模型扫描数据；
牙位识别模块，被配置为：根据获取的牙列模型扫描数据和预设深度学习网络模型，得到余留牙齿和牙位；
模型生成模块，被配置为：根据支架二维数据的解析结果以及得到的余留牙齿和牙位，得到卡环、连接体、固位网和终止线的模型。
本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的可摘局部义齿支架模型自动生成方法中的步骤。
本公开第四方面提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本公开第一方面所述的可摘局部义齿支架模型自动生成方法中的步骤。
与现有技术相比，本公开的有益效果是：
本公开所述的方法、系统、介质或电子设备，基于支架二维数据，自动生成支架中的大连接体、固位网、卡环和终止线，减少了大量的人机交互操作，使支架设计质量和效率有了很大程度的提升，简化了设计流程，提高了支架设计效率，优化了支架设计体验
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的可摘局部义齿支架模型自动生成方法的流程示意图。
图2为本公开实施例1提供的支架二维规划方案示意图。
图3为本公开实施例1提供的牙位识别结果示意图。
图4为本公开实施例1提供的模型生成流程示意图。
图5为本公开实施例1提供的生成固位网流程图。
图6为本公开实施例1提供的生成牙槽嵴顶线示意图。
图7为本公开实施例1提供的移动缺牙区域的近远中侧示意图。
图8为本公开实施例1提供的移动缺牙区域的颊侧示意图。
图9为本公开实施例1提供的生成的固位网模型示意图。
图10为本公开实施例1提供的连接体模型生成流程示意图。
图11为本公开实施例1提供的连接体模型示意图。
图12为本公开实施例1提供的卡环模型示意图。
图13为本公开实施例1提供的外终止线模型示意图。
图14为本公开实施例1提供的内终止线模型示意图。
图15为本公开实施例5提供的系统框架示意图。
图16为本公开实施例5提供的系统功能模块示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
如图1所示，本公开实施例1提供了一种可摘局部义齿支架模型自动生成方法，包括以下过程：
获取支架二维数据和牙列模型扫描数据；
根据获取的牙列模型扫描数据和预设深度学习网络模型，得到余留牙齿和牙位；
根据支架二维数据的解析结果以及得到的余留牙齿和牙位，得到卡环、连接体、固位网和终止线的模型。
具体的，首先获取二维支架规划方案和扫描数据，其中二维支架规划方案包括上、下颌牙齿缺失信息、大连接体形态、卡环类型等；然后利用深度学习自动识别余留牙并模拟出患者修复后的牙齿情况，包括牙齿位置、形态等；再次利用上面两步的数据进行智能设计，包括卡环、连接体、固位网和终止线等；最后输出设计完成的支架数据，用于3D打印。
S1：解析二维支架规划方案信息
二维支架规划方案主要是用于指导设计支架模型。例如图2中描述的上颌模型，缺失牙为15、25和26，缺失牙区域绘制固位网；基牙为14、16、24和27，用来放置卡环；大连接体将所有卡环和固位网进行连接。
具体的解析结果如下：
牙号：16，卡环名：三臂卡环(近中)；支托：圆三角形，近远中长度1/4(近中)；颊舌侧宽度1/3；
牙号：14，卡环名：三臂卡环(近中)；支托：圆三角形，近远中长度1/3(近中)，舌侧宽度1/2；
牙号：24，卡环名：三臂卡环(近中)；支托：圆三角形，近远中长度1/3(近中)，频舌侧定度1/2；
牙号：27，卡环名：三臂卡环(近中)，支拖：圆三角形，近远中长度1/4(近中)，颊舌侧宽度1/3；
固位网：15；
固位网：25、26。
S2：基于深度学习的自动识别牙位算法
输入：牙列模型点云数据。
过程：
S2.1：采样，为保证点云数据的几何特性，对模型采用最远距离采样的方式采集点，将以该点为中心特定边长的正多面体包含的点作为该点的邻域。
S2.2：特征提取，首先将点的局部特征和几何特征与其邻域内点的特征进行加权求和，得到第一层特征；然后将点的初始局部特征和几何特征与第一层特征进行级联，对该部分特征再进行特征提取。
S2.3：识别，输入n个点，首先进行特征变换，然后通过最大池化层聚合所有点特征，通过结合局部特征和全局特征得到每个点的标签，实现牙列识别。
输出：将所有余留的牙齿及牙位识别出来，并在输出的模型上将每颗余留牙进行分类标记。
识别效果如图3所示。
S3：模型智能生成，如图4所示。
首先进行扫描数据预处理，扫描数据在进行卡环设计之前，需要进行预处理，例如指定倒凹方向，并进行扫描数据填倒凹处理，这步操作与传统的支架软件是一样，这里不在重复描述。
S3.1：自动生成固位网
根据利用深度学习方法得到的缺失牙区域，缺牙区域经过软件自动调整后形成生成固位网的区域，自动调整的策略为：缺牙区域的近远中侧需要往对侧移动2mm距离，颊侧需移动到牙槽嵴顶线往颊侧方向2mm处，具体流程图如图5所示。
S3.1.1：生成牙槽嵴顶线
将所有余留牙包围盒的中心点连接起来，生成牙槽嵴顶线，如图6所示。
S3.1.2：移动缺牙区域的近远中侧
通常情况下，缺牙区域的近远中侧一般比固位网的区域要大，因此将缺牙区域的近远中侧往对侧分别移动2mm距离，并保留移动后的所有面片，如图7所示。
S3.1.3：移动缺牙区域的颊侧
通常情况下，缺牙区域的颊侧比固位网的颊侧要大，因此将颊侧移动到牙槽嵴顶线往颊侧方向2mm处，并保留移动后的所有面片，如图8所示。
