CN116457890A - 牙科cbct扫描的自动分割 - Google Patents
牙科cbct扫描的自动分割 Download PDFInfo
- Publication number
- CN116457890A CN116457890A CN202180078791.8A CN202180078791A CN116457890A CN 116457890 A CN116457890 A CN 116457890A CN 202180078791 A CN202180078791 A CN 202180078791A CN 116457890 A CN116457890 A CN 116457890A
- Authority
- CN
- China
- Prior art keywords
- scan
- segmented
- patient
- teeth
- data
- 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
Links
- 238000007408 cone-beam computed tomography Methods 0.000 title claims abstract description 32
- 230000011218 segmentation Effects 0.000 title claims description 125
- 238000000034 method Methods 0.000 claims abstract description 148
- 210000004513 dentition Anatomy 0.000 claims abstract description 71
- 230000036346 tooth eruption Effects 0.000 claims abstract description 71
- 238000013528 artificial neural network Methods 0.000 claims abstract description 44
- 210000000988 bone and bone Anatomy 0.000 claims description 67
- 230000015654 memory Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 22
- 238000002591 computed tomography Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 210000004373 mandible Anatomy 0.000 claims description 8
- 210000002050 maxilla Anatomy 0.000 claims description 8
- 230000008439 repair process Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 description 41
- 239000003795 chemical substances by application Substances 0.000 description 19
- 230000008569 process Effects 0.000 description 18
- 238000005192 partition Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 210000002455 dental arch Anatomy 0.000 description 14
- 230000003628 erosive effect Effects 0.000 description 14
- 230000004927 fusion Effects 0.000 description 14
- 239000003550 marker Substances 0.000 description 9
- 210000001847 jaw Anatomy 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012952 Resampling Methods 0.000 description 5
- 210000004763 bicuspid Anatomy 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 206010061274 Malocclusion Diseases 0.000 description 2
- 206010047571 Visual impairment Diseases 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000003464 cuspid Anatomy 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000004283 incisor Anatomy 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000004746 tooth root Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
- A61B6/4064—Arrangements for generating radiation specially adapted for radiation diagnosis specially adapted for producing a particular type of beam
- A61B6/4085—Cone-beams
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/51—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for dentistry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Urology & Nephrology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Quality & Reliability (AREA)
- Pulmonology (AREA)
- General Engineering & Computer Science (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本文提供了用于自动分割患者牙齿的3D模型的系统和方法。可以用3D扫描系统(诸如CT、CBCT或MRI)扫描患者的牙列。3D扫描数据可以用一个或多个神经网络自动分割。分割的3D扫描可以结合到牙科治疗计划中。
Description
优先权声明
本申请要求2020年11月23日提交的发明名称为“AUTOMATIC SEGMENTATION OFDENTAL CBCT SCANS(牙科CBCT扫描的自动分割)”的美国临时专利申请No.63/117,426的优先权,其全部内容通过引用整体并入本文。
通过引用并入
本说明书中提及的所有出版物和专利申请通过引用整体并入本文,其程度如同每个单独的出版物或专利申请被具体和单独地指出通过引用并入。
背景技术
正畸过程通常涉及将患者的牙齿重新定位到期望的布置,以便矫正咬合不正和/或改善美观性。为了实现这些目的,正畸矫正器(诸如牙箍、壳体对准器等)能够由正畸医师和/或由患者自己应用于患者的牙齿。矫正器能够被配置为在一个或多个牙齿上施加力,以便根据治疗计划实现期望的牙齿移动。
正畸对准器可以包括在牙齿上能移除和/或能更换的装置。可以提供正畸对准器作为正畸治疗计划的一部分。在涉及能移除和/或能更换对准器的一些正畸治疗计划中,可以在治疗过程中向患者提供多个正畸对准器,以对患者的牙齿进行增量位置调整。正畸对准器可以具有聚合物槽,聚合物槽具有内腔,内腔被成形为接收牙齿并将牙齿从一个牙齿布置弹性地重新定位到连续的牙齿布置。正畸对准器可以包括在牙齿上施加重新定位力的“主动”区域和将牙齿保持在其当前状态的“被动”区域。
许多数字扫描技术使用自动牙齿分割系统(例如,识别和/或编号牙齿模型中的单个牙齿和/或牙齿特征的自动系统)。这些自动牙齿分割系统中的许多仍然需要来自技术人员的大量输入以正确地分割牙齿。到目前为止,已经在2D语义分割(即,将图像分割成特定的标记分量)上执行了大量工作。由于巨大的存储器要求(例如,中等分辨率图像可能包含512×512像素,因此为了在体素中实现相同的分辨率,系统可能需要超过256倍的存储器量)而在3D中的工作明显较少。特别有帮助的是提供可以帮助分割、分析和/或引导治疗的一种或多种工具,其可以自动且准确地分割牙齿,特别是3D数据集,诸如从CT、CBCT或MRI扫描仪提供的3D数据集。
发明内容
实施方式解决了提供自动牙齿分割系统的需要,以自动、有效和准确地从患者牙列的3D扫描或3D数据集中分割个体牙齿和牙齿特征。本申请通过提供使用机器学习神经网络自动分割牙齿和牙齿特征的技术解决方案和/或自动代理来解决这些和其他技术问题。在一些实施方式中,利用一组3D卷积神经网络来执行3D数据集的分割,该组3D卷积神经网络以不同的体积分辨率处理3D数据集的不同区域。自动牙齿分割可以为自动正畸治疗计划的实现、正畸对准器(包括提供力以矫正患者牙齿中的咬合不正的一系列聚合物正畸对准器)的设计和/或制造提供基础。这些设备和/或方法可以提供或修改治疗计划,包括正畸治疗计划。本文描述的设备和/或方法可以提供指令以生成和/或可以生成一组或一系列对准器和/或正畸治疗计划。本文描述的设备和/或方法可以提供患者牙齿的视觉表示。
通常,本文描述的示例设备(例如,装置、系统等)和/或方法可以获取患者牙齿的表示。该表示可以是患者牙齿的3D模型、3D扫描或3D数据集(例如,3D牙齿点云、3D网格、CT扫描、CBCT扫描或MRI扫描)。在一些实施方式中,可以使用一个或多个不同分辨率的3D数据集的一个或多个子集作为输入。
通常,本文描述的示例设备(例如,装置、系统等)和/或方法可以训练机器学习模型或使用训练的机器学习模型来分割患者牙齿的3D扫描或3D数据集。可以使用的机器学习系统的示例包括但不限于卷积神经网络(CNN)(诸如V-net、U-Net、ResNeXt、Xception、RefineNet、Kd-Net、SO Net、Point Net或Point CNN)以及附加的机器学习系统(诸如决策树、随机森林、逻辑回归、支持向量机、AdaBoosT、K-最近邻(KNN)、二次判别分析、神经网络等)。一旦机器学习系统已经被训练,它们就可以用于生成患者牙列的分割模型。
本文描述的任何设备和/或方法可以是远侧牙齿扫描设备或方法的一部分,或者可以被配置为与数字扫描设备或方法一起工作。
例如,本文描述的方法可以包括:在计算装置中接收包括患者牙列的牙根扫描(例如,锥形束计算机断层扫描、CT扫描、MRI扫描等)的扫描数据,其中,扫描数据被分割成个体牙齿;使用牙冠信息执行扫描数据与患者牙列的数字模型的粗略对准,以形成粗略对准的扫描数据,其中,患者牙列的数字模型包括用于修改患者牙列的治疗计划的一个或更多个阶段;使用3D匹配算法执行粗略对准的扫描数据的精细对准以形成对准的扫描数据;处理对准的扫描数据以修补来自对准的扫描数据的牙槽;修改患者牙列的数字模型以包括来自经处理的对准的扫描数据的牙根,以形成修改的数字模型;以及使用修改的数字模型来显示或修改治疗计划。
这些方法可以是查看和/或修改治疗计划的方法。特别地,这些方法可以允许更清楚和准确地查看治疗计划。这些方法中的任何一种可以包括分割扫描数据;例如,利用一个或多个卷积神经网络自动分割扫描数据。
