CN116712193B - 一种口腔正畸的疗程预测方法 - Google Patents

一种口腔正畸的疗程预测方法 Download PDF

Info

Publication number
CN116712193B
CN116712193B CN202310721985.6A CN202310721985A CN116712193B CN 116712193 B CN116712193 B CN 116712193B CN 202310721985 A CN202310721985 A CN 202310721985A CN 116712193 B CN116712193 B CN 116712193B
Authority
CN
China
Prior art keywords
tsn
ups
value
tooth model
tooth
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
CN202310721985.6A
Other languages
English (en)
Other versions
CN116712193A (zh
Inventor
艾毅龙
吴佳霖
邹晨
吴斯媛
李晓东
周雪中
刘美洁
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.)
Foshan Stomatological Hospital Foshan Dental Disease Prevention And Treatment Guidance Center
Foshan University
Original Assignee
Foshan Stomatological Hospital Foshan Dental Disease Prevention And Treatment Guidance Center
Foshan University
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 Foshan Stomatological Hospital Foshan Dental Disease Prevention And Treatment Guidance Center, Foshan University filed Critical Foshan Stomatological Hospital Foshan Dental Disease Prevention And Treatment Guidance Center
Priority to CN202310721985.6A priority Critical patent/CN116712193B/zh
Publication of CN116712193A publication Critical patent/CN116712193A/zh
Application granted granted Critical
Publication of CN116712193B publication Critical patent/CN116712193B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Dentistry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

本发明涉及正畸治疗领域，本发明提供了一种口腔正畸的疗程预测方法，对患者的牙齿进行多次取模，得到多个牙齿模型，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正，将修正后的牙齿模型输出。所述方法能够准确预测口腔正畸疗程中的牙齿变化，提供正畸调整方案决策的数据来源，通过量化每个疗程中牙齿的位移和变形程度，利用颌位变化度对牙齿模型序列进行筛选和更正，相比于传统的依赖经验所决定的正畸方案更能提供可靠的预测依据，确实正畸效果的可视化展示和治疗效果的跟踪。