S3.1.4：生成固位网模型
对移动后的区域生成实体并打孔，最终生成固位网模型，如图9所示。
S3.2：自动生成连接体
连接体区域是由二维支架数据投影到扫描数据上，具体流程如图10所示。
S3.2.1：二维支架规划方案图像与扫描数据配准
首先将软件中渲染的扫描数据按照倒凹方向进行放置。然后将二维支架规划方案图像的中心点与扫描数据包围盒的中心点对齐，将二维支架规划方案图像按比例缩放至与包围盒大小大致相同。并适当调整图像，使二维图像的牙列弧形形态保持与扫描数据的大致相同。
S3.2.2：大连接体区域投影
二维支架规划方案图像的大连接区域轮廓均匀采点，并将每个点投影到扫描数据上。
首先计算需要投影的点相对于图像中心点的相对位置信息R，
R＝(rx,ry) (1)
其中，
rx＝(pi_x_2d-cx)/cx (2)
式中的pi_x_2d表示二维图像中第i个点的x方向的坐标，cx表示图像中心点x方向的坐标，
ry＝(pi_y_2d-cy)/cy (3)
式中的pi_y_2d表示二维图像中第i个点的y方向的坐标，cy表示图像中心点y方向的坐标。然后计算图像中的点沿着-y的方向投影在模型上的坐标Pi_3d，
Pi_3d＝(i_x_3d,boundminZ,i_z_3d) (4)
其中bound表示扫描数据包围盒的信息；i_x_3d表示扫描数据中第i个点的x方向的坐标，i_z_3d表示扫描数据中第i个点的y方向的坐标，其中
式中boundCenterx为扫描数据包围盒中心点x坐标的值。
式中，boundCenterz为扫描数据包围盒中心点z坐标的值。
最后，得到投影后的所有三维的点。
S3.2.3：生成大连接体
将所有三维点连接起来，生成大连接区域，再生成实体，如图11所示。
S3.3：自动生成卡环
首先建立卡环数据库，记录每颗基牙上每种形态卡环的相对位置。然后通过二维支架的规划方案，已知某颗基牙上绘制某种形态的卡环，检索卡环数据库中的位置从而生成卡环模型，如图12所示。
S3.4：自动生成内/外终止线
S3.4.1：生成外终止线
选择固位网模型和连接体相连接的近中点作为终止线的一个端点，然后选择距离固位网模型和连接体相连接区域远中点作为终止线的第二个端点。连接第一、二两个端点，形成一条折线，将折线均匀采点，并将所有点按照倒凹方向投影到扫描数据上，连接生成新的多条折线。以新的多条折线进行扫掠，生成外终止线，如图13所示。
S3.4.2：生成内终止线
内终止线位于大连接体与扫描数据中间，将外终止线往舌侧方向偏移2mm，则生成内终止线，如图14所示。
S5：导出支架模型
导出支架模型之前，将支架模型的各个部分做布尔合运算，形成一个整体；然后再与扫描数据做布尔减运算，保证设计完成的支架模型能够正常佩戴；最后输出支架模型，进行3D打印。
实施例2：
本公开实施例2提供了一种可摘局部义齿支架模型自动生成系统，包括：
数据获取模块，被配置为：获取支架二维数据和牙列模型扫描数据；
牙位识别模块，被配置为：根据获取的牙列模型扫描数据和预设深度学习网络模型，得到余留牙齿和牙位；
模型生成模块，被配置为：根据支架二维数据的解析结果以及得到的余留牙齿和牙位，得到卡环、连接体、固位网和终止线的模型。
所述系统的工作方法与实施例1提供的可摘局部义齿支架模型自动生成方法相同，这里不再赘述。
实施例3：
本公开实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例1所述的可摘局部义齿支架模型自动生成方法中的步骤。
实施例4：
本公开实施例4提供了一种电子设备，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程序，所述处理器执行所述程序时实现如本公开实施例1所述的可摘局部义齿支架模型自动生成方法中的步骤。
实施例5：
如图15和图16所示，本公开实施例5提供了一种可摘局部义齿支架模型自动生成系统，在用户层下，主要有终端显示层，用于图形的显示。
服务层主要包括请求处理层、设计模块和核心算法层，其中请求处理层主要处理来自Web端和桌面版程序的请求，模型处理层主要包括固位网的生成、连接体的生成、卡环的生成、固位网的生成等功能，用于生成所需的支架部件，算法层主要包括基于深度学习的牙位识别算法和二维支架图像投影至扫描数据等算法，用于支持模型处理所需要的功能。
基于人工智能的支架设计包含二维规划方案和扫描数据导入、智能设计、生产数据导出三个功能模块，其中导入功能包括导入二维支架信息和导入扫描数据两个功能，智能设计模块包括生成固位网、生成连接体、生成卡环、生成终止线等主要功能，导出功能模块包括导出生成的支架模型功能。
具体的工作方法与实施例1提供的方法相同，这里不再赘述。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种可摘局部义齿支架模型自动生成方法，其特征在于：包括以下过程：
获取支架二维数据和牙列模型扫描数据；
根据获取的牙列模型扫描数据和预设深度学习网络模型，得到余留牙齿和牙位；
根据支架二维数据的解析结果以及得到的余留牙齿和牙位，得到卡环、连接体、固位网和终止线的模型。
2.如权利要求1所述的可摘局部义齿支架模型自动生成方法，其特征在于：
支架二维数据至少包括上和/或下颌牙齿缺失信息、大连接体形态和卡环类型。
3.如权利要求1所述的可摘局部义齿支架模型自动生成方法，其特征在于：