这些方法中的任何一种可以包括在执行精细对准之后,通过在处理对准的扫描数据之前修改患者牙列的数字模型以包括来自扫描数据的牙根,来生成原始对准扫描数据;这些方法可以包括显示原始对准扫描数据以供用户查看和校正修改的数字模型。
粗略对准可以包括利用对准算法使用扫描数据的每个牙冠的质心。替代地,粗略对准可以包括利用对准算法使用扫描数据的每个牙冠的牙冠尖端。这些方法中的任何一种可以包括执行精细对准,包括应用迭代最近点(Iterative Closest Point,ICP)3D匹配算法。
在这些方法中的任一个中,处理对准的扫描数据可以包括平滑对准的扫描数据。处理对准的扫描数据以修补来自对准的扫描数据的牙槽可以包括移除牙槽,使得能够在计划的牙齿移动上显示骨骼的半透明表示,而没有移动的牙根轮廓和不能移动的牙槽轮廓的视觉干扰。
本文还描述了用于执行这些方法中的任一个的系统,包括存储能够(例如,被配置为)执行这些方法中的任一个的指令集的非暂时性计算机可读存储介质。
本文还描述了分割患者牙列的三维(3D)扫描的方法,该方法包括以下步骤:在计算装置中接收患者牙列的三维(3D)扫描;利用一个或多个卷积神经网络自动分割3D扫描;将分割3D扫描合并到虚拟治疗计划的3D牙齿模型中;以及输出虚拟治疗计划。
这些方法中的任一个可以包括:识别虚拟治疗计划中的个体分割牙齿;识别对应于个体分割牙齿的通用牙齿模型;以及用对应于每个个体分割牙齿的通用牙齿模型替换虚拟治疗计划中的个体分割牙齿。
在一些情况下,这些方法可以包括利用分水岭算法(watershed algorithm)对虚拟治疗计划的3D牙齿模型自动重新编号。自动分割3D扫描还可以包括:将3D扫描下采样到比3D扫描更低的分辨率;利用第一神经网络分割下采样的3D扫描以识别患者的牙齿、患者的上颌骨和患者的下颌骨;执行牙齿区域中心计算以确定患者的牙齿在3D扫描内定位的位置;执行3D扫描的第一裁剪;利用第一神经网络分割第一裁剪以产生第一体积;执行3D扫描的第二裁剪;利用第二神经网络分割第二裁剪以产生第二体积;利用第三神经网络分割第二裁剪以产生第三体积;以及合并第一体积、第二体积和第三体积以产生最终分割3D扫描。
将分割3D扫描合并到虚拟治疗计划的3D牙齿模型中可以包括:接收分割3D扫描数据和虚拟治疗计划;执行分割3D扫描与虚拟治疗计划的粗略对准;执行分割3D扫描与虚拟治疗计划的精细对准;将来自虚拟治疗计划的牙冠缝合到来自分割3D扫描数据的对应牙根;对虚拟治疗计划中的个体分割牙齿进行编号。
替换个体分割牙齿可以包括:确定分割3D扫描中的所选择的牙齿的顶点位置;将通用牙齿模型的顶点位置移动到分割3D扫描中的牙齿的顶点位置;将通用牙齿模型的轮廓覆盖在分割3D扫描中的牙齿上;识别分割3D扫描与通用牙齿模型的轮廓之间的一个或多个差异;计算分割3D扫描与通用牙齿模型之间的一个或多个差异处的一个或多个点的3D坐标;将所计算的坐标处的一个或多个3D控制点添加到通用牙齿模型;以及利用一个或多个3D控制点来变换通用牙齿模型。
本文还描述了分割患者牙列的3D扫描的方法,该患者牙列包括患者的牙齿,该方法包括以下步骤:在计算装置中接收患者牙列的三维(3D)扫描;将3D扫描下采样到比3D扫描更低的分辨率;利用第一神经网络分割下采样的3D扫描以识别患者的牙齿、患者的上颌骨和患者的下颌骨;执行牙齿区域中心计算以确定患者的牙齿在3D扫描内定位的位置;执行3D扫描的第一裁剪;利用第一神经网络分割第一裁剪以产生第一体积;执行3D扫描的第二裁剪;利用第二神经网络分割第二裁剪以产生第二体积;利用第三神经网络分割第二裁剪以产生第三体积;合并第一体积、第二体积和第三体积以产生最终分割3D扫描。
通常,3D扫描可以包括患者牙列的CT扫描。3D扫描可以包括患者牙列的CBCT扫描。3D扫描可以包括患者牙列的MRI扫描。
第一神经网络和第二神经网络可以包括V-net神经网络。在一些示例中,第一裁剪具有比第二裁剪更低的分辨率。下采样的3D扫描、第一裁剪和第二裁剪可以具有不大于256×256×256的数据输入尺寸。第一裁剪可以包括与患者的上颌骨或下颌骨相关的扫描数据。第二裁剪可以包括与患者牙齿相关的扫描数据。
第一体积可以包括上骨骼、下骨骼和二元牙齿分割。第二体积可以包括上骨骼、下骨骼和二元牙齿分割。第三体积可以包括多类牙齿分割。
本文还描述了将分割3D扫描数据添加到虚拟治疗计划的方法。例如,一种方法可以包括:接收分割3D扫描数据和虚拟治疗计划;执行分割3D扫描与虚拟治疗计划的粗略对准;执行分割3D扫描与虚拟治疗计划的精细对准;将来自虚拟治疗计划的牙冠缝合到来自分割3D扫描数据的对应牙根;对虚拟治疗计划中的个体分割牙齿进行编号。
这些方法中的任一个可以包括预处理骨骼区段以修补虚拟治疗计划中的牙槽或缺失数据。
本文还描述了调整通用牙齿模型以更好地拟合到来自3D扫描的分割牙齿中的方法。例如,一种方法可以包括:确定分割3D扫描中的所选择的牙齿的顶点位置;将通用牙齿模型的顶点位置移动到分割3D扫描中的牙齿的顶点位置;将通用牙齿模型的轮廓覆盖在分割3D扫描中的牙齿上;识别分割3D扫描与通用牙齿模型的轮廓之间的一个或多个差异;计算分割3D扫描与通用牙齿模型之间的一个或多个差异处的一个或多个点的3D坐标;将所计算的坐标处的一个或多个3D控制点添加到通用牙齿模型;以及利用一个或多个3D控制点来变换通用牙齿模型。
本文还提供了包括牙科治疗系统的系统,并且该系统可以包括具有以下各项的系统:一个或多个处理器;耦合到一个或多个处理器的存储器,该存储器被配置为存储计算机程序指令,该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法,该计算机实现的方法包括:在计算装置中接收扫描数据,该扫描数据包括患者牙列的骨根扫描,其中,扫描数据被分割成个体牙齿;使用牙冠信息执行扫描数据与患者牙列的数字模型的粗略对准,以形成粗略对准的扫描数据,其中,患者牙列的数字模型包括用于修改患者牙列的治疗计划的一个或更多个阶段;使用3D匹配算法执行粗略对准的扫描数据的精细对准以形成对准的扫描数据;处理对准的扫描数据以修补来自对准的扫描数据的牙槽;修改患者牙列的数字模型以包括来自经处理的对准的扫描数据的牙根,以形成修改的数字模型;以及使用修改的数字模型来显示或修改治疗计划。
本文还提供了包括牙科治疗系统的其他系统,并且可以包括具有以下各项的系统:一个或多个处理器;耦合到该一个或多个处理器的存储器,该存储器被配置为存储计算机程序指令,该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法,该计算机实现的方法包括:在牙科治疗系统中接收患者牙列的三维(3D)扫描;利用一个或多个卷积神经网络自动分割3D扫描;将分割3D扫描合并到虚拟治疗计划的3D牙齿模型中;以及输出虚拟治疗计划。
在另一个示例中,诸如牙科治疗系统的系统可以包括:一个或多个处理器;耦合到一个或多个处理器的存储器,该存储器被配置为存储计算机程序指令,该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法,该计算机实现的方法包括:在牙科治疗系统中接收患者的牙列的三维(3D)扫描;将3D扫描下采样到比3D扫描更低的分辨率;利用第一神经网络分割下采样的3D扫描以识别患者的牙齿、患者的上颌骨和患者的下颌骨;执行牙齿区域中心计算以确定患者的牙齿在3D扫描内定位的位置;执行3D扫描的第一裁剪;利用第一神经网络分割第一裁剪以产生第一体积;执行3D扫描的第二裁剪;利用第二神经网络分割第二裁剪以产生第二体积;利用第三神经网络分割第二裁剪以产生第三体积;以及合并第一体积、第二体积和第三体积以产生最终分割3D扫描。
提供了另一种系统,诸如牙科治疗系统,该系统包括:一个或多个处理器;耦合到一个或多个处理器的存储器,该存储器被配置为存储计算机程序指令,该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法,该计算机实现的方法包括:接收分割3D扫描数据和虚拟治疗计划;执行分割3D扫描与虚拟治疗计划的粗略对准;执行分割3D扫描与虚拟治疗计划的精细对准;将来自虚拟治疗计划的牙冠缝合到来自分割3D扫描数据的对应牙根;对虚拟治疗计划中的个体分割牙齿进行编号。
还提供了一种牙科治疗系统,包括:一个或多个处理器;耦合到一个或多个处理器的存储器,该存储器被配置为存储计算机程序指令,该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法,该计算机实现的方法包括:确定分割3D扫描中的所选择的牙齿的顶点位置;将通用牙齿模型的顶点位置移动到分割3D扫描中的牙齿的顶点位置;将通用牙齿模型的轮廓覆盖在分割3D扫描中的牙齿上;识别分割3D扫描与通用牙齿模型的轮廓之间的一个或多个差异;计算分割3D扫描与通用牙齿模型之间的一个或多个差异处的一个或多个点的3D坐标;将所计算的坐标处的一个或多个3D控制点添加到通用牙齿模型;以及利用一个或多个3D控制点来变换通用牙齿模型。
本文所述的所有方法和设备以任何组合在本文中被考虑并且可以用于实现如本文所述的益处。
附图说明
本专利或申请文件包含至少一幅彩色附图。具有彩色附图的本专利或专利申请公开的副本将在请求和支付必要费用后由专利局提供。
本发明的新颖特征在所附权利要求书中具体阐述。通过参考以下详细描述和附图,将获得对本发明的特征和优点的更好理解,所述详细描述阐述了利用本发明原理的说明性实施例,在附图中:
图1A是示出了被配置为数字扫描牙弓并确定治疗后牙齿位置分数的计算环境的示例的图。
图1B是示出了扫描分割引擎的示例的图。
图1C是示出了3D融合引擎的示例的图。
图1D是示出了牙齿建模引擎的示例的图。
图1E是示出了牙齿标记引擎的示例的图。
图2示出了用于分割患者牙齿的3D扫描(诸如CT扫描、CBCT扫描或MRI扫描)的方法的一个示例。
图3A-图3C示出了上述和图2中的分割过程的结果。
图4示出了可以用于在图2的流程图中分割扫描数据的神经网络的示例。
图5A示出了将分割3D扫描牙根缝合到数字治疗计划牙冠的一个示例。
图5B是用于牙齿模型中的牙槽修补的自动化过程的一个示例。
图6示出了用于将诸如来自CT扫描、CBCT扫描或MRI扫描的分割3D扫描数据添加到包括患者牙齿的3D牙齿模型的数字牙科治疗计划的方法的一个示例。
图7示出了用于将完整牙齿建模到患者牙冠和牙根的方法的一个示例。
图8A是示出了具有低分辨率的来自分割3D扫描的分割牙齿的一个示例的图示。
图8B是对应于来自图8A的分割牙齿的通用牙齿模型的示例。
图9示出了用于调整通用牙齿模型以更好地拟合到来自3D扫描的分割牙齿中的方法的一个示例。
图10A示出了覆盖在分割3D扫描上的通用牙齿模型,其中识别出模型和扫描之间的差异。
图10B示出了沿着3D扫描中所选择的分割牙齿与通用牙齿模型之间的差异的边缘定位的点的示例。
图11是描述分割牙齿的方法的流程图。
图12A是原始标记图的示例。
图12B示出了6次侵蚀迭代之后的二元标记图的示例。
图12C示出了具有小于第一阈值的体素体积的二元图,并且图12D示出了移除了那些体素体积的二元图。
图13A是用来自侵蚀算法的种子播种的二元标记图的图示。
图13B是分割和扫描的3D扫描的示例。
图14是可以执行本文描述的方法的数据处理系统的简化框图。
具体实施方式
本文描述了用于训练机器学习模型以识别与患者牙列的分割相对应的“分割元素”的设备(例如,系统、计算装置可读介质、装置等)和方法。本公开的一个目的是使用机器学习技术来提供自动分割系统,该自动分割系统可以将患者牙列的3D模型分割成各个牙齿和牙齿特征。机器学习模型能够基于包括患者人口统计特征、牙齿测量、牙齿表面网格、处理的牙齿特征和历史患者数据的数据来进行该确定。这些方法和设备能够使用该信息来训练机器学习模型并使用机器学习模型来分割患者的牙列。