Description

一种口腔正畸的疗程预测方法
技术领域
本发明涉及正畸治疗领域，特别涉及一种口腔正畸的疗程预测方法。
背景技术
口腔正畸常用于纠正牙齿的不正常排列和咬合问题，口腔正畸的疗程通常需要一段较长的时间，需要定期复诊进行调整和监测，直至达到预期的矫正效果。
现有专利CN115983082B公开了一种预测口腔正畸治疗后牙齿模型生成方法，其通过获取牙齿的三维数字模型，并对牙齿的三维数字模型进行修正，得到修正模型后将其导入至正畸预测模型生成软件中生成正畸治疗后牙齿预测模型。其方法能够提高口腔正畸治疗后牙齿预测模型的预测准确度，能够合理地分割出每颗牙齿，在治疗阶段中比较牙齿的实际变化与预测模型，在口腔正畸治疗中直观展示出牙齿在正畸过程中的形态变化。
然而，口腔正畸的整个疗程通常分为多个阶段，在每个阶段中，需要根据前一阶段的矫正效果来决定后一阶段的治疗方案以及弓丝的调整位置，因此，仅依靠一次性的口腔正畸治疗后牙齿预测模型往往无法全面地、准确地预测每个疗程阶段的正畸效果和牙齿变化，同时，通过对比分析每个阶段的正畸数据，能够准确评估当前阶段的矫正效果，以及对后一阶段的正畸方案作出针对性的调整，为此，提出一种口腔正畸的疗程预测方法，结合正畸过程每阶段的影像数据和矫正效果，为正畸治疗过程中的效果评估和疗程预测提供准确的数据指导。
发明内容
本发明的目的在于提出一种口腔正畸的疗程预测方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
本发明提供了一种口腔正畸的疗程预测方法，对患者的牙齿进行多次取模，得到多个牙齿模型，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正，将修正后的牙齿模型输出。所述方法能够准确预测口腔正畸疗程中的牙齿变化，提供正畸调整方案决策的数据来源，通过量化每个疗程中牙齿的位移和变形程度，利用颌位变化度对牙齿模型序列进行筛选和更正，相比于传统的依赖经验所决定的正畸方案更能提供可靠的预测依据，确实正畸效果的可视化展示和治疗效果的跟踪。
为了实现上述目的，根据本发明的一方面，提供一种口腔正畸的疗程预测方法，所述方法包括以下步骤：
S100，对患者的牙齿进行多次取模，得到多个牙齿模型；
S200，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度；
S300，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正；
S400，将修正后的牙齿模型输出。
进一步地，步骤S100中，对患者的牙齿进行多次取模，得到多个牙齿模型的方法具体为：每隔T天，通过口内扫描仪对患者的牙齿进行一次扫描，共进行N次，从而得到N个牙齿模型；所述牙齿模型为三维数字模型，T设置为区间[3,5]中的任意一个数，N设置为区间[30,60]中的任意一个数（以三个月到半年作为一个疗程阶段的天数）。
进一步地，步骤S200中，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度的方法为：
将N个牙齿模型组成牙齿模型序列TSn，以TSn(i)代表牙齿模型序列TSn中的第i个牙齿模型，i为序号，i的取值范围为i=1,2,…,N；
设置变量j，变量j的取值范围与序号i的取值范围相同，以TSn(j)表示变量j的值在TSn中所对应的第j个牙齿模型；
将TSn(j)进行网格化划分，得到TSn(j)的网格结构模型Gri(j)，Gri(j)内含有多个网格，通过有限元分析软件中的应力分析计算Gri(j)内每个网格受到的应力大小，以M(j)表示Gri(j)内所有网格的数量，以ups(j,k)表示Gri(j)内的第k个网格受到的应力大小（ups(j,k)中的j即为变量j，用以对应Gri(j)内的j），k为序号，k的取值范围为k=1,2,…,M(j)；其中，所述网格化划分所用的方法为Delaunay三角剖分算法、Voronoi图算法、基于贪心的网格划分算法、分形网格划分算法中的一种或多种；