预设深度学习网络模型中，对输入的点云数据，进行特征提取和特征变换，通过最大池化层聚合所有点特征，通过结合局部特征和全局特征得到每个点的标签，得到余留牙齿和牙位识别结果；
其中，特征提取，包括：
将点的局部特征和几何特征与其邻域内点的特征进行加权求和，得到第一层特征，将点的初始局部特征和几何特征与第一层特征进行级联，对该部分特征再进行特征提取。
4.如权利要求1所述的可摘局部义齿支架模型自动生成方法，其特征在于：
固位网模型的生成，包括：
将所有余留牙包围盒的中心点连接起来，生成牙槽嵴顶线；
将缺牙区域的近远中侧往对侧分别移动预设距离，并保留移动后的所有面片；
将颊侧移动到牙槽嵴顶线往颊侧方向预设距离处，并保留移动后的所有面片；
对移动后的区域生成实体并打孔，最终生成固位网模型。
5.如权利要求1所述的可摘局部义齿支架模型自动生成方法，其特征在于：
连接体模型的生成，包括：
扫描数据按照倒凹方向进行放置，将二维支架规划方案图像的中心点与扫描数据包围盒的中心点对齐，将二维支架规划方案图像按比例缩放至与包围盒大小相同或差异在预设范围内，调整图像使二维图像的牙列弧形形态保持与扫描数据相同或差异在预设范围内；
对支架二维图像的连接区域轮廓均匀采点，并将每个点投影到扫描数据上，得到投影后的所有三维的点；
将所有三维点连接起来，生成连接区域，进而得到连接体模型。
6.如权利要求1所述的可摘局部义齿支架模型自动生成方法，其特征在于：
卡环模型的生成，包括：
根据预建立卡环数据库，得到每颗基牙上每种形态卡环的相对位置；
通过支架二维数据，得到某颗基牙上绘制某种形态的卡环，检索卡环数据库中的位置从而生成卡环模型。
7.如权利要求1所述的可摘局部义齿支架模型自动生成方法，其特征在于：
终止线模型的生成，包括：
选择固位网模型与连接体模型相连接的近中点作为终止线的第一端点，然后选择距离固位网模型与连接体相连接区域远中点作为终止线的第二端点；
连接第一端点和第二端点，形成一条折线，将折线均匀采点，并将所有点按照倒凹方向投影到扫描数据上，连接生成新的多条折线，以新的多条折线进行扫掠，生成外终止线；
将外终止线往舌侧方向偏移预设距离，生成内终止线。
8.一种可摘局部义齿支架模型自动生成系统，其特征在于：包括：
数据获取模块，被配置为：获取支架二维数据和牙列模型扫描数据；
牙位识别模块，被配置为：根据获取的牙列模型扫描数据和预设深度学习网络模型，得到余留牙齿和牙位；
模型生成模块，被配置为：根据支架二维数据的解析结果以及得到的余留牙齿和牙位，得到卡环、连接体、固位网和终止线的模型。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的可摘局部义齿支架模型自动生成方法中的步骤。
10.一种电子设备，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程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的可摘局部义齿支架模型自动生成方法中的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2021108636142 | 2021-07-29 | ||
| CN202110863614.2A CN113397742A (zh) | 2021-07-29 | 2021-07-29 | 可摘局部义齿支架模型自动生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114617655A true CN114617655A (zh) | 2022-06-14 |
| CN114617655B CN114617655B (zh) | 2022-11-08 |
Family
ID=77687967
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110863614.2A Withdrawn CN113397742A (zh) | 2021-07-29 | 2021-07-29 | 可摘局部义齿支架模型自动生成方法及系统 |
| CN202210092378.3A Active CN114617655B (zh) | 2021-07-29 | 2022-01-26 | 可摘局部义齿支架模型自动生成方法及系统 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110863614.2A Withdrawn CN113397742A (zh) | 2021-07-29 | 2021-07-29 | 可摘局部义齿支架模型自动生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN113397742A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116384151A (zh) * | 2023-04-26 | 2023-07-04 | 维视医疗信息科技(山东)有限公司 | 一种基于可摘局部义齿二维支架设计系统 |
| CN116543912A (zh) * | 2023-04-26 | 2023-08-04 | 维视医疗信息科技(山东)有限公司 | 一种基于云平台的齿科协同设计系统 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114714626B (zh) * | 2022-04-02 | 2023-08-15 | 北京大学口腔医学院 | 一种义齿3d打印支架的设计方法、装置及可存储介质 |