例如,本文描述的是设备和/或方法,例如系统,包括自动实现包含牙齿分割系统的过程的系统。当系统由牙齿分割请求触发时,系统能够检索表示患者牙列的3D扫描或3D数据集,并以不同的体积分辨率处理3D扫描或3D数据集的不同区域,以输出高性能的最终分割。在一些示例中,扫描的不同区域可以被传递到机器学习模型中,该机器学习模型可以使用机器学习技术(例如,卷积神经网络(CNN)、决策树、随机森林、逻辑回归、支持向量机、AdaBOOST、K-最近邻(KNN)、二次判别分析、神经网络等)来返回患者牙列的分割模型。结果可以按需提供和/或可以存储在存储器(例如,数据库)中以供以后使用。
本文描述的设备和/或方法可以用于牙科矫正器的规划和制造,牙科矫正器包括弹性聚合物定位矫正器,其在美国专利No.5,975,893和公开的PCT申请公布No.WO 98/58596中详细描述,该专利出于所有目的通过引用并入本文。采用美国专利No.5,975,893中描述的技术的牙科矫正器系统可以商品名Invisalign System(隐适美系统)从加利福尼亚州圣何塞的阿莱恩技术有限公司商购获得。
在整个实施例的描述主体中,术语“正畸对准器”、“对准器”或“牙科对准器”的使用与术语“矫正器”和“牙科矫正器”在牙科应用方面的使用是同义的。为了清楚起见,下文在矫正器(更具体地讲是“牙科矫正器”)的使用和应用的上下文中描述实施例。
如本文所使用的,“患者”可以是任何受试者(例如,人、非人、成人、儿童等),并且在本文中可替代地和等同地称为“患者”或“受试者”。如本文所使用的,“患者”可以但不必是医学患者。如本文所使用的,“患者”可以包括接受正畸治疗的人,该正畸治疗包括利用一系列正畸对准器的正畸治疗。
下面描述的设备和/或方法(例如,系统、装置等)可以与正畸治疗计划一起使用和/或整合到正畸治疗计划中。本文描述的设备和/或方法可以用于从三维模型(诸如3D网格模型、3D点云或3D扫描(例如,CT扫描、CBCT扫描、MRI扫描等))分割患者的牙齿,并且该分割信息可以用于模拟、修改各种正畸治疗计划和/或在各种正畸治疗计划之间进行选择。分割患者的牙齿可以自动完成(例如,使用计算装置)。例如,分割可以由计算系统通过评估患者牙齿或牙弓的数据(诸如三维扫描或牙印模)来自动执行。
如本文所述,口内扫描仪可以对患者的牙弓成像并生成该牙弓的虚拟三维模型。在口内扫描程序(也称为扫描会话)期间,口内扫描仪的用户(例如,牙科从业者)可以生成牙齿部位、牙齿部位的模型或其他对象的多个不同图像(也称为扫描或医学图像)。图像可以是离散图像(例如,点拍图像)或来自视频的帧(例如,连续扫描)。三维扫描可以生成3D网格模型或表示患者牙弓(包括患者的牙齿和牙龈)的3D点云模型。如本文所述的进一步的计算机处理能够将3D网格或3D点云分割或分离成单独的牙齿和牙龈。
在其他实施方式中,3D扫描还可以是CT扫描、CBCT扫描、MRI扫描或任何其他3D医学扫描。本文描述的自动化系统能够直接从3D扫描提供患者牙列的分段模型。
如本文所使用的,自动牙齿分割系统可以包括使用自动化代理来识别和/或编号牙齿(诸如在三维扫描、3D牙齿网格模型或由数字扫描产生的3D点云中表示的牙齿)的虚拟表示的单个牙齿和/或牙齿特征的系统。本公开提出了用于在分割过程期间识别和分割患者牙齿的一个或多个新颖过程。本文的一些实施方式可以解决与优化和/或提高数字牙科扫描技术的准确性和效率相关的技术问题。
图1A是示出了计算环境100A的示例的图,该计算环境被配置为促进收集和处理其中具有牙齿和/或骨骼的牙弓的数字扫描。环境100A包括计算机可读介质152、扫描系统154、牙列显示系统156和3D分割系统158。计算环境100A中的一个或多个模块可以彼此耦合或耦合到未明确示出的模块。
本文讨论的计算机可读介质152和其他计算机可读介质旨在表示各种潜在适用的技术。例如,计算机可读介质152可以用于形成网络或网络的一部分。在两个部件共同位于装置上的情况下,计算机可读介质152可以包括总线或其他数据管道或平面。在第一部件共同位于一个装置上并且第二部件位于不同装置上的情况下,计算机可读介质152可以包括无线或有线后端网络或LAN。计算机可读介质152还可以包括WAN或其他网络的相关部分(如果适用的话)。
扫描系统154可以包括被配置为扫描患者的牙弓的计算机系统。如本文所使用的,当从咬合角度观察时,“牙弓”可以包括由患者的上颌牙齿和/或下颌牙齿形成的患者牙列的至少一部分。牙弓可以包括患者的一个或多个上颌或下颌牙齿,诸如患者的上颌或下颌上的所有牙齿。扫描系统154可以包括存储器、一个或多个处理器和/或传感器,以检测患者牙弓上的轮廓。扫描系统154可以被实现为相机、口内扫描仪、x射线装置、红外装置、医学扫描装置(例如,CT扫描仪、CBCT扫描仪、MRI扫描仪)等。在一些实施方式中,扫描系统154被配置为产生患者牙列的3D扫描。在其他实施方式中,扫描系统154被配置为产生患者牙列的2D扫描或图像。扫描系统154可以包括被配置为提供患者牙弓的物理模具的虚拟表示的系统。扫描系统154可以用作正畸治疗计划的一部分。在一些实施方式中,扫描系统154被配置为在正畸治疗计划的开始阶段、中间阶段等捕捉患者的牙弓。扫描系统154还可以被配置为接收先前或由另一系统获取的2D或3D扫描数据。
牙列显示系统156可以包括被配置为显示患者的牙列的至少一部分的计算机系统。牙列显示系统154可以包括存储器、一个或多个处理器以及用于显示患者的牙列的显示装置。牙列显示系统156可以被实现为计算机系统的一部分、专用口内扫描仪的显示器等。在一些实施方式中,牙列显示系统156促进了使用在较早日期和/或在远程位置处获取的扫描的患者牙列的显示。注意,牙列显示系统156也可以促进同时和/或本地地对其进行的扫描的显示。如本文所述,牙列显示系统156可以被配置为显示应用于由扫描系统154扫描的牙弓的正畸治疗计划的预期或实际结果。该结果可以包括牙弓的3D虚拟表示、牙弓的2D图像或再现等。
3D分割系统158可以包括计算机系统,该计算机系统包括存储器和一个或多个处理器,其被配置为处理来自扫描系统154的扫描数据。在一些示例中,2D或3D扫描数据可以被分割成单独的牙科部件并被处理成患者牙齿的3D模型。3D分割系统可以被配置为将2D扫描、3D扫描或3D模型的一个或多个不同区域输入到机器学习模型中,以将扫描或模型自动分割成单独的牙科部件,包括将扫描或模型分割成单独的牙齿、骨骼、牙齿之间的邻间空间和/或牙龈。分割的2D/3D扫描或模型可以用于为患者创建实现牙科治疗计划。例如,数字治疗计划软件可以整合3D分割系统并接收患者牙列的3D扫描。然后,3D分割系统可以被配置为自动分割3D扫描。然后,数字治疗计划软件可以被配置为自动生成用于患者的牙科治疗计划,这还可以包括生成包括3D分割的患者牙列的3D模型。3D分割系统158可以包括(一个或多个)扫描分割引擎160、(一个或多个)3D融合引擎162、(一个或多个)牙齿建模引擎164、(一个或多个)牙齿标记引擎166和任选的(一个或多个)治疗建模引擎168。3D分割系统158的模块中的一个或多个可以彼此耦合或耦合到未示出的模块。
3D分割系统158的扫描分割引擎160可以实现自动化代理以处理由扫描系统154获取的2D或3D扫描。在一些实施方式中,扫描分割引擎160将来自牙弓的扫描的扫描数据格式化为扫描的一个或多个分区、体积、裁剪或区域。扫描分割引擎可以并入到数字治疗计划软件中。扫描的一个或多个分区、体积、裁剪或区域可以是原始扫描的子集或部段。在一些实施方式中,扫描的一个或多个分区、体积、裁剪或区域可以具有与原始2D或3D扫描的分辨率不同的分辨率。例如,扫描的一个或多个分区、体积、裁剪或区域可以具有比原始扫描低的分辨率。在其他实施方式中,扫描的一个或多个分区、体积、裁剪或区域可以具有与原始扫描相同的分辨率。扫描分割引擎160还可以被配置为实现自动化代理以分割2D或3D扫描。在一个实施方式中,扫描分割引擎可以将扫描的一个或多个分区、体积、裁剪或区域输入到一个或多个机器学习模型中,以用于分割成个体牙齿特征,诸如上骨骼、下骨骼和二元牙齿分割。对于下骨骼/上骨骼/二元牙齿分割,属于牙齿的每个体素由系统用值‘1’标记,属于下骨骼的每个体素由系统用值‘2’标记,属于上骨骼的每个体素用值‘3’标记,并且所有其他体素用值‘0’标记。可以合并扫描的一个或多个分区、体积、裁剪或区域的分割以生成2D或3D扫描的完全语义分割。
3D分割系统158的3D融合引擎162可以实现自动化代理以将来自扫描分割引擎160的分割扫描数据与患者的数字牙科3D治疗计划对准。3D融合引擎可以并入到数字治疗计划软件中。在一些实施方式中,3D融合引擎162提供分割扫描数据的粗略对准和每个标记体积与数字牙科3D治疗计划的对应牙齿特征的三角测量。然后,3D融合引擎162可以提供分割扫描数据与牙科治疗计划的精细对准。在一些实施方式中,3D融合引擎可以预处理对准的分割扫描数据和数字治疗计划,以减少数字噪声并抑制潜在的分割误差。3D融合引擎还可以被配置为准确地对数字治疗计划中的各个牙齿进行编号。另外,3D融合引擎可以实现自动化代理,以将表示牙冠的扫描数据缝合到表示牙根的数字治疗计划数据,从而在最终分割数字治疗计划中提供最佳可能的分辨率。
牙齿建模引擎164可以实现自动化代理,以用更高质量的通用牙齿模型替换或修改来自2D/3D扫描的低质量或低分辨率分割数据。牙齿建模引擎可以并入到数字治疗计划软件中。在一个实施方式中,牙齿建模引擎164可以被配置为从分割扫描数据中识别分割牙齿,并识别对应于分割牙齿的通用牙齿模型。在一个实施方式中,牙齿建模引擎164可以实现自动化代理以将通用牙齿模型拟合到分割牙齿中。可以修改/调整/旋转通用牙齿模型以精确地拟合在分割牙齿内。然后,牙齿建模引擎164可以被配置为实现自动化代理,以将经调整的通用牙齿模型转换为患者的数字治疗计划。可以对来自2D/3D扫描的所有分割牙齿重复该过程。
牙齿标记引擎166可以实现自动化代理以标记来自扫描分割引擎160的分割2D/3D扫描的分割牙齿。牙齿标记引擎可以并入到数字治疗计划软件中。在一个实施方式中,牙齿标记引擎接收2D/3D分割扫描。牙齿标记引擎可以将形态学侵蚀算法应用于分割扫描,以将分割扫描划分为N个体素体积,其中N是分割扫描中的牙齿数量。在一个实施方式中,可以从侵蚀过程中移除小于第一阈值的任何体积,以从体积中移除噪声和伪影。牙齿标记引擎166还可以被配置为利用反映牙齿形态的种子(例如,利用反映牙齿的弯曲和旋转的形状)“种植”分割2D/3D扫描。然后可以将侵蚀算法应用于被种植的扫描以产生具有分割牙齿的标记图。
任选的治疗建模引擎168可以被配置为使用分割3D模型、分割扫描和/或分割扫描和数字牙齿模型的组合来存储和/或提供指令以实现正畸治疗计划和/或正畸治疗计划的结果。治疗建模引擎可以并入到数字治疗计划软件中。任选的治疗建模引擎168可以在3D模型上提供正畸治疗计划的结果。在一些实施例中,可以从多个视角将3D模型渲染成一个或多个2D图像。任选的治疗建模引擎168可以在正畸治疗计划的过程中将正畸对准器应用于患者牙弓的结果建模。在一些实施例中,治疗建模引擎可以被配置为保存、传输或输出数字牙齿模型和/或数字正畸治疗计划。在一些实施例中,数字牙齿模型和/或数字正畸治疗计划可以在显示器上为数字治疗计划软件的用户(诸如医生)显示。用户可以诸如通过与数字治疗计划软件的用户输入装置(例如,鼠标和键盘、触摸屏、操纵杆等)交互来编辑或改变所提出的数字牙齿模型和/或数字正畸治疗计划。
如本文所使用的,任何“引擎”可以包括一个或多个处理器或其一部分。一个或多个处理器的一部分可以包括比包括任何给定的一个或多个处理器的所有硬件少的硬件的某个部分,诸如寄存器的子集、处理器的专用于多线程处理器的一个或多个线程的部分、处理器完全或部分专用于执行引擎的功能的一部分的时间片等。这样,第一引擎和第二引擎可以具有一个或多个专用处理器,或者第一引擎和第二引擎可以彼此共享一个或多个处理器或与其他引擎共享一个或多个处理器。根据实现特定的或其他的考虑,引擎可以是集中式的或其功能是分布式的。引擎可以包括体现在计算机可读介质中以供处理器执行的硬件、固件或软件。处理器使用实现的数据结构和方法将数据转换为新数据,诸如参考本文的附图所描述的。在一些示例中,可以在数字正畸治疗计划软件中实现本文讨论的引擎。