创建一个空白的集合UPSj{}，将M(j)个值ups(j,1),ups(j,2),…,ups(j,M(j))依次加入集合UPSj{}内，以UPSj(x)表示集合UPSj{}内的第x个元素，以UPSj(x+1)表示集合UPSj{}内UPSj(x)的下一个元素，x为序号，x的取值范围为x=1,2,…,M(j)-1；
定义第一算法为：如果UPSj(x)的值大于UPSj(x+1)的值，则将UPSj(x)减去UPSj(x+1)所得到的值记为第一数值；
通过第一算法计算出所有第一数值，创建一个空白的集合indj{}，以集合indj{}存储所有第一数值，以indj(i1)表示集合indj{}内的第i1个元素，i1为序号，i1的取值范围为i1=1,2,…,N1(j)，N1(j)为集合indj{}内所有元素的数量；
其中，所有第一数值的计算方法为：在第一算法中将序号x从x=1遍历至x=M(j)-1，得到多个第一数值；
通过第二算法得到集合retj{}；记retj{}内所有元素的数量为N2(j)，以retj(i2)表示集合retj{}内的第i2个元素，以retj(i2+1)表示集合retj{}内retj(i2)的下一个元素，i2为序号，i2的取值范围为i2=1,2,…,N2(j)；
定义第三算法为：创建一个空白的集合ridj{}，在数组UPSj{}中，将UPSj(retj(i2))以及UPSj(retj(i2+1))之间的所有元素加入集合ridj{}中（即在数组UPSj{}中位于UPSj(retj(i2))之后、且位于UPSj(retj(i2+1))之前的所有元素）；UPSj(retj(i2))代表序号retj(i2)在数组UPSj{}中所对应的第retj(i2)个元素，UPSj(retj(i2+1))代表序号retj(i2+1)在数组UPSj{}中所对应的第retj(i2+1)个元素；
在第三算法中将序号i2从i2=1遍历至i2=N2(j)，从而得到集合ridj{}；
以Posi(TSn(j))代表牙齿模型序列中TSn(j)的颌位变化度，Posi(TSn(j))的计算方法为：
式中，i3为序号，ridj(i3)为集合ridj{}内的第i3个元素，N3(j)为集合ridj{}内所有元素的数量，i3的取值范围为i3=1,2,…,N3(j)；
将变量j从j=1遍历至j=N，从而得到牙齿模型序列TSn中N个牙齿模型TSn(1),TSn(2),…,TSn(N)所对应的颌位变化度Posi(TSn(1)),Posi(TSn(2)),…,Posi(TSn(N))；
通过下式计算牙齿模型序列的颌位变化度PosiL：
。
本步骤的有益效果为：在口腔正畸的过程中，由于正畸器具的压力大小和方向设置，牙齿的位移在时刻产生微小变化，这些微小变化难以通过肉眼观测，同时，正畸调整方案往往受前一疗程阶段的正畸效果的决定，仅仅通过牙齿在人工观察的层面上难以得知每个正畸疗程中的正畸效果如何，因此，本步骤的方法通过模拟牙齿在正畸过程的应力受力情况，计算牙齿模型序列中每个牙齿模型的颌位变化度，在正畸过程中，当每个牙齿发生小位移时，整个牙齿的应力变化主要集中体现在牙齿个体的边缘部分，即边缘部分的应力变化较敏感，通过筛选出部分的敏感数据进而整合得到颌位变化度，利用颌位变化度能够量化牙齿的位移和变形程度，从而准确评估每个疗程的正畸变化，提高正畸治疗的效果评估和调整精度。
进一步地，所述通过第二算法得到集合retj{}，其中第二算法的执行步骤具体为：
S201，创建一个空白的集合retj{}，分别初始化变量k1和k2，变量k1的取值范围与序号x的取值范围相同，变量k2的取值范围与序号i1相同，从k1=1开始遍历变量k1，从k2=1开始遍历变量k2，转到S202；
S202，以UPSj(k1)表示当前变量k1的值在集合UPSj{}内所对应的第k1个元素，以indj(k2)表示当前变量k2的值在集合indj{}内所对应的第k2个元素；