| CN115797599B (zh) * | 2023-01-30 | 2023-06-20 | 南京铖联激光科技有限公司 | 基于标注网格和Kennedy分类的基牙选择匹配方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180028294A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
| CN108888372A (zh) * | 2018-04-25 | 2018-11-27 | 四川大学 | 一种基于智能推荐的虚拟活动义齿设计方法及系统 |
| CN109528330A (zh) * | 2018-12-20 | 2019-03-29 | 成都登特牙科技术开发有限公司 | 可摘局部义齿支架的数字化设计方法 |
| CN109620443A (zh) * | 2019-01-14 | 2019-04-16 | 四川大学 | 一种可摘局部义齿及其制作工艺 |
| CN109730790A (zh) * | 2018-12-24 | 2019-05-10 | 东莞市爱嘉义齿有限公司 | 基于人工智能的可摘局部义齿的制备方法及系统 |
| CN109948271A (zh) * | 2019-03-27 | 2019-06-28 | 四川大学 | 一种基于数据决策的义齿修复方案设计方法及系统 |
| CN110236714A (zh) * | 2019-06-25 | 2019-09-17 | 西安医学院 | 一种个性化可摘局部义齿支架及其设计方法、制造方法 |
| US20190282344A1 (en) * | 2018-03-19 | 2019-09-19 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
| CN110478070A (zh) * | 2019-07-22 | 2019-11-22 | 北京大学口腔医学院 | 一种可摘局部义齿的修复设计和制造方法 |
| CN112862072A (zh) * | 2021-02-02 | 2021-05-28 | 广州市帕菲克义齿科技有限公司 | 基于云平台及大数据的义齿自动匹配生产方法及系统 |
-
2021
- 2021-07-29 CN CN202110863614.2A patent/CN113397742A/zh not_active Withdrawn
-
2022
- 2022-01-26 CN CN202210092378.3A patent/CN114617655B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180028294A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
| US20190282344A1 (en) * | 2018-03-19 | 2019-09-19 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
| CN108888372A (zh) * | 2018-04-25 | 2018-11-27 | 四川大学 | 一种基于智能推荐的虚拟活动义齿设计方法及系统 |
| CN109528330A (zh) * | 2018-12-20 | 2019-03-29 | 成都登特牙科技术开发有限公司 | 可摘局部义齿支架的数字化设计方法 |
| CN109730790A (zh) * | 2018-12-24 | 2019-05-10 | 东莞市爱嘉义齿有限公司 | 基于人工智能的可摘局部义齿的制备方法及系统 |
| CN109620443A (zh) * | 2019-01-14 | 2019-04-16 | 四川大学 | 一种可摘局部义齿及其制作工艺 |
| CN109948271A (zh) * | 2019-03-27 | 2019-06-28 | 四川大学 | 一种基于数据决策的义齿修复方案设计方法及系统 |
| CN110236714A (zh) * | 2019-06-25 | 2019-09-17 | 西安医学院 | 一种个性化可摘局部义齿支架及其设计方法、制造方法 |
| CN110478070A (zh) * | 2019-07-22 | 2019-11-22 | 北京大学口腔医学院 | 一种可摘局部义齿的修复设计和制造方法 |
| CN112862072A (zh) * | 2021-02-02 | 2021-05-28 | 广州市帕菲克义齿科技有限公司 | 基于云平台及大数据的义齿自动匹配生产方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| 唐子惠: "《医学人工智能导论》", 30 April 2020 * |
| 孙志浩: "基于深度学习的牙齿分割方法", 《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》 * |