本文描述的引擎或可以通过其实现本文描述的系统和设备的引擎可以是基于云的引擎。如本文所使用的,基于云的引擎是可以使用基于云的计算系统来运行应用程序和/或功能的引擎。应用程序和/或功能的全部或部分可以分布在多个计算装置上,并且不需要仅限于一个计算装置。在一些实施例中,基于云的引擎可以执行终端用户通过网络浏览器或容器应用访问的功能和/或模块,而无需将功能和/或模块本地安装在终端用户的计算装置上。
如本文所使用的,“数据存储”可以包括具有任何适用的数据组织的存储库,包括表、逗号分隔值(CSV)文件、传统数据库(例如,SQL)或其他适用的已知或方便的组织格式。例如,数据存储可以被实现为在专用机器上的物理计算机可读介质中、在固件中、在硬件中、在其组合中、或者在适用的已知或方便的装置或系统中体现的软件。数据存储相关联的部件(诸如数据库接口)可以被认为是数据存储的“一部分”、一些其他系统部件的一部分或其组合,尽管数据存储相关联的部件的物理位置和其他特性对于理解本文描述的技术不是关键的。
数据存储可以包括数据结构。如本文所使用的,数据结构与在计算机中存储和组织数据的特定方式相关联,使得它可以在给定的上下文中有效地使用。数据结构通常基于计算机在其存储器中的任何位置获取和存储数据的能力,由地址、本身可以存储在存储器中并由程序操纵的位串指定。因此,一些数据结构基于利用算术运算来计算数据项的地址;而其他数据结构基于将数据项的地址存储在结构本身内。许多数据结构使用这两种原理,有时以非平凡的方式组合。数据结构的实现通常需要编写创建和操纵该结构的实例的程序集。本文描述的数据存储可以是基于云的数据存储。基于云的数据存储是能与基于云的计算系统和引擎兼容的数据存储。
图1B是示出了扫描分割引擎160a的示例的图。扫描分割引擎160a可以包括图像处理引擎170、机器学习引擎172、体积合并引擎174和扫描数据数据存储176。扫描分割引擎160a的模块中的一个或多个可以彼此耦合或耦合到未示出的模块。
图像处理引擎170可以实现一个或多个自动化代理,其被配置为将来自牙弓扫描数据的扫描的2D或3D扫描数据格式化为扫描的一个或多个分区、体积、裁剪或区域。例如,图像处理引擎可以接收或访问患者牙列的3D扫描,诸如CT扫描、CBCT扫描或MRI扫描,其可以包括患者牙齿特征的高分辨率成像数据,包括患者牙齿和患者颌的上下骨骼。然后,图像处理引擎可以将扫描处理成扫描的一个或多个分区、体积、裁剪或区域,其可以是原始扫描的子集。例如,扫描的一个或多个分区、体积、裁剪或区域可以是例如具有仅表示患者的颌的上骨骼、颌的下骨骼和/或牙齿的数据的裁剪。在一个实施方式中,图像处理引擎可以考虑2D/3D扫描的特定几何特征,以确定如何/在何处裁剪扫描。例如,图像处理引擎可以实现牙齿区域中心计算,以确定患者的牙齿在2D/3D扫描中位于何处。在一个具体实施方式中,可以使用二元牙齿分割将牙齿中心计算为3D空间中所有牙齿的几何中心,其中属于牙齿的每个体素用值“1”标记,并且所有其他体素用值“0”标记。使用以下公式:
其中,k是分割体积中的“牙齿”体素的数量,并且x1、x2、…、xk是3D空间中的“牙齿”体素。该计算给出牙齿区域中心的估计,然后系统可以使用该估计来生成包括患者牙齿的扫描数据的扫描的一个或多个分区、体积、裁剪或区域。图像处理引擎170还可以被配置为实现自动化代理以重新采样或调整2D/3D扫描的分辨率或者扫描的一个或多个分区、体积、裁剪或区域的分辨率。例如,在一个实施方式中,整个2D/3D扫描可以被重新采样以具有比扫描的原始分辨率低的分辨率。在另一实施方式中,扫描的一个或多个分区、体积、裁剪或区域可以被重新采样以具有不同的(例如,较低的)分辨率。图像处理引擎170可以将经处理扫描数据和/或其他数据提供给扫描数据数据存储176。
机器学习引擎172可以实现一个或多个自动化代理,其被配置为应用一个或多个机器学习引擎以分割来自图像处理引擎的经处理扫描数据。例如,机器学习引擎172可以使用原始2D/3D扫描(例如,CT扫描、CBCT扫描或MRI扫描)和/或来自图像处理引擎的扫描的一个或多个分区、体积、裁剪或区域作为输入。如上所述,扫描的一个或多个分区、体积、裁剪或区域也可以具有各种分辨率,因为一些裁剪可以具有比原始2D/3D扫描低的分辨率。可以使用多个上述输入来生成分割数据。例如,可以将2D/3D扫描的低分辨率版本输入到机器学习引擎中以生成上骨骼/下骨骼/二元牙齿分割。对于下骨骼/上骨骼/二元牙齿分割,属于牙齿的每个体素由系统用值‘1’标记,属于下骨骼的每个体素由系统用值‘2’标记,属于上骨骼的每个体素用值‘3’标记,并且所有其他体素用值‘0’标记。另外,可以将不同分辨率的扫描的一个或多个分区、体积、裁剪或区域输入到机器学习引擎中以生成分割数据。可以将患者牙齿的较高分辨率裁剪输入到机器学习引擎中,以生成患者牙齿的分割数据。另外,可以将患者的上骨骼/下骨骼的较低分辨率裁剪输入到机器学习引擎中以生成分割数据。机器学习引擎172可以将分割数据和/或其他数据提供给扫描数据数据存储176。
可以由机器学习引擎使用的机器学习系统的示例包括但不限于卷积神经网络(CNN)(诸如V-net、U-Net、ResNeXt、Xception、RefineNet、Kd-Net、SO Net、Point Net或Point CNN)以及附加机器学习系统(诸如决策树、随机森林、逻辑回归、支持向量机、AdaBoosT、K-最近邻(KNN)、二次判别分析、神经网络等)。另外,可以植入上述CNN的变型。例如,可以修改诸如Unet的CNN以使用替代卷积块(例如,ResNeXt或Xception),而不是默认实现的VGG型块。
体积合并引擎174可以实现一个或多个自动化代理,其被配置为将来自机器学习引擎172的分割数据合并成2D或3D扫描的完整语义分割,包括患者的上骨骼/下骨骼/各牙齿的分割。如上文所描述,机器学习引擎可以提供来自各种扫描数据输入的分割数据,包括分割原始2D/3D扫描、分割重新采样(例如,低分辨率)扫描、和/或分割扫描的一个或多个分区、体积、裁剪或区域。所得到的分割数据包括多个分割体积,每个体积潜在地具有变化的分辨率并且属于原始2D/3D扫描内的变化的位置。体积合并引擎174可以被配置为实现自动化代理,以将来自机器学习引擎的分割体积合并成原始2D或3D扫描的单个全面分割。例如,体积合并引擎174可以被配置为使用以下步骤合并第一体积(例如,低分辨率上骨骼/下骨骼/二元牙齿分割体积)和第二体积(例如,高分辨率、多类牙齿分割体积):1)从第一体积中移除二元牙齿标记;2)将第一体积的分辨率调整为与第二体积相同;以及3)用来自第二体积的体素替换第一体积中的体素。所得到的体积包含关于高分辨率牙齿及低分辨率上骨骼和下骨骼的信息。
扫描数据数据存储176可以被配置为存储与来自上述模块的2D或3D扫描、裁剪或重新采样的扫描数据、分割扫描数据和/或合并体积数据有关的数据。
图2示出了用于分割患者牙齿的3D扫描(诸如CT扫描、CBCT扫描或MRI扫描)的方法的一个示例。应当理解,该方法还可以用于分割患者牙齿的2D扫描,或者用于分割患者牙齿的3D模型。该方法可以由系统自动实现,诸如图1A所示的计算环境100A中的一个或多个系统,或者在诸如PC、智能电话或平板电脑的计算系统上执行的数字正畸治疗计划软件中实现。该方法还可以在图1A的扫描分割引擎160中和在图1B的扫描分割引擎160a中自动实现。
在操作202处,系统可以自动接收患者牙列的三维(3D)扫描。扫描可以由直接从患者收集(例如,使用口内扫描仪、CT扫描仪、CBCT扫描仪、MRI扫描仪)或间接地收集(例如,通过扫描患者牙列的模具和/或通过接收由另一人获取的患者的3D扫描等)的3D扫描仪生成。
在操作204处,系统可以自动对3D扫描进行重新采样。重新采样可以在数字正畸治疗计划软件内发生。在一个实施方式中,对3D扫描进行重新采样可以包括降低3D扫描的分辨率。在一个具体实施方式中,重新采样扫描的数据输入尺寸可以是256×256×256,并且分辨率可以低于原始3D扫描。通常,扫描可以被重新采样到可被输入到机器学习模型(诸如3D神经网络)中的数据输入尺寸。许多神经网络受到256×256×256的数据输入尺寸的限制,然而应当理解,一些神经网络可以具有更大的数据输入尺寸限制。
在操作206处,可以将重新采样的3D扫描输入到第一机器学习模型(诸如神经网络)中,以从重新采样的3D扫描产生分割数据。可以在数字正畸治疗计划软件中实现第一机器学习模型。在一个实施方式中,分割数据可以包括上骨骼分割数据、下骨骼分割数据和二元牙齿分割数据。对于下骨骼/上骨骼/二元牙齿分割,属于牙齿的每个体素由系统用值‘1’标记,属于下骨骼的每个体素由系统用值‘2’标记,属于上骨骼的每个体素用值‘3’标记,并且所有其他体素用值‘0’标记。
接下来,在操作208处,系统可以任选地执行计算以确定3D扫描或重新采样的3D扫描的几何特征。例如,系统可以执行牙齿区域中心计算以确定患者的牙齿在扫描中位于何处。可替代地,可以执行计算以定位患者颌的上骨骼/下骨骼。例如,可以在数字正畸治疗计划软件中实现计算。
接下来,在操作210处,系统可以执行3D扫描的第一裁剪。第一裁剪可以被重新采样到低于原始3D扫描的分辨率,并且可以具有适合于输入到机器学习模型中的数据输入尺寸(例如,256×256×256)。在一个实施方式中,系统可以使用来自操作208的计算来确定如何/在何处进行扫描裁剪。例如,如果操作208中的计算识别扫描中的上骨骼/下骨骼的位置,则操作210中的第一裁剪可以是包含患者的上骨骼或下骨骼的裁剪。
类似地,在操作212处,系统可以执行3D扫描的第二裁剪。第二裁剪可以被重新采样到等于或低于原始3D扫描但高于操作210中裁剪的分辨率的分辨率,并且可以具有适合于输入到机器学习模型中的数据输入尺寸(例如,256×256×256)。在一个实施方式中,系统可以使用来自操作208的计算来确定如何/在何处进行扫描裁剪。例如,如果操作208中的计算识别出扫描中牙齿的位置,则操作212中的第二裁剪可以是包围患者牙齿的裁剪。在一个具体实施方式中,期望患者牙齿的裁剪具有比患者的上骨骼/下骨骼的裁剪更高的分辨率。在一些实施方式中,可以由数字正畸治疗计划软件执行裁剪。
在操作214处,可以将第一裁剪输入到第一机器学习模型(诸如神经网络)中,以从第一裁剪产生分割数据。如上所述,可以在数字正畸治疗计划软件中实现第一机器学习模型。在一个实施方式中,第一裁剪包括低分辨率裁剪并且涉及原始3D扫描的包括患者颌的上骨骼和/或下骨骼的区域。因此,该操作可以用于生成患者颌的上骨骼/下骨骼的分割数据。
在操作216处,可以将第二裁剪输入到第二机器学习模型(诸如神经网络)中,以从第二裁剪产生分割数据。也可以在数字正畸治疗计划软件中实现第二机器学习模型。在一个实施方式中,第二裁剪包括高分辨率裁剪并且涉及包括患者牙齿的原始3D扫描的区域。因此,该操作可以用于生成患者牙齿的分割数据。在一个实施方式中,牙齿分割可以是二元牙齿分割。
在操作218处,可以将第二裁剪输入到第三机器学习模型(诸如神经网络)中,以从第二裁剪产生分割数据。也可以在数字正畸治疗计划软件中实现第三机器学习模型。在一个实施方式中,第二裁剪包括来自操作212的相同高分辨率裁剪,并且涉及包括患者牙齿的原始3D扫描的区域。因此,该操作可以用于生成患者牙齿的分割数据。在一个实施方式中,牙齿分割可以是多类牙齿分割。对于多类牙齿分割,属于专用牙齿的每个体素由系统用其牙齿编号值标记,并且所有其他体素用值‘0’标记(例如,因此系统分配具有值0-32的标记)。