如果UPSj(k1)的值小于|indj(k2)|的值，则将当前k1的值加入集合retj{}中（即集合retj{}中的元素全都为序号），并转至S203；
如果UPSj(k1)的值大于或等于|indj(k2)|的值，则转至S204；其中，|indj(k2)|表示对indj(k2)取绝对值；
S203，如果当前变量k1的值小于M(j)-1且当前变量k2的值小于N1(j)，则将变量k1的值增加1，同时将变量k2的值增加1，并转至S202；如果当前变量k1的值等于M(j)-1或者当前变量k2的值等于N1(j)，则转至S205；
S204，如果当前变量k1的值小于M(j)-1且当前变量k2的值小于N1(j)，则将变量k1的值增加1，变量k2的值保持不变，并转到S202；如果当前变量k1的值等于M(j)-1或者当前变量k2的值等于N1(j)，则转至S205；
S205，结束第二算法，保存集合retj{}。
本步骤的有益效果为：由于牙齿模型中存在较多的单个牙齿个体，而每个牙齿个体在受应力的分布数据上只有牙齿边缘部分的变化较大，同时引入过多数据会降低颌位变化度与牙齿模型的关联精度，因此，本步骤的方法通过筛选出所有应力数据中的部分关键数据，并以保存网格序号的方式生成集合retj{}，为颌位变化度的计算提供有效数据，同时提高颌位变化度的量化精度。
进一步地，步骤S300中，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正的方法为：在牙齿模型序列中筛选出所有正态子模型，基于ICP算法将所有正态子模型进行模型融合，得到颌位模型TSn(Tail)，将牙齿模型序列TSn中位于尾部的牙齿模型TSn(N)替换为颌位模型TSn(Tail)；
其中，正态子模型的定义为：对于牙齿模型序列TSn内的任意一个牙齿模型TSn(x)，记TSn(x)对应的颌位变化度为Posi(TSn(x))，如果Posi(TSn(x))满足第一条件，则称该牙齿模型TSn(x)为正态子模型；其中，第一条件为Posi(TSn(x+1))－Posi(TSn(x))<PosiL，Posi(TSn(x+1))为TSn(x)在TSn中的下一个牙齿模型TSn(x+1)所对应的颌位变化度。
本步骤的有益效果为：由于组成牙齿模型序列中的每个牙齿模型都是以均衡的间隔采集生成的，其对应的颌位变化度也是有序排列的，当牙齿模型序列出现了前后子模型的颌位变化度差值过大时，说明该牙齿模型的应力分布存在异常，即该牙齿模型的数据对疗程预测结果的计算过程是负向影响因子，会导致疗程预测结果产生偏离或错误，因此，本步骤的方法通过在牙齿模型序列中进一步地筛选，得到所有正态子模型，同时通过模型融合的结果修正牙齿序列，消除个别子模型的偏差或误差，确保正畸治疗方案数据支撑来源的科学性和有效性。
进一步地，步骤S400中，将修正后的牙齿模型输出的方法为：将颌位模型TSn(Tail)作为修正后的牙齿模型，并将其输出到显示器上。
可选地，步骤S400中，将修正后的牙齿模型输出，还包括：以颌位模型TSn(Tail)作为患者的牙齿预测模型，根据牙齿预测模型对患者的牙齿进行调整；所述牙齿预测模型，即患者在完成多次牙齿取模后，经过T天，模拟患者的牙齿在T天后由于正畸效果发生的变化的模型。
本发明的有益效果为：所述方法能够准确预测口腔正畸疗程中的牙齿变化，提供正畸调整方案决策的数据来源，通过量化每个正畸疗程中牙齿的位移和变形程度，利用颌位变化度对牙齿模型序列进行筛选和更正，相比于传统的依赖经验所决定的正畸方案更能提供可靠的预测依据，确实正畸效果的可视化展示和治疗效果的跟踪。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为一种口腔正畸的疗程预测方法的流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种口腔正畸的疗程预测方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种口腔正畸的疗程预测方法。
本发明提出一种口腔正畸的疗程预测方法，所述方法包括以下步骤：