| 方鑫: "一个可摘局部义齿智能设计支持系统的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》 * |
| 杨鎏 等: "基于全局-局部卷积神经网络的阻生牙分类", 《计算机应用》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116384151A (zh) * | 2023-04-26 | 2023-07-04 | 维视医疗信息科技(山东)有限公司 | 一种基于可摘局部义齿二维支架设计系统 |
| CN116543912A (zh) * | 2023-04-26 | 2023-08-04 | 维视医疗信息科技(山东)有限公司 | 一种基于云平台的齿科协同设计系统 |
| CN116384151B (zh) * | 2023-04-26 | 2024-03-15 | 维视医疗信息科技(山东)有限公司 | 一种基于可摘局部义齿二维支架设计系统 |
| CN116543912B (zh) * | 2023-04-26 | 2024-03-15 | 山东山大华天软件有限公司 | 一种基于云平台的齿科协同设计系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113397742A (zh) | 2021-09-17 |
| CN114617655B (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114617655B (zh) | 可摘局部义齿支架模型自动生成方法及系统 | |
| EP3952782B1 (en) | Visual presentation of gingival line generated based on 3d tooth model | |
| US6665570B2 (en) | Efficient data representation of teeth model | |
| US7844429B2 (en) | System and method for three-dimensional complete tooth modeling | |
| US20050055118A1 (en) | Efficient data representation of teeth model | |
| US20100167243A1 (en) | System and method for automatic construction of realistic looking tooth roots | |
| CN111685899A (zh) | 基于口内图像和三维模型的牙齿正畸治疗监测方法 | |
| CN112515787B (zh) | 一种三维牙颌数据分析方法 | |
| KR102331034B1 (ko) | 치과용 3차원 스캔 데이터의 랜드마크 자동 검출 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 | |
| EP4144324A1 (en) | Intelligent design method for digital model for oral digital impression instrument | |
| CN108992188B (zh) | 一种单颗牙齿网格模型的修补算法 | |
| CN116457890A (zh) | 牙科cbct扫描的自动分割 | |
| CN114783612A (zh) | 一种设计种植支持过渡义齿的装置、方法及电子设备 | |
| CN107689077B (zh) | 一种全冠桥桥体数字化生成方法 | |
| 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 | |
| WO2023185405A1 (zh) | 义齿3d打印支架的设计方法、装置及可存储介质 | |
| CN114399551B (zh) | 一种基于混合现实技术定位牙齿根管口的方法及系统 | |
| EP3968277A1 (en) | Segmentation device | |
| WO2024114343A1 (zh) | 牙龈线提取方法、牙科器械的制作方法及电子设备 | |
| KR102610716B1 (ko) | 3차원 스캔 데이터로부터 보철물을 자동으로 생성하는 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 | |
| CN115177387B (zh) | 一种口腔修复的设计方法及系统 | |
| CN117392149A (zh) | 一种三维牙颌网格模型分割与边界优化方法及相关装置 | |
| KR20230155957A (ko) | 3차원 구강 스캔 데이터에 3차원 단일 치아 모델을 자동 정렬하는 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 | |
| CN115798728A (zh) | 一种基于计算机辅助的牙齿预备体数字化模型设计方法 | |
| CN116749522A (zh) | 一种用于正畸矫正工具的3d打印系统和方法 |
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 |