在操作220处,系统可以合并来自操作206、214和216的体积以产生患者的最终分割3D扫描。可以在数字正畸治疗计划软件中实现本文描述的合并操作。如上所述,来自操作206的体积包括来自原始3D扫描的低分辨率版本的分割结果,并且可以包括关于上骨骼/下骨骼的分割数据以及二元牙齿分割。来自操作214的体积可以包括原始3D扫描的裁剪和重新采样版本,并且可以指向包括关于患者的上骨骼和/或下骨骼的数据的3D扫描的区域。来自操作216的体积可以包括原始扫描的裁剪和重新采样版本,并且可以指向包括关于患者牙齿的数据的3D扫描的区域。在一些实施方式中,来自操作216的体积的分辨率高于来自操作206和214的体积的分辨率。可以使用以下步骤来合并包括第一体积(例如,低分辨率上骨骼/下骨骼/二元牙齿分割体积)和第二体积(例如,高分辨率、多类牙齿分割体积)的体积:1)从第一体积中移除二元牙齿标记;2)将第一体积的分辨率调整为与第二体积相同;以及3)用来自第二体积的体素替换第一体积中的体素。所得到的体积包含关于高分辨率牙齿及低分辨率上骨骼和下骨骼的信息。
图3A-图3C示出了上述和图2中的分割过程的结果。例如,图3A图示了患者牙列的3D扫描(诸如CBCT扫描)的多个视图。图3B示出了3D扫描的多个视图以及表示患者的上骨骼/下骨骼和患者的牙齿的分割数据。图3C是作为上述过程的结果的具有分割的牙齿和上骨骼/下骨骼的完整3D牙齿模型的示例。3D扫描的这些视图可以由数字正畸治疗计划软件接收或生成,并呈现给软件的用户,诸如医生。在一些实施例中,用户可以操纵图像或与图像交互,包括改变或旋转图像的视角或者放大或缩小图像。另外,用户可以编辑或改变扫描和/或分割数据的分割参数,包括改变、修改或移除分割数据。
图4示出了可以用于在图2的流程图中分割扫描数据的神经网络的示例。在所示示例中,神经网络可以包括“V-net”卷积神经网络。如图2所述,该方法可以包括使用至少三个不同的3D神经网络,其提供3D扫描的完全语义分割(例如,个体牙齿分割、上骨骼分割和下骨骼分割)。
返回参考图1C,示出了包括3D融合引擎162a的示例的图。3D融合引擎162a可以包括特征对准引擎178、骨骼预处理引擎180、牙齿编号引擎182和合并牙齿模型数据存储184。3D融合引擎162a的模块中的一个或多个可以彼此耦合或耦合到未示出的模块。
特征对准引擎178可以实现一个或多个自动化代理,其被配置为将来自扫描分割引擎160的分割扫描数据与数字3D牙科治疗计划对准和合并。可在患者的牙科治疗过程期间生成数字3D牙科治疗计划。牙科治疗计划可以包括三维模型,诸如3D网格模型或3D点云,其可以从患者牙齿的扫描(诸如口内扫描)生成。该牙科治疗计划包括可以用于模拟、修改正畸治疗计划和/或在各种正畸治疗计划之间选择的信息。特征对准引擎178被配置为添加要被添加到3D牙科治疗计划的分割3D扫描数据(诸如来自3D CT扫描、CBCT扫描或MRI扫描的分割数据)。假设3D扫描用与牙科治疗计划软件不同的一些软件分割,并且分割结果被提供为具有比例信息的牙齿和骨骼标记的3D阵列。特征对准引擎自动对准分割3D扫描数据,并用真实的牙根和骨骼表面填充数字牙科计划。
特征对准引擎178可以首先产生分割3D扫描数据与数字治疗计划的粗略对准。在一个具体实施方式中,该粗略对准可以基于来自数字牙齿模型的牙冠与来自分割3D扫描的每个对应的分割牙齿体积的比较。特征对准引擎178能够计算在分割3D扫描中从颌齿的中心到相对颌齿的中心的向量。使用这些矢量,系统可以在分割3D扫描的每个牙齿上找到最突出的“尖端”点。可以将这些“尖端”点与数字牙科治疗计划中的对应点对准。然后,特征对准引擎178可以产生分割3D扫描数据与数字治疗计划的精细对准。这可以利用例如迭代最近点(ICP)算法来完成。
特征对准引擎178还可以被配置为将来自数字牙科治疗计划的牙冠与来自分割3D扫描的牙根缝合。分割3D扫描数据(诸如来自CBCT扫描)通常包括牙根区域和牙冠区域两者。然而,来自3D扫描的牙齿区域的分辨率通常比用于在数字牙科治疗计划中重建牙冠的口内扫描的分辨率差得多。因此,特征对准引擎178可以被配置为将低分辨率分割3D扫描牙根数据缝合到数字牙科治疗计划中的牙冠数据。牙根缝合程序的目标是减少沿着缝合线的非解剖伪影。这些伪影是表面台阶、间隙和/或局部拓扑变化。在一个实施方式中,特征对准引擎178在具有坐标(x,y,z)的一些辅助空间P中提供LAT线的“矫直”。一般矫直变换T将均匀分布的LAT点取到2D圆S上的一些均匀分布的点:(x^2+y^2=常数,z=0),将牙冠点取到半空间z>0,并将牙根点取到半空间z<0。变换T可以是由均匀分布在LAT线上的控制点及其均匀分布在圆S上的图像定义的薄板样条插值(Thin Plate Spline,TPS)。图5A中示出了牙冠与牙根的缝合。可以在数字正畸治疗计划软件中实现缝合程序,并且可以将其显示给软件的用户,诸如在监视器或显示器上。
骨骼预处理引擎180被配置为提供3D扫描表面的必要预处理,以减少数字噪声并抑制潜在的分割误差。在一个实施方式中,骨骼预处理引擎被配置为修补数字牙齿模型中的牙槽。一旦牙槽被修补,半透明骨骼就可以在计划的牙齿移动上显示,而没有移动的牙根轮廓和不可移动的牙槽轮廓的视觉干扰。这可以显示给用户,例如,数字正畸治疗计划软件的用户。牙槽区可以被检测为骨骼表面的足够接近一些3D扫描牙齿表面的部分。可以通过骨骼预处理引擎从骨骼表面移除牙槽区,并且可以用平滑贴片填充剩余的孔。在一个实施方式中,骨骼预处理引擎180可以产生小连接部件的过滤和表面的一些通用平滑。图5B中示出了上述牙槽/齿修补。
牙齿编号引擎182能够被配置为对数字牙科治疗计划中的各个牙齿进行编号和/或重新编号。应当注意,数字牙科治疗计划中的牙齿编号和来自分割3D扫描的牙齿编号可以是不同的。一个典型的原因是缺失牙齿。例如,如果第一前磨牙实际上缺失,则自动3D扫描分割可能不正确地猜测缺失第二前磨牙而不是第一前磨牙。因此,ICP表面匹配可以用于忽略牙齿编号并为这种情况提供正确的对准。该过程假设数字牙科治疗计划中的牙齿编号是正确的,并且更新扫描的3D分割中的牙齿编号。
合并牙齿模型数据存储184可以被配置为存储与来自上述模块的分割3D扫描与数字牙齿模型之间的对准、来自骨骼预处理引擎的牙齿/牙槽修补和/或牙齿编号数据相关的数据。
图6示出了用于将诸如来自CT扫描、CBCT扫描或MRI扫描的分割3D扫描数据添加到包括患者牙齿的3D牙齿模型的数字牙科治疗计划的方法的一个示例。该方法可以由系统(诸如图1A中所示的计算环境100A中的一个或多个系统)自动实现。该方法还可以在图1A的3D融合引擎162中以及在图1C的3D融合引擎162a中自动实现。
在操作602处,系统可以自动接收分割3D扫描数据和患者的虚拟治疗计划或数字牙科治疗计划。如上所述,分割3D扫描数据可以是完全分割的CT扫描、CBCT扫描或MRI扫描,并且数字牙科治疗计划可以是表示患者牙列的3D网格或3D点云以及用于如何修改患者牙齿以获得期望的牙齿结果的数字计划。
在操作604处,系统可以执行分割3D扫描与虚拟治疗计划的粗略对准。粗略对准可以基于来自数字牙齿模型的牙冠与来自分割3D扫描的每个对应的分割牙齿体积的比较。可以将诸如分割3D扫描的“尖端”的特征与数字牙科治疗计划中的对应特征对准。
在操作606处,系统可以执行分割3D扫描与虚拟治疗计划的精细对准。例如,可以通过执行迭代最近点(ICP)算法来实现精细对准。
在操作608处,系统可以被配置为将来自数字牙科治疗计划的牙冠与来自分割3D扫描的牙根缝合。该操作的结果是来自3D扫描的低分辨率牙根与来自口内扫描的牙冠的高分辨率的缝合(用于生成数字牙科治疗计划)。在一个实施方案中,能够减少或移除沿着牙根与牙冠之间的缝合线的伪影。
在操作610处,系统可以被配置为对数字牙科治疗计划中的各个牙齿进行编号和/或重新编号。在一个实施方式中,系统假设数字牙科治疗计划中的牙齿编号是正确的,并更新分割3D扫描数据以反映来自数字牙科治疗计划的牙齿编号。
该方法或系统可以被配置为对修改的虚拟治疗计划的骨骼分割进行预处理,例如,以修补(例如,移除/平滑)牙槽,如图5B所述。一旦牙槽被修补,半透明骨骼就可以在计划的牙齿移动上显示,而不存在移动的牙根轮廓和不可移动的牙槽轮廓的视觉干扰。牙槽区可以被检测为足够接近一些牙齿表面的骨骼表面的部分(例如,在CBCT扫描或其他牙根扫描中)。可以从骨骼表面移除牙槽区,并且用平滑贴片填充剩余的孔。还可以针对小连接部件对骨骼表面进行过滤,并提供通用平滑。可以显示614(或进一步修改)所得到的修改的虚拟治疗计划。
返回参考图1D,示出了包括牙齿建模引擎164a的示例的图。牙齿建模引擎164a可以包括通用牙齿引擎186、变换引擎188和牙齿建模数据存储190。牙齿建模引擎164a的一个或多个模块可以彼此耦合或耦合到未示出的模块。
通用牙齿引擎186可以实现一个或多个自动化代理,其被配置为将通用牙齿模型拟合到来自分割3D扫描的分割数据中。如上所述,可以对较低分辨率的重新采样阵列执行3D扫描(诸如CT扫描、CBCT扫描、MRI扫描等)的分割,以适应GPU装置上可用的快速且昂贵的存储器。因此,3D扫描的分割细节可能具有噪声或低分辨率表面。为了克服分割3D扫描中的这些缺陷,通用牙齿引擎可以被配置为使用来自分割3D扫描的分割数据作为辅助参考数据,并且将对应于分割牙齿的通用牙齿模型拟合到该数据中。例如,可以根据美国专利7,844,429构建通用牙齿模型,该专利通过引用整体并入本文。通用牙齿是对应类型的牙齿(尖牙、切牙、前磨牙等)的模板,并且可以使用特定于该特定牙齿的多个基于网格的模型预先构建,在不同患者上观察到,并且具有特殊的界标点(例如,允许以期望的分辨率和特性(诸如形状、平滑度等)重建3D网格的一组3D点)。通用牙齿引擎186可以被配置为将适当的通用牙齿模型与3D扫描分割数据匹配。在一个实施方式中,通用牙齿引擎能够选择分割3D扫描的一部分,诸如分割3D扫描中的单独分割的牙齿。然后,通用牙齿引擎能够选择与所选择的牙齿相对应的通用牙齿模型,并将通用牙齿模型拟合到分割数据中。
变换引擎188可以实现一个或多个自动化代理,其被配置为调整通用牙齿模型的位置和定向,以更好地匹配来自3D扫描数据的所选择的分割牙齿的位置和定向。可以通过添加或修改通用牙齿模型的若干或所有控制点来调整通用牙齿模型。在一个实施方式中,添加控制点可以包括:从特定牙齿的3D扫描的分割数据中找到顶点位置,将通用牙齿模型的轮廓叠加到分割数据上,识别分割数据与通用牙齿模型之间的差异,计算沿着差异的点的坐标,以及在这些计算的坐标处将一个或多个控制点添加到通用牙齿模型。控制点允许操纵通用牙齿模型的位置/定向。然后可以将经调整的通用牙齿模型变换成分割3D扫描(或变换成数字牙科治疗计划)。
牙齿建模数据存储190可以被配置为存储与来自上述模块的数据相关的数据,包括通用牙齿模型数据、3D控制点数据以及通用牙齿模型到分割3D扫描或数字牙科治疗计划的变换数据。
图7示出了用于将完整牙齿建模到患者牙冠和牙根的方法的一个示例。该方法可以由系统(诸如图1A中所示的计算环境100A中的一个或多个系统)自动实现。该方法还可以在图1A的牙齿建模引擎164中以及在图1D的牙齿建模引擎164a中自动实现。
在操作702处,系统可以接收患者的分割3D扫描数据。如上所述,分割3D扫描数据可以是完全分割的CT扫描、CBCT扫描或MRI扫描。
在操作704处,系统可以识别分割3D扫描的一部分,诸如单独分割的牙齿。如上所述,可以对较低分辨率的重新采样阵列执行3D扫描(诸如CT扫描、CBCT扫描、MRI扫描等)的分割,以适应GPU装置上可用的快速且昂贵的存储器。因此,3D扫描的分割细节可能具有噪声或低分辨率表面。图8A是示出了具有低分辨率的来自分割3D扫描的分割牙齿的一个示例的图示。
在操作706处,系统可以被配置为识别与在操作704处选择的分割的牙齿相对应的通用牙齿模型。如上所述,通用牙齿模型是对应类型的牙齿(尖牙、切牙、前磨牙等)的模板,并且可以使用特定于该特定牙齿的多个基于网格的模型预先构建,在不同患者上观察到,并且具有特殊的界标点(例如,允许以期望的分辨率和特性(诸如形状、平滑度等)重建3D网格的一组3D点)。在一个实施方式中,所选择的通用牙齿模型可以基于在分割期间分配给所选择的牙齿的牙齿编号。在其他实施方式中,通用牙齿模型的选择可以基于所选择的分割牙齿的特征(例如,形状、感兴趣的特征、点、牙齿的尺寸等)。图8B是对应于来自图8A的分割牙齿的通用牙齿模型的示例。