S100，对患者的牙齿进行多次取模，得到多个牙齿模型；
S200，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度；
S300，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正；
S400，将修正后的牙齿模型输出。
进一步地，步骤S100中，对患者的牙齿进行多次取模，得到多个牙齿模型的方法具体为：每隔T天，通过口内扫描仪对患者的牙齿进行一次扫描，共进行N次，从而得到N个牙齿模型；所述牙齿模型为三维数字模型，T设置为区间[3,5]中的任意一个数，N设置为区间[30,60]中的任意一个数（以三个月到半年作为一个疗程阶段的天数）。
进一步地，步骤S200中，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度的方法为：
将N个牙齿模型组成牙齿模型序列TSn，以TSn(i)代表牙齿模型序列TSn中的第i个牙齿模型，i为序号，i的取值范围为i=1,2,…,N；
设置变量j，变量j的取值范围与序号i的取值范围相同，以TSn(j)表示变量j的值在TSn中所对应的第j个牙齿模型；
将TSn(j)进行网格化划分，得到TSn(j)的网格结构模型Gri(j)，Gri(j)内含有多个网格，通过有限元分析软件中的应力分析计算Gri(j)内每个网格受到的应力大小，以M(j)表示Gri(j)内所有网格的数量，以ups(j,k)表示Gri(j)内的第k个网格受到的应力大小（ups(j,k)中的j即为变量j，用以对应Gri(j)内的j），k为序号，k的取值范围为k=1,2,…,M(j)；其中，所述网格化划分所用的方法为Delaunay三角剖分算法、Voronoi图算法、基于贪心的网格划分算法、分形网格划分算法中的一种或多种；
创建一个空白的集合UPSj{}，将M(j)个值ups(j,1),ups(j,2),…,ups(j,M(j))依次加入集合UPSj{}内，以UPSj(x)表示集合UPSj{}内的第x个元素，以UPSj(x+1)表示集合UPSj{}内UPSj(x)的下一个元素，x为序号，x的取值范围为x=1,2,…,M(j)-1；
定义第一算法为：如果UPSj(x)的值大于UPSj(x+1)的值，则将UPSj(x)减去UPSj(x+1)所得到的值记为第一数值；
通过第一算法计算出所有第一数值，创建一个空白的集合indj{}，以集合indj{}存储所有第一数值，以indj(i1)表示集合indj{}内的第i1个元素，i1为序号，i1的取值范围为i1=1,2,…,N1(j)，N1(j)为集合indj{}内所有元素的数量；
其中，所有第一数值的计算方法为：在第一算法中将序号x从x=1遍历至x=M(j)-1，得到多个第一数值；
通过第二算法得到集合retj{}；记retj{}内所有元素的数量为N2(j)，以retj(i2)表示集合retj{}内的第i2个元素，以retj(i2+1)表示集合retj{}内retj(i2)的下一个元素，i2为序号，i2的取值范围为i2=1,2,…,N2(j)；
定义第三算法为：创建一个空白的集合ridj{}，在数组UPSj{}中，将UPSj(retj(i2))以及UPSj(retj(i2+1))之间的所有元素加入集合ridj{}中（即在数组UPSj{}中位于UPSj(retj(i2))之后、且位于UPSj(retj(i2+1))之前的所有元素）；UPSj(retj(i2))代表序号retj(i2)在数组UPSj{}中所对应的第retj(i2)个元素，UPSj(retj(i2+1))代表序号retj(i2+1)在数组UPSj{}中所对应的第retj(i2+1)个元素；
在第三算法中将序号i2从i2=1遍历至i2=N2(j)，从而得到集合ridj{}；
以Posi(TSn(j))代表牙齿模型序列中TSn(j)的颌位变化度，Posi(TSn(j))的计算方法为：