在操作708处,可以将通用牙齿模型拟合到与所选择的牙齿相对应的分割数据中。在操作710处,可以通过修改通用牙齿模型或将控制点添加到通用牙齿模型来调整通用牙齿模型。然后可以调整或变换这些控制点以调整通用牙齿模型的形状、位置和/或定向,从而更好地拟合到所选择的牙齿的分割数据中。
在操作712处,可以将经调整的通用牙齿模型变换成分割3D扫描或变换成数字牙科治疗计划或牙齿模型。如上所述,数字正畸治疗计划软件可以用于生成3D牙齿模型或数字牙科治疗计划。该数字牙科治疗计划在操作714处,可以针对来自分割3D扫描的分割牙齿中的一些或全部重复操作704至712。
图9示出了用于调整通用牙齿模型以更好地拟合到分割牙齿模型中的方法的一个示例。图9的流程图在图7的流程图中描述的操作710上扩展。该方法可以由系统(诸如图1A中所示的计算环境100A中的一个或多个系统)自动实现。该方法还可以在图1A的牙齿建模引擎164中以及图1D的牙齿建模引擎164a中自动实现。
如上文在图7的流程图中所述,期望变换/调整通用牙齿模型以更好地拟合到来自分割3D扫描的分割牙齿数据中。图7的操作710叙述了通过修改通用牙齿模型/将控制点添加到通用牙齿模型来调整通用牙齿模型的步骤。
在操作902和904处,系统可以在分割3D扫描上找到对应于所选择的牙齿的顶点位置,并将通用牙齿的顶点移动到那些位置。
接下来,在操作906处,系统可以将通用牙齿模型的轮廓覆盖在分割3D扫描中的所选择的牙齿上。
在操作908处,系统可以识别分割3D扫描的所选择的牙齿与通用牙齿模型的覆盖轮廓之间的一个或多个差异。图10A示出了覆盖在分割3D扫描上的通用牙齿模型,其中识别出模型与扫描之间的差异。分割3D扫描的所选择的牙齿与通用牙齿模型的覆盖轮廓之间的差异可以在监视器或显示器上显示给数字正畸治疗计划软件的用户。
在操作910处,系统可以计算分割3D扫描与覆盖的通用牙齿模型之间的一个或多个差异处的一个或多个点的3D坐标。图10B示出了沿着3D扫描中所选择的分割牙齿与通用牙齿模型之间的差异的边缘定位的点的示例。
在操作912处,系统可以被配置为将来自操作910的计算坐标处的一个或多个3D控制点添加到通用牙齿模型。然后,3D控制点允许操纵和调整通用牙齿模型的位置、定向、尺寸和形状。
在操作914处,可以针对来自分割3D扫描的分割牙齿中的一些或全部重复操作904-912中概述的步骤。
返回参考图1E,示出了包括牙齿标记引擎166a的示例的图。牙齿标记引擎166a可以包括侵蚀引擎192和牙齿标记数据存储194。牙齿标记引擎166a的一个或多个模块可以彼此耦合或耦合到未示出的模块。
侵蚀引擎192可以实现一个或多个自动化代理,其被配置为在分割3D扫描中单独地对分割牙齿进行编号/标记。在一个实施方式中,侵蚀引擎192接收在3D扫描的自动分割(诸如如上所述的CT扫描、CBCT扫描或MRI扫描的分割)之后接收的牙齿的二元体积(标记图)作为输入。侵蚀引擎192可以被配置为利用分水岭算法分离标记图。在一个实施方式中,通过应用于标记图的侵蚀迭代来形成分水岭算法的种子。这些种子在种子制备期间考虑了牙齿的形态结构,从而提高了体积分离的质量。可以将种子应用于原始二元标记图,并且可以再次应用分水岭算法以将各个牙齿分割成单独的分量以进行更准确的标记。
牙齿标记数据存储194可以被配置为存储与来自上述模块的数据相关的数据,包括如本文所述的标记/编号数据、侵蚀数据和种子数据。
图11示出了用于在分割3D扫描中对分割牙齿进行编号的方法的一个示例。该方法可以由诸如图1A所示的计算环境100A中的一个或多个系统的系统自动实现,或者由在诸如个人计算机、平板电脑或智能电话的计算系统中实现的数字正畸治疗计划软件自动实现。该方法还可以在图1A的牙齿标记引擎166中以及在图1E的牙齿标记引擎166a中自动实现。
在操作1102处,系统可以输入二元标记图,诸如来自分割3D扫描(例如,分割CT扫描、CBCT扫描或MRI扫描)的二元标记图。图12A中示出了原始标记图的示例。
在操作1104处,系统可以对来自操作1102的二元标记图应用侵蚀算法。在操作1106处,系统检查是否存在小于第一阈值体素体积的任何体素体积。在操作1108处,从侵蚀过程中移除小于第一阈值体素体积的这些体素体积。图12C示出了具有小于第一阈值的体素体积的二元图,并且图12D示出了移除了那些体素体积的二元图。重复操作1104至1108,直到不再存在大于第一阈值体积的任何体素体积。图12B示出了6次侵蚀迭代之后的二元标记图的示例。
接下来,在操作1112处,移除小于第二阈值的所有体素体积,并且将剩余的体素体积作为种子保存在单独的标记图中。
在操作1114处,用来自操作1112的“种子”播种来自操作1102的二元标记图。图13A是用来自操作1114的种子播种的二元标记图的图示。
在操作1116处,将分水岭算法应用于来自操作1114的播种图。操作1118处的输出是具有完全分割和标记的牙齿的标记图。该完全分割和标记的图在图13B中示出。
本文描述的方法可以由诸如数据处理系统的设备执行,该设备可以包括用于执行上述这些步骤中的许多步骤的硬件、软件和/或固件。例如,图14是数据处理系统1400的简化框图。数据处理系统1400通常包括至少一个处理器1402,其通过总线子系统1404与多个外围装置通信。这些外围装置通常包括存储子系统1406(存储器子系统1408和文件存储子系统1414)、一组用户接口输入和输出装置1418以及到外部网络1416(该外部网络包括公共交换电话网)的接口。该接口被示意性地示出为“调制解调器和网络接口”块1416,并且通过通信网络接口1424耦合到其他数据处理系统中的相应接口装置。数据处理系统1400可以包括终端或低端个人计算机或高端个人计算机、工作站或大型机。
用户接口输入装置通常包括键盘,并且还可以包括指向装置和扫描仪。指向装置可以是间接指向装置(诸如鼠标、轨迹球、触摸板或图形输入板)或直接指向装置(诸如结合到显示器中的触摸屏)。可以使用其他类型的用户接口输入装置,诸如语音识别系统。
用户接口输出装置可以包括打印机和显示子系统,该显示子系统包括显示控制器和耦合到控制器的显示装置。显示装置可以是阴极射线管(CRT)、诸如液晶显示器(LCD)的平板装置或投影装置。显示子系统还可以提供非视觉显示,诸如音频输出。
存储子系统1406维护提供本发明的功能的基本编程和数据结构。上面讨论的软件模块通常存储在存储子系统1406中。存储子系统1406通常包括存储器子系统1408和文件存储子系统1414。
存储器子系统1408通常包括多个存储器,包括用于在程序执行期间存储指令和数据的主随机存取存储器(RAM)1410以及其中存储固定指令的只读存储器(ROM)1412。在Macintosh兼容的个人计算机的情况下,ROM将包括操作系统的部分;在IBM兼容的个人计算机的情况下,这将包括BIOS(基本输入/输出系统)。
文件存储子系统1414为程序和数据文件提供持久(非易失性)存储,并且通常包括至少一个硬盘驱动器和至少一个软盘驱动器(具有相关联的可移除介质)。还可以存在其他装置,诸如CD-ROM驱动器和光学驱动器(都具有其相关联的可移除介质)。另外,该系统可以包括具有可移除介质盒类型的驱动器。可移除介质盒可以是例如硬盘盒(诸如由Syquest和其他公司销售的那些)以及软盘盒(诸如由Iomega销售的那些)。驱动器中的一个或多个可以位于远程位置处,诸如在局域网上的服务器中或在互联网的万维网上的站点处。
在该上下文中,术语“总线子系统”一般地用于包括用于使各种部件和子系统按照预期彼此通信的任何机制。除了输入装置和显示器之外,其他部件不需要在相同的物理位置处。因此,例如,文件存储系统的部分可以通过各种局域网或广域网介质(包括电话线)连接。类似地,输入装置和显示器不需要与处理器处于相同的位置,尽管预期本发明将最经常在PCS和工作站的环境中实现。
总线子系统1404被示意性地示出为单个总线,但是典型的系统具有多个总线,诸如本地总线和一个或多个扩展总线(例如,ADB、SCSI、ISA、EISA、MCA、NuBus或PCI)以及串行和并行端口。网络连接通常通过诸如这些扩展总线之一上的网络适配器或串行端口上的调制解调器等装置来建立。客户端计算机可以是台式系统或便携式系统。
扫描仪1420负责扫描从患者或从正畸医生获得的患者牙齿的模型,并将扫描的数字数据集信息提供给数据处理系统1400以供进一步处理。在分布式环境中,扫描仪1420可以位于远程位置,并且通过网络接口1424将扫描的数字数据集信息传送到数据处理系统1400。
制造机器1422基于从数据处理系统1400获取的中间和最终数据集信息来制造牙科矫正器。在分布式环境中,制造机器1422可以位于远程位置并且通过网络接口1424从数据处理系统1400获取数据集信息。
可以使用各种替代、修改和等同物来代替上述部件。尽管可以使用计算机辅助技术来确定牙齿的最终位置,但是用户可以通过在满足处方的约束的同时独立地操纵一个或多个牙齿来将牙齿移动到其最终位置。
另外,这里描述的技术可以以硬件或软件或两者的组合来实现。这些技术可以在可编程计算机上执行的计算机程序中实现,每个可编程计算机包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)以及合适的输入和输出装置。程序代码应用于使用输入装置输入的数据,以执行所描述的功能并生成输出信息。输出信息被应用于一个或多个输出装置。
每个程序可以用高级过程或面向对象的编程语言来实现,以与计算机系统一起操作。然而,如果需要,程序可以用汇编或机器语言实现。在任何情况下,语言可以是编译或解释语言。
每个这样的计算机程序可以存储在通用或专用可编程计算机可读的存储介质或装置(例如,CD-ROM、硬盘或磁盘)上,用于在计算机读取存储介质或装置以执行所描述的过程时配置和操作计算机。该系统还可以被实现为配置有计算机程序的计算机可读存储介质,其中如此配置的存储介质使计算机以特定和预定义的方式操作。
因此,本文描述的任何方法(包括用户界面)可以被实现为软件、硬件或固件,并且可以被描述为存储能够由处理器(例如,计算机、平板电脑、智能电话等)执行的一组指令的非暂时性计算机可读存储介质,当指令由处理器执行时,使得处理器控制执行任何步骤,包括但不限于:显示、与用户通信、分析、修改参数(包括定时、频率、强度等)、确定、警报等。
虽然本文已经示出和描述了本公开的优选实施例,但是对于本领域技术人员显而易见的是,这些实施例仅以示例的方式提供。在不脱离本发明的情况下,本领域技术人员现在将想到许多变化、改变和替换。应当理解,本文所述的本发明的实施例的各种替代方案可以用于实践本发明。本文描述的实施例的许多不同组合是可能的,并且这样的组合被认为是本公开的一部分。此外,结合本文的任何一个实施例讨论的所有特征可以容易地适用于本文的其他实施例。以下权利要求旨在限定本发明的范围,并且由此覆盖这些权利要求范围内的方法和结构及其等同物。
当特征或元件在此被称为“在”另一特征或元件“上”时,其可以直接在另一特征或元件上,或者中间的特征和/或元件也可以存在。相反,当特征或元件被称为“直接在”另一特征或元件“上”时,不存在中间的特征或元件。还应理解,当特征或元件被称为“连接”、“附接”或“耦合”到另一特征或元件时,它可以直接连接、附接或耦合到另一特征或元件,或者可以存在中间的特征或元件。相反,当一个特征或元件被称为“直接连接”、“直接附接”或“直接耦合”到另一特征或元件时,不存在中间的特征或元件。尽管关于一个实施例描述或示出,但如此描述或示出的特征和元件可以应用于其他实施例。本领域技术人员还将理解,指的是与另一特征“相邻”设置的结构或特征可以具有与相邻特征交叠或位于相邻特征下方的部分。
本文使用的术语仅用于描述特定实施例的目的,并不旨在限制本发明。例如,如本文所使用的,单数形式“一”和“该”旨在也包括复数形式,除非上下文另有明确说明。将进一步理解,当在本说明书中使用时,术语“包括”和/或“包含”指定所述特征、步骤、操作、元件和/或部件的存在,但不排除一个或多个其他特征、步骤、操作、元件、部件和/或其组的存在或添加。如本文所使用的,术语“和/或”包括一个或多个相关联的所列项目的任何和所有组合,并且可以缩写为“/”。
为了便于描述,本文可以使用空间相对术语,诸如“下方”、“下面”、“下部”、“上方”、“上部”等,以便于描述如图所示的一个元件或特征与另一个或多个元件或特征的关系。应当理解,除了图中所描绘的定向之外,空间相对术语旨在涵盖装置在使用或操作中的不同定向。例如,如果图中的装置被倒置,则被描述为在其他元件或特征“下方”或“之下”的元件将被定向为在其他元件或特征“上方”。因此,示例性术语“下方”可以涵盖上方和下方两种定向。装置可以以其他方式定向(旋转90度或处于其他定向),并且相应地解释本文使用的空间相对描述语。类似地,术语“向上”、“向下”、“竖直”、“水平”等在本文中仅用于解释的目的,除非另有明确说明。
尽管本文可以使用术语“第一”和“第二”来描述各种特征/元件(包括步骤),但是这些特征/元件不应受这些术语的限制,除非上下文另有说明。这些术语可以用于将一个特征/元件与另一特征/元件区分开。因此,在不脱离本发明的教导的情况下,下面讨论的第一特征/元件可以被称为第二特征/元件,并且类似地,下面讨论的第二特征/元件可以被称为第一特征/元件。
在整个说明书和随后的权利要求书中,除非上下文另有要求,否则词语“包括”和诸如“包含”和“具有”的变型意味着可以在方法和物品(例如,包括装置和方法的组合物和设备)中共同使用各种部件。例如,术语“包括”将被理解为暗示包括任何所述元件或步骤,但不排除任何其他元件或步骤。
通常,本文描述的任何设备和/或方法应当被理解为包括性的,但是部件和/或步骤的全部或子集可以替代地是排他性的,并且可以表示为“由各种部件、步骤、子部件或子步骤组成”或替代地“基本上由各种部件、步骤、子部件或子步骤组成”。
如本文在说明书和权利要求书中所使用的,包括如在实施例中所使用的并且除非另有明确说明,否则所有数字可以被解读为好像以词语“约”或“大约”开头,即使该术语没有明确出现。当描述量级和/或位置以指示所描述的值和/或位置在值和/或位置的合理预期范围内时,可以使用短语“约”或“大约”。例如,数值可以具有为所述值(或值的范围)的+/-0.1%、所述值(或值的范围)的+/-1%、所述值(或值的范围)的+/-2%、所述值(或值的范围)的+/-5%、所述值(或值的范围)的+/-10%等的值。除非上下文另有说明,否则本文给出的任何数值也应理解为包括约或大约该值。例如,如果公开了值“10”,则也公开了“约10”。本文所述的任何数值范围旨在包括其中包含的所有子范围。还应理解,如本领域技术人员适当理解的,当公开值时,还公开了“小于或等于”该值、“大于或等于该值”以及值之间的可能范围。例如,如果公开了值“X”,则还公开了“小于或等于X”以及“大于或等于X”(例如,其中X是数值)。还应当理解,在整个申请中,数据以多种不同的格式提供,并且该数据表示端点和起始点,以及数据点的任何组合的范围。例如,如果公开了特定数据点“10”和特定数据点“15”,则应理解,大于、大于或等于、小于、小于或等于以及等于10和15以及介于10与15之间被认为是公开的。还应理解,还公开了两个特定单位之间的每个单位。例如,如果公开了10和15,则还公开了11、12、13和14。
尽管上面描述了各种说明性实施例,但是在不脱离如权利要求所描述的本发明的范围的情况下,可以对各种实施例进行许多改变中的任何改变。例如,在替代实施例中,通常可以改变执行各种所描述的方法步骤的顺序,并且在其他替代实施例中,可以完全跳过一个或多个方法步骤。各种装置和系统实施例的任选特征可以包括在一些实施例中而不包括在其他实施例中。因此,前面的描述主要是出于示例性目的而提供的,并且不应被解释为限制如权利要求中所阐述的本发明的范围。
本文包括的示例和说明通过说明而非限制的方式示出了可以实践患者事项的具体实施例。如上所述,可以利用其他实施例并从中导出其他实施例,使得可以在不脱离本公开的范围的情况下进行结构和逻辑替换和改变。本发明患者事项的这些实施例在本文中可以单独地或共同地由术语“发明”来指代,这仅仅是为了方便,并且不旨在将本申请的范围自愿地限制于任何单个发明或发明构思,如果实际上公开了多于一个的话。因此,尽管本文已经示出和描述了具体实施例,但是被计算为实现相同目的的任何布置可以代替所示的具体实施例。本公开旨在覆盖各种实施例的任何和所有改编或变化。在阅读以上描述后,上述实施例的组合以及本文未具体描述的其他实施例对于本领域技术人员而言将是显而易见的。
Claims (36)
1.一种方法,所述方法包括:
在计算装置中接收扫描数据,所述扫描数据包括患者牙列的骨根扫描,其中,所述扫描数据被分割成个体牙齿;
使用牙冠信息执行所述扫描数据与所述患者牙列的数字模型的粗略对准,以形成粗略对准扫描数据,其中,所述患者牙列的所述数字模型包括用于修改所述患者牙列的治疗计划的一个或多个阶段;
使用3D匹配算法执行所述粗略对准扫描数据的精细对准以形成对准扫描数据;
处理所述对准扫描数据以修补来自所述对准扫描数据的牙槽;
修改所述患者牙列的所述数字模型以包括来自经处理的对准扫描数据的牙根,以形成修改数字模型;以及
使用所述修改数字模型来显示或修改所述治疗计划。
2.根据权利要求1所述的方法,其中,所述骨根扫描包括锥形束计算机断层扫描CBCT扫描。
3.根据权利要求1所述的方法,还包括:分割所述扫描数据。
4.根据权利要求3所述的方法,还包括:利用一个或多个卷积神经网络自动分割所述扫描数据。
5.根据权利要求1所述的方法,还包括:在执行所述精细对准之后,通过在处理所述对准扫描数据之前修改所述患者牙列的所述数字模型以包括来自所述扫描数据的牙根,来生成原始对准扫描数据。
6.根据权利要求5所述的方法,还包括:显示所述原始对准扫描数据,以供用户查看和校正所述修改数字模型。
7.根据权利要求1所述的方法,其中,粗略对准包括利用对准算法使用所述扫描数据的每个牙冠的质心或利用对准算法使用所述扫描数据的每个牙冠的牙冠尖端。
8.根据权利要求1所述的方法,其中,执行精细对准包括应用迭代最近点ICP 3D匹配算法。
9.根据权利要求1所述的方法,处理所述对准扫描数据包括平滑所述对准扫描数据。
10.根据权利要求1所述的方法,其中,处理所述对准扫描数据以修补来自所述对准扫描数据的牙槽包括移除牙槽,使得能够在计划的牙齿移动上显示骨骼的半透明表示,而不存在移动的牙根轮廓和不能移动的牙槽轮廓的视觉干扰。
11.一种分割患者牙列的三维3D扫描的方法,所述方法包括以下步骤:
在计算装置中接收患者牙列的三维3D扫描;
利用一个或多个卷积神经网络自动分割所述3D扫描;
将分割3D扫描合并到虚拟治疗计划的3D牙齿模型中;以及
输出所述虚拟治疗计划。
12.根据权利要求11所述的方法,还包括:
识别所述虚拟治疗计划中的个体分割牙齿;
识别对应于所述个体分割牙齿的通用牙齿模型;以及
用对应于每个个体分割牙齿的所述通用牙齿模型替换所述虚拟治疗计划中的所述个体分割牙齿。
13.根据权利要求11所述的方法,还包括:利用分水岭算法对所述虚拟治疗计划的3D牙齿模型自动重新编号。
14.根据权利要求11所述的方法,其中,自动分割所述3D扫描还包括:
将3D扫描下采样到比所述3D扫描更低的分辨率;
利用第一神经网络分割下采样的3D扫描以识别患者的牙齿、患者的上颌骨和患者的下颌骨;
执行牙齿区域中心计算,以确定所述患者的牙齿在所述3D扫描内定位的位置;
执行所述3D扫描的第一裁剪;
利用所述第一神经网络分割所述第一裁剪以产生第一体积;
执行所述3D扫描的第二裁剪;
利用第二神经网络分割所述第二裁剪以产生第二体积;
利用第三神经网络分割所述第二裁剪以产生第三体积;
合并所述第一体积、所述第二体积和所述第三体积以产生最终分割3D扫描。
15.根据权利要求11所述的方法,其中,将所述分割3D扫描合并到虚拟治疗计划的3D牙齿模型中包括:
接收分割3D扫描数据和虚拟治疗计划;
执行所述分割3D扫描与所述虚拟治疗计划的粗略对准;
执行所述分割3D扫描与所述虚拟治疗计划的精细对准;
将来自所述虚拟治疗计划的牙冠缝合到来自所述分割3D扫描数据的对应牙根;
对所述虚拟治疗计划中的个体分割牙齿进行编号。
16.根据权利要求12所述的方法,其中,替换所述个体分割牙齿还包括:
确定所述分割3D扫描中的所选择牙齿的顶点位置;
将通用牙齿模型的顶点位置移动到所述分割3D扫描中的所述牙齿的顶点位置;
将所述通用牙齿模型的轮廓覆盖在所述分割3D扫描中的所述牙齿上;
识别所述分割3D扫描与所述通用牙齿模型的轮廓之间的一个或多个差异;
计算所述分割3D扫描与所述通用牙齿模型之间的所述一个或多个差异处的一个或多个点的3D坐标;
将所计算坐标处的一个或多个3D控制点添加到所述通用牙齿模型;以及
利用所述一个或多个3D控制点来变换所述通用牙齿模型。
17.一种分割患者牙列的3D扫描的方法,所述患者牙列包括患者的牙齿,所述方法包括以下步骤:
在计算装置中接收所述患者牙列的三维3D扫描;
将所述3D扫描下采样到比所述3D扫描更低的分辨率;
利用第一神经网络分割下采样的3D扫描以识别所述患者的牙齿、患者的上颌骨和患者的下颌骨;
执行牙齿区域中心计算,以确定所述患者的牙齿在所述3D扫描内定位的位置;
执行所述3D扫描的第一裁剪;
利用所述第一神经网络分割所述第一裁剪以产生第一体积;
执行所述3D扫描的第二裁剪;
利用第二神经网络分割所述第二裁剪以产生第二体积;
利用第三神经网络分割所述第二裁剪以产生第三体积;
合并所述第一体积、所述第二体积和所述第三体积以产生最终分割3D扫描。
18.根据权利要求17所述的方法,其中,所述3D扫描包括所述患者牙列的CT扫描。
19.根据权利要求17所述的方法,其中,所述3D扫描包括所述患者牙列的CBCT扫描。
20.根据权利要求17所述的方法,其中,所述3D扫描包括所述患者牙列的MRI扫描。
21.根据权利要求17所述的方法,其中,所述第一神经网络和所述第二神经网络包括V-net神经网络。
22.根据权利要求17所述的方法,其中,所述第一裁剪具有比所述第二裁剪低的分辨率。
23.根据权利要求17所述的方法,其中,所述下采样的3D扫描、所述第一裁剪和所述第二裁剪具有不大于256×256×256的数据输入尺寸。
24.根据权利要求17所述的方法,其中,所述第一裁剪包括与所述患者的上颌骨或下颌骨相关的扫描数据。
25.根据权利要求17所述的方法,其中,所述第二裁剪包括与所述患者的牙齿相关的扫描数据。
26.根据权利要求17所述的方法,其中,所述第一体积包括上骨骼、下骨骼和二元牙齿分割。
27.根据权利要求17所述的方法,其中,所述第二体积包括上骨骼、下骨骼和二元牙齿分割。
28.根据权利要求17所述的方法,其中,所述第三体积包括多类牙齿分割。
29.一种将分割3D扫描数据添加到虚拟治疗计划的方法,包括以下步骤:
接收分割3D扫描数据和虚拟治疗计划;
执行分割3D扫描与所述虚拟治疗计划的粗略对准;
执行所述分割3D扫描与所述虚拟治疗计划的精细对准;
将来自所述虚拟治疗计划的牙冠缝合到来自所述分割3D扫描数据的对应牙根;
对所述虚拟治疗计划中的个体分割牙齿进行编号。
30.根据权利要求29所述的方法,还包括:预处理骨骼区段以修补所述虚拟治疗计划中的牙槽或缺失数据。
31.一种调整通用牙齿模型以更好地拟合到来自3D扫描的分割牙齿中的方法,所述方法包括以下步骤:
确定分割3D扫描中的所选择牙齿的顶点位置;
将通用牙齿模型的顶点位置移动到所述分割3D扫描中的牙齿的顶点位置;
将所述通用牙齿模型的轮廓覆盖在所述分割3D扫描中的所述牙齿上;
识别所述分割3D扫描与所述通用牙齿模型的轮廓之间的一个或多个差异;
计算所述分割3D扫描与所述通用牙齿模型之间的所述一个或多个差异处的一个或多个点的3D坐标;
将所计算的坐标处的一个或多个3D控制点添加到所述通用牙齿模型;以及
利用所述一个或多个3D控制点来变换所述通用牙齿模型。
32.一种牙科治疗系统,包括:
一个或多个处理器;