式中，i3为序号，ridj(i3)为集合ridj{}内的第i3个元素，N3(j)为集合ridj{}内所有元素的数量，i3的取值范围为i3=1,2,…,N3(j)；
将变量j从j=1遍历至j=N，从而得到牙齿模型序列TSn中N个牙齿模型TSn(1),TSn(2),…,TSn(N)所对应的颌位变化度Posi(TSn(1)),Posi(TSn(2)),…,Posi(TSn(N))；
通过下式计算牙齿模型序列的颌位变化度PosiL：
。
进一步地，所述通过第二算法得到集合retj{}，其中第二算法的执行步骤具体为：
S201，创建一个空白的集合retj{}，分别初始化变量k1和k2，变量k1的取值范围与序号x的取值范围相同，变量k2的取值范围与序号i1相同，从k1=1开始遍历变量k1，从k2=1开始遍历变量k2，转到S202；
S202，以UPSj(k1)表示当前变量k1的值在集合UPSj{}内所对应的第k1个元素，以indj(k2)表示当前变量k2的值在集合indj{}内所对应的第k2个元素；
如果UPSj(k1)的值小于|indj(k2)|的值，则将当前k1的值加入集合retj{}中（即集合retj{}中的元素全都为序号），并转至S203；
如果UPSj(k1)的值大于或等于|indj(k2)|的值，则转至S204；其中，|indj(k2)|表示对indj(k2)取绝对值；
S203，如果当前变量k1的值小于M(j)-1且当前变量k2的值小于N1(j)，则将变量k1的值增加1，同时将变量k2的值增加1，并转至S202；如果当前变量k1的值等于M(j)-1或者当前变量k2的值等于N1(j)，则转至S205；
S204，如果当前变量k1的值小于M(j)-1且当前变量k2的值小于N1(j)，则将变量k1的值增加1，变量k2的值保持不变，并转到S202；如果当前变量k1的值等于M(j)-1或者当前变量k2的值等于N1(j)，则转至S205；
S205，结束第二算法，保存集合retj{}。
进一步地，步骤S300中，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正的方法为：在牙齿模型序列中筛选出所有正态子模型，基于ICP算法将所有正态子模型进行模型融合，得到颌位模型TSn(Tail)，将牙齿模型序列TSn中位于尾部的牙齿模型TSn(N)替换为颌位模型TSn(Tail)；
其中，正态子模型的定义为：对于牙齿模型序列TSn内的任意一个牙齿模型TSn(x)，记TSn(x)对应的颌位变化度为Posi(TSn(x))，如果Posi(TSn(x))满足第一条件，则称该牙齿模型TSn(x)为正态子模型；其中，第一条件为Posi(TSn(x+1))－Posi(TSn(x))<PosiL，Posi(TSn(x+1))为TSn(x)在TSn中的下一个牙齿模型TSn(x+1)所对应的颌位变化度。
进一步地，步骤S400中，将修正后的牙齿模型输出的方法为：将颌位模型TSn(Tail)作为修正后的牙齿模型，并将其输出到显示器上。
可选地，步骤S400中，将修正后的牙齿模型输出，还包括：以颌位模型TSn(Tail)作为患者的牙齿预测模型，根据牙齿预测模型对患者的牙齿进行调整；所述牙齿预测模型，即患者在完成多次牙齿取模后，经过T天，模拟患者的牙齿在T天后由于正畸效果发生的变化的模型。
本发明提供了一种口腔正畸的疗程预测方法，对患者的牙齿进行多次取模，得到多个牙齿模型，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正，将修正后的牙齿模型输出。所述方法能够准确预测口腔正畸疗程中的牙齿变化，提供正畸调整方案决策的数据来源，通过量化每个疗程中牙齿的位移和变形程度，利用颌位变化度对牙齿模型序列进行筛选和更正，相比于传统的依赖经验所决定的正畸方案更能提供可靠的预测依据，确实正畸效果的可视化展示和治疗效果的跟踪。尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (2)