耦合到所述一个或多个处理器的存储器,所述存储器被配置为存储计算机程序指令,所述计算机程序指令在由所述处理器执行时使所述处理器执行计算机实现的方法,所述计算机实现的方法包括:
在计算装置中接收扫描数据,所述扫描数据包括患者牙列的骨根扫描,其中,所述扫描数据被分割成个体牙齿;
使用牙冠信息执行所述扫描数据与所述患者牙列的数字模型的粗略对准,以形成粗略对准扫描数据,其中,所述患者牙列的所述数字模型包括用于修改所述患者牙列的治疗计划的一个或多个阶段;
使用3D匹配算法执行所述粗略对准扫描数据的精细对准,以形成对准扫描数据;
处理所述对准扫描数据,以修补来自所述对准扫描数据的牙槽;
修改所述患者牙列的所述数字模型以包括来自经处理的对准扫描数据的牙根,以形成修改数字模型;以及
使用所述修改数字模型来显示或修改所述治疗计划。
33.一种牙科治疗系统,包括:
一个或多个处理器;
耦合到所述一个或多个处理器的存储器,所述存储器被配置为存储计算机程序指令,所述计算机程序指令在由所述处理器执行时使所述处理器执行计算机实现的方法,所述计算机实现的方法包括:
在所述牙科治疗系统中接收患者牙列的三维3D扫描;
利用一个或多个卷积神经网络自动分割所述3D扫描;
将分割3D扫描合并到虚拟治疗计划的3D牙齿模型中;以及
输出所述虚拟治疗计划。
34.一种牙科治疗系统,包括:
一个或多个处理器;
耦合到所述一个或多个处理器的存储器,所述存储器被配置为存储计算机程序指令,所述计算机程序指令在由所述处理器执行时使所述处理器执行计算机实现的方法,所述计算机实现的方法包括:
在所述牙科治疗系统中接收患者牙列的三维3D扫描;
将所述3D扫描下采样到比所述3D扫描更低的分辨率;
利用第一神经网络分割下采样的3D扫描,以识别患者的牙齿、患者的上颌骨和患者的下颌骨;
执行牙齿区域中心计算,以确定所述患者的牙齿在所述3D扫描内定位的位置;
执行所述3D扫描的第一裁剪;
利用所述第一神经网络分割所述第一裁剪以产生第一体积;
执行所述3D扫描的第二裁剪;
利用第二神经网络分割所述第二裁剪以产生第二体积;
利用第三神经网络分割所述第二裁剪以产生第三体积;
合并所述第一体积、所述第二体积和所述第三体积以产生最终分割3D扫描。
35.一种牙科治疗系统,包括:
一个或多个处理器;
耦合到所述一个或多个处理器的存储器,所述存储器被配置为存储计算机程序指令,所述计算机程序指令在由所述处理器执行时使所述处理器执行计算机实现的方法,所述计算机实现的方法包括:
接收分割3D扫描数据和虚拟治疗计划;
执行分割3D扫描与所述虚拟治疗计划的粗略对准;
执行所述分割3D扫描与所述虚拟治疗计划的精细对准;
将来自所述虚拟治疗计划的牙冠缝合到来自所述分割3D扫描数据的对应牙根;
对所述虚拟治疗计划中的个体分割牙齿进行编号。
36.一种牙科治疗系统,包括:
一个或多个处理器;
耦合到所述一个或多个处理器的存储器,所述存储器被配置为存储计算机程序指令,所述计算机程序指令在由所述处理器执行时使所述处理器执行计算机实现的方法,所述计算机实现的方法包括:
确定分割3D扫描中的所选择牙齿的顶点位置;
将通用牙齿模型的顶点位置移动到所述分割3D扫描中的牙齿的顶点位置;
将所述通用牙齿模型的轮廓覆盖在所述分割3D扫描中的所述牙齿上;
识别所述分割3D扫描与所述通用牙齿模型的轮廓之间的一个或多个差异;
计算所述分割3D扫描与所述通用牙齿模型之间的所述一个或多个差异处的一个或多个点的3D坐标;
将所计算的坐标处的一个或多个3D控制点添加到所述通用牙齿模型;以及
利用所述一个或多个3D控制点来变换所述通用牙齿模型。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063117426P | 2020-11-23 | 2020-11-23 | |
US63/117,426 | 2020-11-23 | ||
PCT/US2021/060661 WO2022109500A1 (en) | 2020-11-23 | 2021-11-23 | Automatic segmentation of dental cbct scans |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116457890A true CN116457890A (zh) | 2023-07-18 |
Family
ID=78957992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180078791.8A Pending CN116457890A (zh) | 2020-11-23 | 2021-11-23 | 牙科cbct扫描的自动分割 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220165388A1 (zh) |
EP (1) | EP4247293A1 (zh) |
CN (1) | CN116457890A (zh) |
WO (1) | WO2022109500A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6650996B1 (ja) * | 2018-12-17 | 2020-02-19 | 株式会社モリタ製作所 | 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 |
US11842484B2 (en) | 2021-01-04 | 2023-12-12 | James R. Glidewell Dental Ceramics, Inc. | Teeth segmentation using neural networks |
CN116503389B (zh) * | 2023-06-25 | 2023-10-20 | 南京邮电大学 | 牙根外吸收自动检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5975893A (en) | 1997-06-20 | 1999-11-02 | Align Technology, Inc. | Method and system for incrementally moving teeth |
US7156661B2 (en) * | 2002-08-22 | 2007-01-02 | Align Technology, Inc. | Systems and methods for treatment analysis by teeth matching |
US7844429B2 (en) * | 2006-07-19 | 2010-11-30 | Align Technology, Inc. | System and method for three-dimensional complete tooth modeling |
US10792127B2 (en) * | 2017-01-24 | 2020-10-06 | Align Technology, Inc. | Adaptive orthodontic treatment |
US11896452B2 (en) * | 2017-03-16 | 2024-02-13 | Carestream Health, Inc. | Method for virtual setup with mixed dentition |
EP3620130A1 (en) * | 2018-09-04 | 2020-03-11 | Promaton Holding B.V. | Automated orthodontic treatment planning using deep learning |
-
2021
- 2021-11-23 EP EP21827772.1A patent/EP4247293A1/en active Pending
- 2021-11-23 WO PCT/US2021/060661 patent/WO2022109500A1/en active Application Filing
- 2021-11-23 US US17/534,420 patent/US20220165388A1/en active Pending
- 2021-11-23 CN CN202180078791.8A patent/CN116457890A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4247293A1 (en) | 2023-09-27 |
WO2022109500A1 (en) | 2022-05-27 |
US20220165388A1 (en) | 2022-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12036093B2 (en) | Molar trimming prediction and validation using machine learning | |
US11759291B2 (en) | Tooth segmentation based on anatomical edge information | |
US11751974B2 (en) | Automatic ectopic teeth detection on scan | |
US11701203B2 (en) | Dental appliance hook placement and visualization | |
US11642195B2 (en) | Visual presentation of gingival line generated based on 3D tooth model | |
US11666416B2 (en) | Methods for simulating orthodontic treatment | |
US12023216B2 (en) | Dental analysis with missing teeth prediction | |
US20240024075A1 (en) | 2d-to-3d tooth reconstruction, optimization, and positioning frameworks using a differentiable renderer | |
US11903793B2 (en) | Machine learning dental segmentation methods using sparse voxel representations | |
US20220165388A1 (en) | Automatic segmentation of dental cbct scans | |
CN111683602A (zh) | 正畸应用中的优化方法 | |
US20220079714A1 (en) | Automatic segmentation quality assessment for secondary treatment plans | |
US20220262007A1 (en) | Machine learning dental segmentation system and methods using graph-based approaches | |
WO2021163285A1 (en) | At home progress tracking using phone camera | |
JP2023551897A (ja) | 歯列矯正器具における最適化の方法 | |
Goularas et al. | Specific 3D Treatment in Orthodontics Domain |
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 |