1.一种口腔正畸的疗程预测方法，其特征在于，所述方法包括以下步骤：
S100，对患者的牙齿进行多次取模，得到多个牙齿模型；
S200，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度；
S300，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正；
S400，将修正后的牙齿模型输出；
其中，步骤S100中，对患者的牙齿进行多次取模，得到多个牙齿模型的方法具体为：
每隔T天，通过口内扫描仪对患者的牙齿进行一次扫描，共进行N次，从而得到N个牙齿模型；所述牙齿模型为三维数字模型，T设置为区间[3,5]中的任意一个数，N设置为区间[30,60]中的任意一个数；
步骤S200中，将多个牙齿模型组成牙齿模型序列，计算牙齿模型序列的颌位变化度的方法为：
将N个牙齿模型组成牙齿模型序列TSn，以TSn(i)代表牙齿模型序列TSn中的第i个牙齿模型，i为序号，i的取值范围为i＝1,2,…,N；
设置变量j，变量j的取值范围与序号i的取值范围相同，以TSn(j)表示变量j的值在TSn中所对应的第j个牙齿模型；
将TSn(j)进行网格化划分，得到TSn(j)的网格结构模型Gri(j)，Gri(j)内含有多个网格，通过有限元分析软件中的应力分析计算Gri(j)内每个网格受到的应力大小，以M(j)表示Gri(j)内所有网格的数量，以ups(j,k)表示Gri(j)内的第k个网格受到的应力大小，k为序号，k的取值范围为k＝1,2,…,M(j)；其中，所述网格化划分所用的方法为Delaunay三角剖分算法、Voronoi图算法、基于贪心的网格划分算法、分形网格划分算法中的一种或多种；
创建一个空白的集合UPSj{}，将M(j)个值ups(j,1),ups(j,2),…,ups(j,M(j))依次加入集合UPSj{}内，以UPSj(x)表示集合UPSj{}内的第x个元素，以UPSj(x+1)表示集合UPSj{}内UPSj(x)的下一个元素，x为序号，x的取值范围为x＝1,2,…,M(j)-1；
定义第一算法为：如果UPSj(x)的值大于UPSj(x+1)的值，则将UPSj(x)减去UPSj(x+1)所得到的值记为第一数值；
通过第一算法计算出所有第一数值，创建一个空白的集合indj{}，以集合indj{}存储所有第一数值，以indj(i1)表示集合indj{}内的第i1个元素，i1为序号，i1的取值范围为i1＝1,2,…,N1(j)，N1(j)为集合indj{}内所有元素的数量；
其中，所有第一数值的计算方法为：在第一算法中将序号x从x＝1遍历至x＝M(j)-1，得到多个第一数值；
通过第二算法得到集合retj{}；记retj{}内所有元素的数量为N2(j)，以retj(i2)表示集合retj{}内的第i2个元素，以retj(i2+1)表示集合retj{}内retj(i2)的下一个元素，i2为序号，i2的取值范围为i2＝1,2,…,N2(j)；
定义第三算法为：创建一个空白的集合ridj{}，在数组UPSj{}中，将UPSj(retj(i2))以及UPSj(retj(i2+1))之间的所有元素加入集合ridj{}中；UPSj(retj(i2))代表序号retj(i2)在数组UPSj{}中所对应的第retj(i2)个元素，UPSj(retj(i2+1))代表序号retj(i2+1)在数组UPSj{}中所对应的第retj(i2+1)个元素；
在第三算法中将序号i2从i2＝1遍历至i2＝N2(j)，从而得到集合ridj{}；
以Posi(TSn(j))代表牙齿模型序列中TSn(j)的颌位变化度，Posi(TSn(j))的计算方法为：
式中，i3为序号，ridj(i3)为集合ridj{}内的第i3个元素，N3(j)为集合ridj{}内所有元素的数量，i3的取值范围为i3＝1,2,…,N3(j)；
将变量j从j＝1遍历至j＝N，从而得到牙齿模型序列TSn中N个牙齿模型TSn(1),TSn(2),…,TSn(N)所对应的颌位变化度Posi(TSn(1)),Posi(TSn(2)),…,Posi(TSn(N))；
通过下式计算牙齿模型序列的颌位变化度PosiL：
所述通过第二算法得到集合retj{}，其中第二算法的执行步骤具体为：
S201，创建一个空白的集合retj{}，分别初始化变量k1和k2，变量k1的取值范围与序号x的取值范围相同，变量k2的取值范围与序号i1相同，从k1＝1开始遍历变量k1，从k2＝1开始遍历变量k2，转到S202；
S202，以UPSj(k1)表示当前变量k1的值在集合UPSj{}内所对应的第k1个元素，以indj(k2)表示当前变量k2的值在集合indj{}内所对应的第k2个元素；
如果UPSj(k1)的值小于|indj(k2)|的值，则将当前k1的值加入集合retj{}中，并转至S203；
如果UPSj(k1)的值大于或等于|indj(k2)|的值，则转至S204；其中，|indj(k2)|表示对indj(k2)取绝对值；
S203，如果当前变量k1的值小于M(j)-1且当前变量k2的值小于N1(j)，则将变量k1的值增加1，同时将变量k2的值增加1，并转至S202；如果当前变量k1的值等于M(j)-1或者当前变量k2的值等于N1(j)，则转至S205；
S204，如果当前变量k1的值小于M(j)-1且当前变量k2的值小于N1(j)，则将变量k1的值增加1，变量k2的值保持不变，并转到S202；如果当前变量k1的值等于M(j)-1或者当前变量k2的值等于N1(j)，则转至S205；
S205，结束第二算法，保存集合retj{}；
步骤S300中，根据牙齿模型序列的颌位变化度，对牙齿模型序列中的牙齿模型进行修正的方法为：在牙齿模型序列中筛选出所有正态子模型，基于ICP算法将所有正态子模型进行模型融合，得到颌位模型TSn(Tail)，将牙齿模型序列TSn中位于尾部的牙齿模型TSn(N)替换为颌位模型TSn(Tail)；
其中，正态子模型的定义为：对于牙齿模型序列TSn内的任意一个牙齿模型TSn(x)，记TSn(x)对应的颌位变化度为Posi(TSn(x))，如果Posi(TSn(x))满足第一条件，则称该牙齿模型TSn(x)为正态子模型；其中，第一条件为Posi(TSn(x+1))－Posi(TSn(x))<PosiL，Posi(TSn(x+1))为TSn(x)在TSn中的下一个牙齿模型TSn(x+1)所对应的颌位变化度。
2.根据权利要求1所述的一种口腔正畸的疗程预测方法，其特征在于，进一步地，步骤S400中，将修正后的牙齿模型输出的方法为：将颌位模型TSn(Tail)作为修正后的牙齿模型，并将其输出到显示器上。
CN202310721985.6A 2023-06-19 2023-06-19 一种口腔正畸的疗程预测方法 Active CN116712193B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310721985.6A CN116712193B (zh) 2023-06-19 2023-06-19 一种口腔正畸的疗程预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310721985.6A CN116712193B (zh) 2023-06-19 2023-06-19 一种口腔正畸的疗程预测方法

Publications (2)

Publication Number Publication Date
CN116712193A CN116712193A (zh) 2023-09-08
CN116712193B true CN116712193B (zh) 2024-01-23

Family

ID=87874896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310721985.6A Active CN116712193B (zh) 2023-06-19 2023-06-19 一种口腔正畸的疗程预测方法

Country Status (1)

Country Link
CN (1) CN116712193B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109363786A (zh) * 2018-11-06 2019-02-22 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
CN111685899A (zh) * 2020-06-12 2020-09-22 上海银马科技有限公司 基于口内图像和三维模型的牙齿正畸治疗监测方法
CN114099019A (zh) * 2021-11-24 2022-03-01 四川大学 维持下颌骨位置的咬合垫及其制作方法、应用
CN115983082A (zh) * 2023-03-20 2023-04-18 佛山科学技术学院 预测口腔正畸治疗后牙齿模型生成方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109363786A (zh) * 2018-11-06 2019-02-22 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
CN111685899A (zh) * 2020-06-12 2020-09-22 上海银马科技有限公司 基于口内图像和三维模型的牙齿正畸治疗监测方法
CN114099019A (zh) * 2021-11-24 2022-03-01 四川大学 维持下颌骨位置的咬合垫及其制作方法、应用
CN115983082A (zh) * 2023-03-20 2023-04-18 佛山科学技术学院 预测口腔正畸治疗后牙齿模型生成方法

Also Published As

Publication number Publication date
CN116712193A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
KR102125813B1 (ko) 투명 교정기 디자인을 위한 치아배열 데이터 생성방법, 이를 위한 장치, 이를 기록한 기록매체
US20220346914A1 (en) Method of determining an orthodontic treatment
US8401826B2 (en) System and method for representation, modeling and application of three-dimensional digital pontics
US11403813B2 (en) Systems and methods for constructing a three-dimensional model from two-dimensional images
AU2020391247A1 (en) Systems and methods for constructing a three-dimensional model from two-dimensional images
JP2023511061A (ja) 矯正的歯配列形状の生成方法及び装置
CN115983082B (zh) 预测口腔正畸治疗后牙齿模型生成方法
KR20200041609A (ko) 치아 교정 영상 생성 장치 및 방법
CN113891692B (zh) 牙齿修复牙科器具的自动化创建
CN111937084A (zh) 预测系统、模型生成系统、方法和程序
CN116712193B (zh) 一种口腔正畸的疗程预测方法
CN112869894A (zh) 一种壳状牙齿矫治器的设计方法、制备系统及制备方法
US20230325558A1 (en) Detector of aligner low retentiveness and aligner fit evaluation tool
CN110930513B (zh) 牙颌仿真模型生成方法、系统、牙齿矫治器
CN110673428B (zh) 一种结构光补偿方法、装置及设备
KR102351053B1 (ko) 탄성 복원력을 고려한 치아 교정 및 치열 유지용 와이어 제조시스템 및 이를 이용한 치아 교정 및 치열 유지용 와이어 제조방법
CN110840586B (zh) 一种牙齿矫治信息追踪方法及追踪系统
CN115309052A (zh) 一种工业实时数据时序预测结果的在线修正方法
KR102182375B1 (ko) 탄성 복원력을 고려한 치아 교정용 와이어 제조시스템 및 이를 이용한 치아 교정용 와이어 제조방법
WO2020108331A1 (zh) 牙齿矫正器模型确定方法、装置、计算机设备和存储介质
US20200345456A1 (en) Bending angle control means and bending angle control method
US20230190411A1 (en) Treatment planning using tooth movement modeling
CN107908818B (zh) 确定牙齿矫治效果的方法、终端及计算机可读存储介质
CN115423211A (zh) 一种街区随机功率预测方法、装置、设备及介质
CN116229013A (zh) 一种牙冠生成方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant