CN116723789A - 牙科诊断中心 - Google Patents

Abstract

一种方法包括：接收患者的口内腔的口内扫描数据；处理口内扫描数据，以针对多种牙科状况中的每种牙科状况确定是否为患者检测到牙科状况以及牙科状况的严重程度；以及，在图形用户界面(GUI)中一起呈现多种牙科状况的指示，其中，针对多种牙科状况中的每种牙科状况，该指示示出了是否为患者检测到牙科状况以及牙科状况的严重程度。

Description

牙科诊断中心

技术领域

本公开的实施例涉及牙科诊断领域，特别地，涉及用于改进诊断牙科状况的过程的系统和方法。

背景技术

对于典型的牙科实践，患者每年要就诊牙医两次，以进行清洁和检查。在患者就诊期间，牙科办公室可能会或可能不会生成患者的牙齿的一组x光图像。另外，牙科保健员清洁患者的牙齿，并记录任何可能的问题区域，然后传达给牙医。然后，牙医检查患者历史，检查新的x光(如果生成了任何这种x光)，并在患者检查过程中花几分钟时间检查患者的牙齿。在患者检查过程中，牙医可以遵循不同区域的检查表进行检查。该检查可以从检查患者的牙齿是否有孔洞开始，然后检验现有的修复体，然后查验患者的牙龈，然后查验患者的头部、颈部和嘴部是否有病变或肿瘤，然后查验颌关节，然后查验咬合关系和/或其它正畸问题，然后查验患者的任何x光。根据该检验，牙医确定是否存在需要立即处理的任何牙科状况，以及是否存在不紧急但最终应予以处理和/或应予以监测的任何其它牙科状况。然后，牙医需要向患者解释所识别的牙科状况，与患者讨论有关潜在的治疗方法，并说服患者为了患者的健康做出治疗决策。对于牙医来说，在牙医为患者分配的短时间内识别所有问题牙科状况并向患者传达有关牙科状况及其治疗的信息会是一项挑战。关于患者的牙齿的信息会被分割和孤立，这一事实加剧了这一挑战，需要牙医打开并检验多种不同的应用和数据源，以全面了解患者的牙科健康和牙龈健康。有时，必要信息可能存在于另一个提供者(包括以前的牙医和/或其它牙科专家)的办公室。这会导致牙科状况的误诊，并增加牙医必须与每个患者相处的时间。

发明内容

描述了本公开的一些示例实施方式。

在第一实施方式中，一种方法包括：接收患者的口内腔(intraoral cavity，口腔)的口内扫描数据；处理口内扫描数据，以针对多种牙科状况中的每种牙科状况确定是否为患者检测到牙科状况以及牙科状况的严重程度；以及在图形用户界面(GUI)中一起呈现多种牙科状况的指示，其中，针对多种牙科状况中的每种牙科状况，该指示示出了是否为患者检测到牙科状况以及牙科状况的严重程度。严重程度的界限可以是用户定义的，也可以是基于行业规范预先设定的。

第二实施方式可以进一步扩展第一实施方式。在第二实施方式中，处理口内扫描数据包括使用多个算法来处理口内扫描数据，其中多个算法中的每个算法与不同类型的牙科状况相关联。

第三实施方式可以进一步扩展第一实施方式或第二实施方式。在第三实施方式中，多个算法中的一个或多个算法包括经训练的机器学习模型，该经训练的机器学习模型已经被训练以接收口内扫描数据作为输入并生成输出，该输出指示以下中的至少一种概率：患者具有特定牙科状况的概率，或者在患者的口内腔内感兴趣区域(area ofinterest，关注区域)的位置处检测到特定牙科状况的概率。

第四实施方式可以进一步扩展第一实施方式至第三实施方式。在第四实施方式中，多种牙科状况包括选自包括龋齿、牙龈退缩、牙齿磨损、咬合不正、牙齿拥挤、牙齿间隔、牙菌斑、牙渍(tooth stain)和牙齿裂纹的列表的一种或多种牙科状况。

第五实施方式可以进一步扩展第一实施方式至第四实施方式。在第五实施方式中，该方法还包括：基于口内扫描数据生成患者的一个或多个牙弓的三维(3D)模型；以及，在GUI中呈现患者的一个或多个牙弓的3D模型以及多种牙科状况的指示。

第六实施方式可以进一步扩展第一实施方式至第五实施方式。在第六实施方式中，该方法进一步包括：基于口内扫描数据生成患者的一个或多个牙弓的三维(3D)模型；接收从多个牙科状况中对牙科状况的选择；确定在一个或多个牙弓上检测到牙科状况的一个或多个感兴趣区域的位置；以及，显示牙弓的3D模型，其中，在所确定的一个或多个感兴趣区域的位置处，一个或多个感兴趣区域被示出在一个或多个牙弓的3D模型上。

第七实施方式可以进一步扩展第一实施方式至第六实施方式。在第七实施方式中，口内扫描数据包括三维扫描数据、二维近红外扫描数据和二维彩色扫描数据，并且其中，三维扫描数据、二维近红外扫描数据和二维彩色扫描数据中的至少两种被一起处理以确定多种牙科状况中的一种或多种牙科状况。

第八实施方式可以进一步扩展第一实施方式至第七实施方式。在第八实施方式中，口内扫描数据由口内扫描仪生成，并且该方法进一步包括：接收患者的口腔的多个x光图像、患者的口腔的全景x光、患者的口腔的锥束计算机断层(CBCT)扫描或患者的口腔的一个或多个彩色二维图像中的至少一个，其中，多个x光图像、全景x光、CBCT扫描或一个或多个彩色二维图像中的至少一个由除了口内扫描仪之外的一个或多个装置生成；其中，处理口内扫描数据包括将口内扫描数据与多个x光图像、全景x光、CBCT扫描或一个或多个彩色二维图像中的至少一个一起进行处理。

第九实施方式可以进一步扩展第一实施方式至第八实施方式。在第九实施方式中，口内扫描数据包括与当前或最近的患者就诊相关联的第一时间戳，并且该方法进一步包括：接收患者的口内腔的第二口内扫描数据，其中，第二口内扫描数据是在先前的患者就诊期间生成的，并且包括早于第一时间戳的第二时间戳；将第二口内扫描数据与口内扫描数据进行比较以确定第二口内扫描数据与口内扫描数据之间的差异；以及，针对多种牙科状况中的一种或多种牙科状况，确定一种或多种牙科状况的变化速率；其中，基于一种或多种牙科状况的当前状态和一种或多种牙科状况的变化速率来确定一种或多种牙科状况的严重程度级别。

第十实施方式可以进一步扩展第九实施方式。在第十实施方式中，该方法还包括执行以下步骤中的至少一个步骤：识别在当前或最近的患者就诊中检测到但在先前的患者就诊中没有检测到的一个或多个新的牙科状况；识别在先前的患者就诊和当前或最近的患者就诊之间已经改善的一个或多个先前存在的牙科状况；识别在先前的患者就诊和当前或最近的患者就诊之间已经恶化的一个或多个先前存在的牙科状况；或者识别在先前的患者就诊和当前或最近的患者就诊之间没有改变的一个或多个先前存在的牙科状况。

第十一实施方式可以进一步扩展第一实施方式至第十实施方式。在第十一实施方式中，针对多种牙科状况中的至少一种牙科状况，基于严重程度级别与阈值的比较来确定是否检测到牙科状况，其中，响应于确定严重程度级别满足或超过阈值，将牙科状况分类为已检测到，并且其中，响应于确定严重程度级别低于阈值，将牙科状况分类为未检测到。在第十一实施方式中，该方法还包括接收输入，该输入设定阈值的值。

第十二实施方式可以进一步扩展第一实施方式至第十一实施方式。在第十二实施方式中，该方法还包括至少部分地基于严重程度级别对多种牙科状况进行分级。

第十三实施方式可以进一步扩展第一实施方式至第十二实施方式。在第十三实施方式中，该方法还包括：针对为患者检测到的多种牙科状况中的一种或多种牙科状况，提供一种或多种牙科状况的预后和一种或多种牙科状况的推荐治疗；接收对一个或多个推荐治疗的选择；以及，生成呈现，该呈现包括所选的一个或多个推荐治疗以及所选的一个或多个推荐治疗的相关预后。

第十四实施方式可以进一步扩展第十三实施方式。在第十四实施方式中，该方法还包括确定与执行一个或多个推荐治疗相关联的成本明细，其中，该呈现包括成本明细。

第十五实施方式可以进一步扩展第十三实施方式。在第十五实施方式中，该方法还包括向患者的用户装置发送呈现。

第十六实施方式可以进一步扩展第一实施方式至第十五实施方式。在第十六实施方式中，该方法还包括：针对为患者检测到的每种牙科状况，执行以下步骤，包括：确定牙科状况的预后；基于历史信息确定为治疗类似的牙科状况而执行的一个或多个治疗或相关治疗结果中的至少一个；以及，输出为治疗类似的牙科状况而执行的一个或多个治疗或相关治疗结果中的至少一个的指示。

第十七实施方式可以进一步扩展第一实施方式至第十六实施方式。在第十七实施方式中，确定是否为患者检测到牙科状况以及牙科状况的严重程度包括为牙科状况分配多个牙科状况分类器中的一个牙科状况分类器，其中，多个牙科状况分类器包括指示存在牙科状况的第一牙科状况分类器、指示可能存在牙科状况的第二牙科状况分类器以及指示不存在牙科状况的第三牙科状况分类器。

在第十八实施方式中，计算机可读介质包括指令，当被处理装置执行时，该指令使得处理装置能够执行第一实施方式至第十七实施方式中任一项的方法。

在第十九实施方式中，系统包括存储器和能够操作地连接到存储器的处理装置，其中处理装置用于执行第一实施方式至第十七实施方式中任一项的方法。

附图说明

在附图的图中以示例的方式而非限制的方式示出了本公开。

图1A示出了根据本公开的实施例的牙科诊断中心的用户界面。

图1B示出了根据本公开的实施例的牙科诊断中心的用户界面，其示出了时间推移特征。

图1C示出了根据本公开的实施例的对患者的牙弓已经进行诊断之后的牙科诊断中心的用户界面。

图1D示出了根据本公开的实施例的用于对由牙科诊断中心提供给移动装置的诊断结果进行导航的用户界面。

图1E示出了根据本公开的实施例的对患者的牙弓已经进行诊断之后的牙科诊断中心的用户界面。

图2示出了根据本公开的实施例的用于牙科诊断中心的龋齿分析的用户界面。

图3示出了根据本公开的实施例的用于牙科诊断中心的牙齿磨损分析的用户界面。

图4示出了根据本公开的实施例的用于牙科诊断中心的咬合接触分析的用户界面。

图5A示出了根据本公开的实施例的用于牙科诊断中心的咬合不正分析的用户界面。

图5B示出了根据本公开的实施例的用于牙科诊断中心的正畸治疗分析的用户界面中的牙弓的治疗前和治疗后模型。

图6A示出了根据本公开的实施例的用于牙科诊断中心的牙渍分析的用户界面。

图6B示出了根据本公开的实施例的用于牙科诊断中心的漂白后牙渍分析的用户界面。

图7示出了根据本公开的实施例的牙科诊断中心的患者牙科评分卡。

图8示出了根据本公开的实施例的口内扫描系统。

图9A-图9B示出了根据本公开的实施例的分析患者的牙齿和牙龈的方法的流程图。

图10示出了根据本公开的实施例的分析患者的齿列的方法的流程图。

图11示出了根据本公开的实施例的对牙科诊断中心进行导航的方法的流程图。

图12示出了根据本公开的实施例的生成患者的所识别的牙科状况和/或牙龈状况的呈现的方法的流程图。

图13示出了根据本公开的实施例的示例计算装置的框图。

具体实施方式

本文描述了牙科诊断中心的实施例。在实施例中，牙医或医生(本文中可互换使用的术语)和/或他们的技术员可以收集关于患者的各种信息。这些信息可以包括患者的牙弓的口内3D扫描、患者的牙齿的x光(例如，可选地包括患者的牙齿的咬翼x光、患者的牙齿的全景x光等)、患者的颌的锥束计算机断层(CBCT)扫描、患者的牙齿的红外图像、患者的牙齿和/或牙龈的彩色2D图像、活组织检查信息、咬合不正信息、关于患者的牙齿和/或牙龈的观察记录等。口内扫描可以由口内扫描仪生成，并且其它数据中的至少一些可以由除了口内扫描仪之外的一个或多个装置生成。此外，不同的数据可以在不同的时间收集。不同数据点中的每一个数据点可以用于确定患者是否具有一种或多种类型的牙科状况。在实施例中提供的牙科诊断中心对可用于给定患者的一个或多个类型的数据进行分析，并且使用该数据来评估患者的许多不同类型的牙科状况，并且基于严重程度对所识别的牙科状况进行分类或分级。在实施例中，牙科诊断中心包括用于检验的临床区域的预先建立的列表，并且系统地处理扫描数据和/或其它数据以用实际患者数据和/或对实际患者数据的分析来填充该列表。牙科诊断中心还提供用户界面，该用户界面呈现所分析的牙科状况的类型中的每一种牙科状况类型的统一视图，示出牙科状况的类型中的哪一种可能是受关注的，以及牙科状况的类型中的哪一种对于患者可能不是受关注的。

传统地，各种类型的所收集的信息被碎片化，使得不同类型的信息中的每一种类型的信息被存储在单独的系统中，并由单独的牙科相关应用访问。为了让牙医全面评估患者的牙科健康，他们通常需要分别加载和检查特定于该类型数据的不同牙科相关应用中的每个应用中的每个不同类型的数据。检查数据和做出诊断的标准过程涉及牙医方面的许多手动步骤，并且在牙医方面需要大量的精力和时间。因此，由牙医执行患者的牙科健康的全面分析的标准过程是非常低效的。此外，一旦进行了这样的全面分析，牙医通常难以将全面分析呈现给患者，这再次是牙医方面的高度手动过程。传统系统中所缺乏的以及在本文所述的实施例中所提供的是一种以系统化方式快速且一致地收集患者牙科信息并将此类信息存储在中央储存库中的方式。在实施例中，与收集和/或检验牙科信息相关联的一些例行步骤是自动的，以减少错误并提高效率。

在实施例中，牙科诊断中心将与患者的牙科健康相关联的所有完全不同类型的信息集合在一起。牙科诊断中心进一步对不同类型的牙科状况中的每一个执行自动分析。然后，各种自动分析的概要结果可以一起示出在图形用户界面(GUI)中。各种自动分析的概要结果可以包括每种类型的牙科状况的严重程度分级。概要结果可以识别具有较高严重程度级别的那些牙科状况，以使它们引起牙医的注意。然后，牙医可以选择任何类型的牙科状况，以使牙科诊断中心为患者提供关于所选的类型的牙科状况的更详细的信息。

在实施例中，牙科诊断中心大大增加了诊断患者的牙科状况的速度和效率。牙科诊断中心使得牙医能够只看一眼牙科诊断中心的GUI就能确定患者可能关心的所有牙科状况。它使牙医能够轻松且快速地确定要解决的牙科状况的优先级。另外，牙科诊断中心可以比较不同的所识别的牙科状况以确定不同的所识别的牙科状况之间的任何相关性。结果是，牙科诊断中心可以将一些牙科状况识别为其它潜在根本原因牙科状况的症状。例如，牙科诊断中心可以识别牙齿拥挤和由牙齿拥挤导致的龋齿形成。另外，实施例中的牙科诊断中心创建以下呈现：牙科状况、如果那些牙科状况未被治疗将会发生什么、患者的牙科状况的根本原因、治疗计划选项和/或治疗结果的模拟。可以向患者示出此类呈现以教育患者关于其齿列的状况及其关于治疗该问题和/或对该问题不进行治疗的选项。

牙科从业人员(例如，牙医或牙科技术员)可以使用口内扫描仪来执行患者的口腔的口内扫描。在能够操作地连接到口内扫描仪的计算装置上运行的口内扫描应用可以与扫描仪通信以实行口内扫描并接收口内扫描数据(也称为口内图像和口内扫描)。口内扫描的结果可以是已经离散地生成(例如，通过针对每个图像按下扫描仪的“生成扫描”按钮)或自动地生成(例如，通过按下“开始扫描”按钮并在生成多个口内扫描的同时在口腔周围移动口内扫描仪)的口内扫描的序列。操作者可以在口腔中的第一位置处开始执行口内扫描，并且在口腔内将口内扫描仪移动到各种附加位置，直到已经对一个或多个牙弓的整体生成口内扫描或者直到特定牙科部位被完全扫描。在一些实施例中，口内扫描的记录可以在检测到牙齿或检测到插入到口腔中时自动地开始，并且可以在检测到口内扫描仪从口腔移除时自动地暂停或停止。

根据示例，用户(例如，牙科从业人员)可以对患者进行口内扫描。在这样做时，用户可以将口内扫描仪应用于一个或多个患者口内位置。扫描可以被分为一个或多个区段。作为示例，这些区段可以包括患者的下颊区域、患者的下舌区域、患者的上颊区域、患者的上舌区域、患者的一颗或多颗准备牙齿(preparation teeth，备齿)(例如，将要应用诸如牙冠或正畸对准装置的牙科装置的患者的牙齿)、作为准备牙齿的接触体的一颗或多颗牙齿(例如，本身不经受牙科装置但位于一颗或多颗这种牙齿附近或在嘴部闭合时与一颗或多颗这种牙齿接合的牙齿)和/或患者咬合(例如，在患者的嘴部闭合的情况下执行扫描，其中扫描被引导朝向患者的上牙和下牙的接合区域)。在一个实施例中，这些区段包括上牙弓区段、下牙弓区段和患者咬合区段。经由这种扫描仪应用，扫描仪可以生成口内扫描数据。执行口内扫描应用的计算装置可以接收并存储口内扫描数据。口内扫描数据可以包括二维(2D)口内图像(例如，彩色2D图像)、三维口内扫描(例如，具有诸如单色高度图的深度信息的口内图像)、使用红外或近红外(NIRI)光生成的口内图像、和/或使用紫外光生成的口内图像。2D彩色图像、3D扫描、NIRI和/或红外图像和/或紫外图像可以由能够生成这些类型的口内扫描数据中的每一种数据的口内扫描仪生成。这种口内扫描数据可以以一个或多个点(例如，一个或多个像素和/或像素组)的形式从扫描仪提供给计算装置。例如，扫描仪可以提供诸如一个或多个点云的口内扫描数据。

在实施例中，可以在访问牙医的办公室期间对患者的口腔执行口内扫描。可以作为例如半年度或年度的牙科健康检查的一部分来执行口内扫描。口内扫描可以是上牙弓和下牙弓的全扫描，并且可以被执行以收集用于执行牙齿诊断的信息。由口内扫描生成的牙科信息可以包括3D扫描数据、2D彩色图像、NIRI和/或红外图像和/或紫外图像。

除了执行口内扫描之外，牙科从业人员可以生成一个或多个其它类型的相关牙科健康信息，诸如患者的牙齿的x光(例如，可选地包括患者的牙齿的咬翼x光、患者的牙齿的全景x光等)、患者的颌的锥束计算机断层(CBCT)扫描、患者的牙齿的红外图像、并非由口内扫描仪生成的患者的牙齿和/或牙龈的彩色2D图像(例如，来自由相机拍摄的照片)、活组织检查信息、咬合不正信息、关于患者的牙齿和/或牙龈的观察记录等等。例如，除了牙科从业人员在年度或半年度的牙医预约期间生成口腔的口内扫描之外，牙科从业人员还可以在牙医预约期间附加地生成患者的口腔的一个或多个x光。当牙医认为生成此类附加信息合适时，也可以收集其它类型的牙科信息。例如，牙医可以采集活组织检查样本并将其发送到实验室进行测试和/或可以生成患者的口腔的全景x光和/或CBCT扫描。

口内扫描应用可以根据口内扫描数据生成患者的上牙弓和/或下牙弓的3D模型(例如，虚拟3D模型)。为了生成牙弓的3D模型，口内扫描应用可以将从口内扫描会话生成的口内扫描配准并缝合在一起。在一个实施例中，执行图像配准包括在多次口内扫描中捕获表面的各个点的3D数据，以及，通过计算口内扫描之间的变换来配准口内扫描。然后，可以通过对每个所配准的口内扫描的点应用适当的变换，将口内扫描整合到公共参考系中。

在一个实施例中，对每对相邻或重叠的口内扫描执行配准。例如，可以执行配准算法来配准两个相邻的口内扫描，这实质上涉及将一个口内扫描与另一个口内扫描对齐的变换的确定。配准可以涉及识别一对口内扫描中的每个口内扫描中的多个点(例如，点云)，对每个口内扫描的点进行表面拟合，以及使用点周围的局部搜索来对两个相邻口内扫描的点进行匹配。例如，口内扫描应用可以将一个口内扫描的点、边缘、曲率特征、旋转点特征等与插值在另一口内扫描的表面上的最接近的点、边缘、曲率特征、旋转点特征等相匹配，并且迭代地最小化所匹配的点之间的距离。可以为每个相邻和/或重叠的扫描重复配准，以获得到公共参考系的变换(例如，围绕一个至三个轴的旋转以及在一个至三个平面内的平移)。使用所确定的变换，口内扫描应用可以将多个口内扫描整合到下牙弓的第一3D模型和上牙弓的第二3D模型中。

口内扫描数据还可以包括示出上牙弓与下牙弓的关系的一个或多个口内扫描。这些口内扫描可以用于确定患者咬合和/或确定患者的咬合接触信息。患者咬合可以包括上牙弓中的牙齿与下牙弓中的牙齿之间所确定的关系。

口内扫描应用或其他应用可以进一步将来自一个或多个其它成像模态的数据配准到根据口内扫描数据生成的3D模型。例如，处理逻辑可以将x光图像、CBCT扫描数据、超声图像、全景x光图像、2D彩色图像、NIRI图像等配准到3D模型。不同成像模态中的每个成像模态可以贡献关于患者的齿列的不同信息。例如，NIRI图像和x光图像可以识别龋齿，而彩色图像可以用于向3D模型添加准确的颜色数据，其能用于确定牙齿着色(tooth staining)。来自多个成像模态的配准后的口内数据可以在3D模型中一起呈现和/或与示出的反映3D模型的放大显示和/或高亮部分和/或取向的一个或多个成像模态并排呈现。来自不同成像模态的数据可以作为不同的层提供，其中每个层可以用于特定的成像模态。这可以使医生能够打开或关闭特定层，以在有或没有来自那些特定成像模态的信息的情况下使牙弓可视化。

图1A示出了根据本公开的实施例的牙科诊断中心的用户界面。患者的上牙弓140的3D模型和患者的下牙弓141的3D模型可以由口内扫描应用生成并输入到牙科诊断中心中。另外，示出上牙弓140和下牙弓141的关系的咬合数据可以被输入到牙科诊断中心。咬合关系数据还可以包括上颌和下颌如何在功能动作中动态地相互关联，而不仅仅是处于相对于彼此的静态关系中。这能够用于与颌关节相关的诊断问题(例如，颞下颌(TMJ)紊乱病)。另外，可能已经生成了患者的一颗或多颗准备牙齿的口内扫描，其也可以被输入到牙科诊断中心。然后，牙科诊断中心可以在牙科诊断中心的用户界面中呈现上牙弓140、下牙弓141、准备牙齿和/或上牙弓140和下牙弓141的相对位置的视图。

经由牙科诊断中心的用户界面，从业人员可以观察上牙弓140、下牙弓141、特定准备牙齿和/或患者咬合中的一个或多个，其中的每一个可以被认为是单独的扫描区段或模式。从业人员可以经由扫描区段选择器102选择一个或多个扫描区段来观察。在一个实施例中，如图所示，扫描区段选择器102可以包括上牙弓区段选择105、下牙弓区段选择110和咬合区段选择115。如图所示，上牙弓区段选择105和下牙弓区段选择110是激活的，使得上牙弓140的3D模型和下牙弓141的3D模型被示出。从业人员可以使用GUI来旋转3D模型和/或改变3D模型的视图的缩放设定。

牙科诊断中心的GUI还可以包括诊断命令101。诊断命令101的选择可以使牙科诊断中心对患者的牙弓140、141和/或咬合执行一个或多个不同分析。分析可以包括用于识别牙齿裂纹的分析、用于识别牙龈退缩的分析、用于识别牙齿磨损的分析、患者的咬合接触的分析、用于识别牙齿的拥挤(和/或牙齿的间隔)和/或其它咬合不正的分析、用于识别牙菌斑的分析、用于识别牙渍的分析、用于识别龋齿的分析和/或患者的齿列的其它分析。一旦分析完成，牙科诊断概要可以被生成并示出在牙科诊断中心的GUI中，如图1C所示。

为评估患者的牙科健康而执行的分析中的一些分析是牙科状况进展分析，其比较患者在多个不同时间点的牙科状况。例如，一个载体评估分析可以包括比较第一时间点和第二时间点处的龋齿，以确定两个时间点之间的龋齿的严重程度的变化(如果有的话)。可以执行的其它基于时间的比较分析，包括基于时间的牙龈退缩的比较、基于时间的牙齿磨损的比较、基于时间的牙齿移动的比较、基于时间的牙齿着色的比较等等。在一些实施例中，处理逻辑自动地选择在不同时间点处收集的数据来执行这种基于时间的分析。或者，用户可以从一个或多个时间点手动地选择数据，以用于执行此类基于时间的分析。

图1B示出了根据本公开的实施例的牙科诊断中心的用户界面，其示出了时间推移特征142。在一个实施例中，当用户选择诊断命令101以向用户提供从哪个时间点选择哪个牙科信息以进行分析的选项时，时间推移特征被自动地启动。在一个实施例中，时间推移特征142示出沿着时间线收集牙科信息的不同时间点(即，不同时间戳)中的每个时间点。可以选择的牙科信息可以至少包括口内扫描数据(例如，基于一个或多个口内扫描会话生成的3D模型)。可以选择的牙科信息还可以包括在各个时间点处生成的x光、在各个时间点处生成的CBCT扫描数据和/或在各个时间点处生成的其它牙科信息。经由时间推移特征142，用户可以选择一个或多个过去的数据点(例如，针对先前生成的牙弓的3D模型)和/或一个或多个当前的数据点或最近的数据点(例如，针对当前的牙弓的3D模型)。然后，所选的数据点可以用于对患者的齿列执行一次或多次基于时间的分析。

在实施例中，对患者的齿列的基于时间的分析比较3D模型和/或患者的一种或多种牙科状况随时间的变化，并且基于比较来识别牙科状况和/或确定一种或多种牙科状况的进展速率。例如，可以将来自不同时间点的牙弓的3D模型彼此进行比较，以确定牙齿磨损、龋齿发展、牙龈退缩、牙龈肿胀、咬合不正等的进展速率。可以将进展速率与进展速率阈值进行比较。进展速率阈值可以由医生设定，也可以设定为默认值。还可以确定牙科状况的变化量，并且可以将其与变化量阈值进行比较。进展速率满足或超过该牙科状况的进展速率阈值和/或变化量满足或超过变化量阈值的那些牙科状况可以被识别为具有临床意义的牙科状况和/或已经识别出问题或难题的牙科状况。

基于时间的分析可以将一种或多种牙科状况的检测到的进展速率或变化速率投射(project)到未来，以预测在未来时间点处的牙科状况的严重程度级别。在实施例中，一种或多种牙科状况的进展可以被投射到未来，并且在每个所投射的时间点处的预测的牙科状况可以与一个或多个标准(例如，诸如严重程度阈值)进行比较。一个或多个标准可以是默认标准和/或可以是由医生(例如，牙科诊断中心的用户)设定的标准。标准也可以通过相同实践中或通过具有相似患者特质的实践的网络中的聚合数据来设定。当满足一个或多个标准时，其指示识别出具有临床意义的牙科状况。在实施例中，可以记录所投射的牙科状况将满足一个或多个标准(例如，通过严重程度阈值)的未来时间点，并将其添加到患者的记录中。在实施例中，如果所投射的牙科状况将满足该牙科状况的一个或多个标准的未来时间点在距当前日期的阈值时间量内，则可以将该牙科状况识别为具有临床重要性或潜在临床重要性。

图1C示出了根据本公开的实施例的牙科诊断中心的用户界面，其示出了在已经对患者的牙弓进行诊断之后的牙科诊断概要103。在实施例中，牙科诊断概要103包括扫描区段选择器102，扫描区段选择器102包括上牙弓区段选择105、下牙弓区段选择110和/或咬合区段选择115。在实施例中，牙科诊断概要103还包括所选的牙科区段或模式的(例如，患者的上牙弓140的3D模型和下牙弓141的3D模型的)视图。

牙科诊断概要103提供示出多种不同类型的可能牙科状况以及关于每个类型的牙科状况的存在和/或严重程度的评估的单个视图。在一个实施例中，为各种牙科状况分配三种严重程度级别中的一种，严重程度级别包括“未发现问题”145、“发现潜在问题”150和“发现问题”155。每种牙科状况可以用针对该类型的牙科状况确定的严重程度分级来编码或进行标记。在一个实施例中，牙科状况被颜色编码以图形地示出严重程度级别。例如，已发现问题的那些牙科状况可以被编码为红色，已发现潜在问题的那些牙科状况可以被编码为黄色，未发现问题的牙科状况可以被编码为绿色。许多其它编码方案也是可能的。在一个实施例中，每种牙科状况被分配用数字表示的严重程度级别。例如，在1至100的范围内，可以为每种牙科状况分配1和100之间的严重程度级别，以指示该牙科状况的严重程度级别。严重程度级别低于第一阈值严重程度级别的那些牙科状况可以被识别为未发现问题的牙科状况。严重程度级别高于第一阈值严重程度级别但低于第二阈值严重程度级别的那些牙科状况可以被识别为发现潜在问题的牙科状况。严重程度级别级别高于第二严重程度级别阈值的那些牙科状况可以被识别为已发现问题的牙科状况。在实施例中，可以针对不同牙科状况中的每种牙科状况设定不同严重程度级别阈值。可选地，不同牙科状况的严重程度级别可以跨越多种类型的牙科状况标准化，并且相同的严重程度级别阈值可以用于多种牙科状况。在一些实施例中，基于牙科状况的严重程度级别和/或基于牙科状况的严重程度级别与相关严重程度级别阈值之间的不同来对牙科状况进行分级。

在实施例中，医生可以为一种或多种牙科状况设定严重程度级别阈值。医生可以设定的严重程度级别阈值可以是基于来自单个时间点的数据确定的牙科状况的时间点严重程度级别的时间点严重程度级别阈值。附加地或替代地，医生可以设定的严重程度级别阈值可以是依赖于时间的阈值，诸如变化量阈值和变化速率阈值。可以设定警报，以在阈值水平接近特定标准时提醒医生。

在没有这种所选的严重程度级别阈值的情况下，可以为牙科状况中的一个或多个自动地设定默认严重程度级别阈值。在示例中，医生可以设定龋齿尺寸阈值，并且尺寸满足或超过所设定的龋齿尺寸阈值的任何检测到的龋齿可以被识别为被发现的问题。在另一示例中，医生可以设定牙龈退缩量阈值，并且具有满足或超过牙龈退缩量阈值的值的任何所识别的牙龈退缩可以被识别为被发现的问题。医生还可以为一种或多种牙科状况设定变化速率阈值，和/或这种变化速率阈值可以自动地设定为默认值。例如，如果牙齿磨损的变化速率超过牙齿磨损变化速率阈值，则患者可以被识别为具有所识别的牙齿磨损问题。医生也可以设置变化量阈值。如果检测到的变化量大于为牙科状况设定的变化量阈值，则可以警告医生。可以使用多个不同的单位来设定严重程度级别阈值，诸如距离单位(例如，微米、毫米、英寸的分数(fractions of an inch)等)、尺寸单位(例如微米、毫米、英寸的分数等)、变化速率单位(如微米/月、毫米/年等)、亮度单位、体积单位(例如，mm³)、面积单位(例如，mm²)、比率、百分比(例如，变化百分比)等。

在实施例中，严重程度级别阈值可以至少部分地取决于所识别的牙科状况的位置。例如，可以为不同的位置设定不同的龋齿严重程度级别阈值。与远离牙本质的龋齿相比，靠近牙本质的龋齿可能更紧急，因为它们更可能引起疼痛和/或需要根管治疗。因此，例如，靠近牙本质的龋齿可以比远离牙本质的龋齿具有更低的阈值。在实施例中，龋齿与患者的牙本质之间的距离可以基于口内腔的x光数据、CBCT扫描和/或NIRI成像来确定。

在一个实施例中，对其执行分析并且包括在牙科诊断概要103中的不同类型的牙科状况包括牙齿裂纹、牙龈退缩、牙齿磨损、咬合接触、牙齿的拥挤和/或间隔和/或其它咬合不正、牙菌斑、牙渍和龋齿。附加的、更少的和/或替代的牙科状况也可以在牙科诊断概要103中被分析和报告。在实施例中，执行多种不同类型的分析以确定一种或多种牙科状况的存在和/或严重程度。可以执行的一种类型的分析是时间点分析，其基于在特定时间点处生成的数据识别该时间点处一种或多种牙科状况的存在和/或严重程度级别。例如，可以分析牙弓的单个3D模型以确定在特定时间点处，患者的牙弓是否包括任何龋齿、牙龈退缩、牙齿磨损、问题咬合接触、拥挤、间隔或牙齿间隙、牙菌斑、牙渍和/或牙齿裂纹。可以执行的另一类型的分析是基于时间的分析，其比较两个或更多个时间点处的牙科状况以确定牙科状况的变化、牙科状况的进展和/或牙科状况的变化速率，如参考图1B所讨论的。例如，在实施例中，执行比较分析以确定在不同时间点拍摄的牙弓的3D模型之间的差异。可以测量该差异以确定变化量，并且可以使用该变化量与取得用于生成3D模型的口内扫描的时间一起来确定变化速率。例如，该技术可以用于例如识别牙齿磨损、着色、牙菌斑、拥挤、间隔、牙龈退缩、龋齿发展、牙齿裂纹等的变化量和/或变化速率等等。

在实施例中，使用一个或多个经训练的模型来执行一种或多种牙科状况分析中的至少一些分析。例如，经训练的模型可以包括物理模型和/或机器学习模型。在一个实施例中，单个模型可以用于执行多个不同分析(例如，对牙齿裂纹、牙龈退缩、牙齿磨损、咬合接触、牙齿拥挤和/或间隔和/或其它咬合不正、牙菌斑、牙渍和/或龋齿的任何组合进行识别)。附加地或替代地，可以使用不同的模型来识别不同的牙科状况。例如，第一模型可以用于识别牙齿裂纹，第二模型可以用于识别牙齿磨损，第三模型可以用于识别牙龈退缩，第四模型可以用于识别问题咬合接触，第五模型可以用于识别牙齿的拥挤和/或间隔和/或其它咬合不正，第六模型可以用于识别牙菌斑，第六模型可以用于识别牙渍，和/或第七模型可以用于识别龋齿。

在一个实施例中，来自一个或多个时间点的口内数据被输入到一个或多个经训练的机器学习模型中，该一个或多个经训练的机器学习模型已经被训练以接收口内数据作为输入并输出一个或多个类型的牙科状况的分类。在一个实施例中，经训练的机器学习模型被训练以根据输入的口内数据识别感兴趣区域(AOI)并且基于牙科状况对AOI进行分类。AOI可以是或者可以包括与特定牙科状况相关联的区域。例如，该区域可以包括满足某些标准的附近或邻近像素或点。输入到一个或多个经训练的机器学习模型中的口内数据可以包括三维(3D)数据和/或二维(2D)数据。口内数据可以包括例如牙弓的一个或多个3D模型、牙弓的一个或多个3D模型在一个或多个平面上的一个或多个投影(可选地包括高度图)、牙齿的一个或多个x光、一个或多个CBCT扫描、全景x光、近红外和/或红外成像数据、彩色图像、紫外成像数据、口内扫描等等。如果使用来自多个成像模态的数据(例如，3D扫描数据、彩色图像和NIRI成像数据)，则可以将数据配准和/或缝合在一起，使得数据处于公共参考系中，并且数据中的对象相对于其它数据中的对象被正确地定位和定向。可以将一个或多个特征向量输入到经训练的模型中，其中特征向量包括图像的每个点或像素的多通道信息。多通道信息可以包括来自彩色图像的彩色通道信息、来自口内扫描数据的深度通道信息、3D模型或投影后的3D模型、来自x光图像的强度通道信息等等。

(一个或多个)经训练的机器学习模型可以输出概率图，其中概率图中的每个点对应于口内数据中的点(例如，口内图像中的像素或3D表面上的点)，并且指示该点表示一个或多个牙科分类的概率。在一个实施例中，单个模型输出与包括一种或多种牙科状况分类的多个不同类型的牙科分类相关联的概率。在示例中，经训练的机器学习模型可以输出具有牙齿牙科分类和牙龈牙科分类的概率值的概率图。概率图可以进一步包括牙齿裂纹、牙龈退缩、牙齿磨损、咬合接触、牙齿的拥挤和/或间隔和/或其它咬合不正、牙菌斑、牙渍、健康区域(例如，健康牙齿和/或健康牙龈)和/或龋齿的概率值。在单个机器学习模型能够识别牙齿裂纹、牙龈退缩、牙齿磨损、咬合接触、牙齿的拥挤和/或间隔和/或其它咬合不正、牙菌斑、牙渍和龋齿中的每一个的情况下，可以为每个像素生成11个有值标签，为牙齿、牙龈、健康区域、牙齿裂纹、牙龈退缩、牙齿磨损、咬合接触、牙齿的拥挤和/或间隔和/或其它咬合不正、牙菌斑、牙渍和龋齿中的每个生成一个有值标签。相应的预测具有概率性质：对于每个像素，存在多个数字，其总和可以为1.0，其能够解释为该像素对应于这些分类的概率。在一个实施例中，牙齿和牙龈的前两个值总和为1.0，健康区域、牙齿裂纹、牙龈退缩、牙齿磨损、咬合接触、牙齿的拥挤和/或间隔和/或其它咬合不正、牙菌斑、牙渍和/或龋齿的剩余值总和为1.0。

在一些实例中，使用多个机器学习模型，其中每个机器学习模型识别可能的牙科状况的子集。例如，可以训练第一经训练的机器学习模型以输出具有三个值的概率图，每个值分别用于健康牙齿、牙龈和龋齿。可选地，可以训练第一经训练的机器学习模型以输出具有两个值的概率图，每个值分别用于健康牙齿和龋齿。可以训练第二经训练的机器学习模型以输出具有三个值(每个值分别用于健康牙齿、牙龈和牙齿裂纹)或两个值(每个值分别用于健康牙齿和牙齿裂纹)的概率图。一个或多个附加的经训练的机器学习模型可以各自被训练以输出与识别特定类型的牙科状况相关联的概率图。

在ML模型被训练以识别三个分类的情况下，以RGB格式存储这种对牙科分类的预测是方便的。例如，用于第一牙科分类的第一值可以存储为红色强度值，用于第二牙科分类的第二值可以存储为绿色强度值，用于第三牙科分类的第三值可以存储为蓝色强度值。这可以使概率图的可视化非常容易。通常，不需要高精度，并且能够使用字符来代替浮点，即对于像素的每个通道有256个可能的值。能够进行进一步优化，以减小尺寸并提高性能(例如，使用16个值量化而不是256个值)。

一个或多个经训练的机器学习模型的输出可以用于更新患者的上牙弓和/或下牙弓的3D模型的一个或多个版本。在一个实施例中，为每种牙科状况分类生成不同的层。可以打开层以图形方式示出上牙弓和/或下牙弓上的感兴趣区域，该上牙弓和/或下牙弓已经被识别或标志为具有特定牙科状况。

如果为一个或多个输入的2D图像(例如，诸如其中像素强度表示高度或深度的高度图)生成概率图，则可以将由(一个或多个)ML模型输出的概率图投影到虚拟3D模型中的点上。因此，虚拟3D模型中的每个点可以包括来自映射到该点的一个或多个不同口内图像的概率图的概率信息。在一个实施例中，来自概率图的概率信息作为纹理被投影到3D模型上。更新后的3D模型然后可以包括，对于3D模型的一个或多个点、顶点或体素(例如，表示3D模型的表面的3D网格上的顶点)，多组概率，其中与为不同输入图像或其它口内数据生成的概率图相关联的不同组的概率可以具有不同的概率值。

处理逻辑可以通过为虚拟3D模型中的每个点确定针对该点的一个或多个牙科分类来修改虚拟3D模型。这可以包括使用投票函数来确定针对每个点的牙科分类。例如，来自口内图像的每组概率值可以指示特定的牙科分类。处理逻辑可以确定针对某一点的每个牙科分类的投票数，然后可以将该点分类为具有接收最多投票的牙科分类。在一些实施例中，点可以与多个分类的牙科状况相关联。

在实施例中，可以对根据口内扫描生成的牙弓的3D模型和/或对一个或多个经训练的模型的输出执行图像处理和/或3D数据处理。这种图像处理和/或3D数据处理可以使用一个或多个算法来执行，这些算法可以是多种类型的牙科状况的通用算法，或者可以是特定牙科状况的专用算法。例如，经训练的模型可以识别牙弓的3D模型上包括龋齿的区域，并且可以执行图像处理以评估所识别的龋齿的尺寸和/或严重程度。图像处理可以包括执行自动测量，诸如尺寸测量、距离测量、变化量测量、变化速率测量、比率、百分比等。因此，可以执行图像处理和/或3D数据处理以确定由(一个或多个)经训练的模型识别的牙科状况的严重程度级别。可选地，经训练的模型可以被训练以将区域分类为龋齿并且识别龋齿的严重程度和/或尺寸。

用于识别、分类和/或确定牙科状况的严重程度级别的一个或多个经训练的机器学习模型可以是神经网络，诸如深度神经网络或卷积神经网络。在实施例中，可以使用监督训练来训练这样的机器学习模型。

人工神经网络(例如，深度神经网络和卷积神经网络)通常包括具有分类器或回归层的特征表示组件，该分类器或回归层将特征映射到期望的输出空间。例如，卷积神经网络(CNN)托管(host)多层卷积过滤器。执行池化，并在较低层解决非线性问题，在较低层的顶部通常附加多层感知器，将由卷积层提取的顶层特征映射到决策(例如，分类输出)。深度学习是使用级联多层非线性处理单元进行特征提取和转换的一类机器学习算法。每个连续层都使用前一层的输出作为输入。深度神经网络可以以有监督(例如，分类)和/或无监督(例如，模式分析)的方式学习。深度神经网络包括层的层次结构，其中不同的层学习对应于不同抽象级别的不同表示级别。在深度学习中，每个级别都学习以将其输入数据转换为稍微更抽象且复合的表示。例如，在图像标识应用中，原始输入可以是像素矩阵；第一表示层可以对像素进行抽象并对边缘编码；第二层可以组合和编码边缘的排列；第三层可以编码更高级别的形状(例如，牙齿、嘴唇、牙龈等)；以及第四层可以标识图像包含面部或限定图像中牙齿周围的界定框。值得注意的是，深度学习过程能够自行学习哪些特征最适合放置在哪个级别中。“深度学习”中的“深度”是指数据通过其被转换的层的数量。更准确地说，深度学习系统具有相当大的信用分配路径(CAP)深度。CAP是从输入到输出的转换链。CAP描述了输入和输出之间可能的因果关系。对于前馈神经网络，CAP的深度可以是网络的深度，也可以是隐藏层的数量加1。对于递归神经网络(在其中信号可以不止一次地通过层传播)，CAP深度可能是无限的。

在一个实施例中，使用了U-net架构。U-net是一种类型的深度神经网络，其将编码器和解码器组合在一起，并在它们之间进行适当的连接，以捕获局部特征和全局特征两者。编码器是一系列卷积层，这些卷积层在从输入到输出进行处理时增加了通道数同时减小了高度和宽度，而解码器增大高度和宽度并减少通道数。来自编码器的具有相同图像高度和宽度的层可以与来自解码器的输出连接。来自编码器和解码器的任何或所有卷积层都可以使用传统的或深度可分离的卷积。

在一个实施例中，机器学习模型是递归神经网络(RNN)。RNN是一种类型的神经网络，它包括使神经网络能够捕获时间依赖性的存储器。RNN能够学习依赖于当前输入和过去输入两者的输入-输出映射。RNN将处理过去和未来的口内数据(例如，在不同时间进行的口内扫描)，并基于跨越多个时间段和/或患者就诊的信息做出预测。可以使用训练数据集对RNN进行训练，以生成固定数量的输出。可以使用的一种类型的RNN是长短期记忆(LSTM)神经网络。

用于这种任务的常见架构是LSTM(长短期记忆)。不幸的是，LSTM不太适合图像，因为它不能像卷积网络那样捕获空间信息。为此，可以利用ConvLSTM—LSTM的变型，其在LSTM单元内包含卷积操作。ConvLSTM是LSTM(长短期记忆)的变型，其在LSTM单元内包含卷积操作。ConvLSTM在LSTM单元中的每个门处用卷积运算替换矩阵乘法。通过这样做，它通过多维数据中的卷积操作来捕获底层的空间特征。ConvLSTM与LSTM的主要区别在于输入维度的数量。由于LSTM输入数据是一维的，因此不适用于诸如视频、卫星、雷达图像数据集等空间序列数据。ConvLSTM被设计为3D数据作为其输入。在一个实施例中，使用CNN-LSTM机器学习模型。CNN-LSTM是CNN(卷积层)与LSTM的集成。首先，模型的CNN部分处理数据，并且一维结果馈送给LSTM模型。在一个实施例中，用于过量材料去除的网络架构可以看起来如图11A-图11B所示，其包括ConvLSTM机器学习模型。

在一个实施例中，使用称为MobileNet的一类机器学习模型。MobileNet是基于流线型架构的高效机器学习模型，其使用深度可分离卷积来建立轻量深度神经网络。MobileNets可以是卷积神经网络(CNN)，可以在空间域和通道域两者中执行卷积。MobileNet可以包括可分离的卷积模块的堆叠，这些模块由深度卷积和逐点卷积(conv1x1)组成。可分离卷积在空间域和通道域中独立地执行卷积。卷积的这种因子分解可以显著地将计算成本总共从HWNK2M降低到HWNK2(深度(depthwise))加上HWNM(conv 1x1)、HWN(K2+M)，其中，N表示输入通道数，K2表示卷积核的尺寸，M表示输出通道数，HxW表示输出特征图的空间大小。这可以减少conv 1x1的计算成本的瓶颈。

在一个实施例中，使用生成对抗网络(GAN)。GAN是一类人工智能系统，它使用在零-和(zero-sum)游戏框架中相互竞争的两个人工神经网络。GAN包括生成候选方的第一人工神经网络和评估生成的候选方的第二人工神经网络。GAN学习从潜在空间映射到关注的特定数据分布(从照片到人眼无法区分的输入图像变化的数据分布)，而鉴别网络在来自训练数据集的实例与生成器产生的候选方之间进行鉴别。生成网络的训练目标是提高鉴别网络的误差率(例如，通过产生看似来自训练数据集的新合成实例来欺骗鉴别网络)。共同训练生成网络和鉴别网络，生成网络学习生成对于鉴别网络来说日益难以与真实图像(来自训练数据集)区分开的图像，而鉴别网络同时学习能够更好地区分合成图像与来自训练数据集的图像。GAN的两个网络一旦达到平衡就被训练完。GAN可以包括生成人工口内图像的生成器网络和分割人工口内图像的鉴别器网络。在实施例中，鉴别器网络可以是MobileNet。

在一个实施例中，机器学习模型是条件生成对抗(cGAN)网络，例如pix2pix。这些网络不仅学习从输入图像到输出图像的映射，还学习用于训练该映射的损失函数。GAN是生成模型，其学习从随机噪声向量z到输出图像y的映射，G：z→y。相比之下，条件GAN学习从观察到的图像x和随机噪声向量z到y的映射，G：{x,z}→y。生成器G被训练为产生无法由经对抗训练的鉴别器D与“真实”图像区分开的输出，鉴别器D被训练为尽可能好地检测生成器的“假货”。在实施例中，生成器可以包括U-net或编码器-解码器架构。在实施例中，鉴别器可以包括MobileNet架构。可以使用的cGAN机器学习架构的示例是Isola、Phillip等人的“Image-to-image translation with conditional adversarial networks(使用条件对抗网络进行图像到图像的翻译)”arXiv预印本(2017年)中描述的pix2pix架构。

神经网络的训练可以以监督学习的方式实现，其涉及通过网络馈送由具有标记的输入组成的训练数据集，观察其输出，定义误差(通过测量输出与标记值之间的差)，以及使用诸如深度梯度下降和反向传播等技术来调整网络在其所有层和节点间的权重，使得误差最小化。在许多应用中，在训练数据集中的许多具有标记的输入间重复该过程来产生网络，该网络在被提供与训练数据集中存在的输入不同的输入时，可以产生正确的输出。在诸如大图像等高维设置中，当足够大且多样化的训练数据集可用时，实现这种泛化。

为了训练一个或多个机器学习模型，包含数百、数千、数万、数十万或更多图像的训练数据集(或多个训练数据集，每个训练数据集用于待训练的机器学习模型)应该用于形成训练数据集。在实施例中，包括一个或多个具有标记的牙科状况(诸如，破裂的牙齿、牙齿磨损、龋齿、牙龈退缩、牙龈肿胀、牙渍、健康牙齿、健康牙龈等)的多达数百万个患者齿列的病例被使用，其中每个病例可以包括牙弓(或诸如牙弓的一部分的其它牙科部位)的最终虚拟3D模型。机器学习模型可以被训练，以在口内扫描会话之后自动地分类和/或分割口内扫描，并且分割/分类可以被用于自动地确定牙科状况的存在和/或严重程度。

对于具有标记的牙科分类的每个3D模型，可以生成图像(例如，高度图)集。每个图像可以通过将3D模型(或3D模型的一部分)投影到2D表面或平面上来生成。在一些实施例中，可以通过将3D模型投影到不同的2D表面或平面上来生成3D模型的不同图像。例如，可以通过将3D模型投影到处于自上而下的视角的2D表面上来生成3D模型的第一图像，可以通过将3D模型投影到处于第一侧视角(例如，颊侧视角)的2D表面上来生成第二图像，可以通过将3D模型投影到处于第二侧视角(例如，舌侧视角)的2D表面上来生成第三图像，等等。每个图像可以包括高度图，该高度图包括与图像的每个像素相关联的深度值。对于每个图像，可以基于3D模型中具有标记的牙科分类和3D模型被投影到的2D表面，来生成概率图或掩模。概率图或掩模的尺寸可以等于生成的图像的像素尺寸。概率图或掩模中的每个点或像素可以包括概率值，该概率值指示该点表示一个或更多个牙科分类的概率。例如，可以存在三种牙科分类，包括表示龋齿的第一牙科分类、表示健康牙齿的第二牙科分类和表示牙龈的第三牙科分类。例如，具有第一牙科分类的点的值可以为(1,0,0)(第一牙科分类的概率为100％，第二牙科分类和第三牙科分类的概率为0％)，具有第二牙科分类的点的值可以为(0,1,0)，并且具有第三牙科分类的点的值可以为(0,0,1)。

可以收集训练数据集，其中，训练数据集中的每个数据项可以包括图像(例如，包括高度图的图像)和关联的概率图。附加数据也可以包括在训练数据项中。可以借助于附加的分类、输入和多视图支持来提高分割的准确度。多个信息源可以合并到模型输入中，并共同用于预测。可以从单个模型同时预测多个牙科分类。可以同时解决多个问题：牙齿/牙龈分割、牙科状况分类等。准确度高于传统的图像和信号处理方法。

附加数据可以包括彩色图像。例如，对于每个图像(可能是单色的)，也可以存在对应的彩色图像。每个数据项可以包括深度信息(例如，高度图)以及颜色信息(例如，来自彩色图像)。两种不同类型的彩色图像可以是可用的。一种类型的彩色图像是取景器图像，另一种类型的彩色图像是扫描纹理。扫描纹理可以是多个不同的取景器图像的组合或混合。每个口内扫描可以与大约在生成口内图像的同时生成的对应的取景器图像相关联。如果使用混合扫描，则每个扫描纹理可以基于取景器图像的组合，这些取景器图像与用于产生特定的混合扫描的原始扫描相关联。

另一种类型的附加数据可以包括在特定照明条件下生成的图像(例如，在紫外、近红外或红外照明条件下生成的图像)。附加数据可以是2D或3D图像，并且可以包括或不包括深度信息(例如，高度图)。

这种训练的结果是可以直接从口内数据(例如，口内对象的高度图)预测牙科分类的函数。具体地，机器学习模型可以被训练为生成概率图，其中，概率图中的每个点对应于输入图像和/或其它输入的口内数据的像素，并且指示以下中的一个或多个：像素表示第一牙科分类的第一概率、像素表示第二牙科分类的第二概率、像素表示第三牙科分类的第三概率、像素表示第四牙科分类的第四概率、像素表示第五牙科分类的第五概率等等。

根据牙科诊断概要103，牙医可以选择任何类型的牙科分类。例如，牙医可以选择牙齿裂纹134、龋齿120、牙龈退缩122、牙齿磨损124、咬合126、拥挤/间隔128、牙菌斑130和/或牙渍132中的任何一个。如所讨论的，可以显示多种不同类型的牙科状况，并且对于每个类型的牙科状况，可以示出该牙科状况的严重程度级别。在所示的示例中，龋齿120、牙齿磨损124和拥挤/间隔128被示出已经发现问题155。因此，作为执行龋齿分析、牙齿磨损分析和拥挤和/或间隔分析的结果，牙齿拥挤和/或间隔128、牙齿磨损124和龋齿120的严重程度级别超过了相应的严重程度级别阈值。在所示的示例中，牙渍132和咬合126(例如，咬合接触不良)被示出为已经发现潜在问题150，并且牙齿裂纹134、牙龈退缩122和牙菌斑130被示出为没有发现问题145。

牙医在快速浏览牙科诊断概要103之后，可以确定患者已经具有临床上显著的牙齿磨损、拥挤/间隔和/或其它咬合不正128。因此，牙医可以选择龋齿120视图选项、牙齿磨损124视图选项和/或拥挤/间隔128视图选项，以快速地检查患者的牙弓上检测到龋齿、牙齿磨损和/或拥挤(和/或间隔)的区域。由于这些牙科状况被归类为未发现问题，牙医可以确定不为患者检查牙龈退缩、牙齿裂纹或牙菌斑。牙科医生可能会检查也可能不会检查牙渍和咬合信息，这是因为这些牙科状况已被归类为已发现潜在问题。每个所示的牙科状况可以用图标、按钮、链接或能选择的选项示出，用户能够经由牙科诊断中心的图形用户界面来选择该选项。点击或以其它方式选择具体的牙科状况可以启用与该特定牙科状况相关联的一个或多个工具。

可用于评估所选的牙科状况的工具可以取决于所选的牙科状况。例如，用于牙渍132的评估工具可以不同于用于龋齿120的评估工具。通常，与所选的牙科状况相关联的可用工具之一包括牙科状况的预后的模拟。通过该模拟，医生可以确定展示牙科状况的感兴趣区域(或多个感兴趣区域)在过去是什么样子，以及它们被预测在将来是什么样子。

在实施例中，牙科诊断中心，特别是牙科诊断概要103，帮助医生快速检测牙科状况以及其各自的严重程度级别，帮助医生关于牙科状况的治疗做出更好的判断，并且进一步帮助医生与患者沟通患者的牙科状况和可能的治疗。这使得识别、诊断和治疗牙科状况的过程更简单、更有效。医生可以选择牙科状况中的任何一个，以确定目前存在的该状况的预后，以及未来可能的进展情况。另外，牙科诊断中心可以提供一个或多个治疗将如何影响或消除牙科状况的治疗模拟。

在实施例中，医生可以通过向特定的牙科状况和/或感兴趣区域添加强调或注释来定制牙科状况和/或感兴趣区域。例如，患者可能会抱怨特定的牙齿疼痛。医生可以在牙弓的3D模型上突出显示该特定的牙齿。然后，可以在牙科诊断概要中示出被发现与特定高亮或所选的牙齿相关联的牙科状况。在另一示例中，医生可以选择特定的牙齿(例如，左下磨牙)，并且可以通过将严重程度结果修改为特定于所选的牙齿来更新牙科诊断概要。例如，如果对于所选的牙齿发现针对龋齿的问题并且发现针对牙渍的可能问题，则牙科诊断概要103将被更新以示出没有发现针对牙齿磨损124、咬合126、拥挤/间隔128、牙菌斑130、牙齿裂纹134和牙龈退缩122的问题，以示出针对牙渍132的已发现潜在问题并且示出针对龋齿120的已发现问题。这可以有助于医生快速地识别患者针对所选的特定牙齿抱怨疼痛的可能的根本原因。然后，医生可以选择不同的牙齿，以获得该另一牙齿的牙科问题的概要。另外，医生可以选择牙弓、牙弓的四分之一(a quadrant of a dental arch)或牙齿组，并且可以更新牙科诊断概要103以示出与所选的牙齿组、牙弓的四分之一和/或牙弓相关联的牙科状况。

图1D示出了根据本公开的实施例的用于对由牙科诊断中心提供给移动装置158的诊断结果进行导航的用户界面。由牙科诊断中心生成的牙科诊断概要103可以被发送到患者的装置，该装置可以是移动装置158或传统的固定装置。移动装置的示例包括移动电话、平板电脑、笔记本电脑等等。传统固定装置的示例包括台式计算机、服务器计算机、智能电视、机顶盒等等。在实施例中，到牙科诊断概要103的链接可以被发送到患者的装置，并且患者可以激活该链接(例如，点击该链接)以访问牙科诊断概要103。在实施例中，通过选择牙科诊断概要103中的牙科状况中的一个或多个，在牙科诊断概要103中概括的基础信息也可以由患者访问。例如，这可以向患者示出哪些牙齿展现出特定的牙科状况。牙科诊断概要103的患者版本还可以包括或与日程预约选项或功能160相关联。患者可以点击或以其它方式选择日程安排预约选项或功能160来安排预约。例如，这可以导致移动电话呼叫牙医办公室，或者可以导致患者的装置导航到示出可用预约时间的日历视图。患者可以点击或以其它方式选择可用的预约时间来安排与牙医的预约。

图1E示出了根据本公开的实施例的牙科诊断中心的用户界面，其示出了在已经对患者的牙弓运行诊断之后的牙科诊断概要161。牙科诊断概要161呈现关于患者的牙科信息，这些牙科信息以与牙科诊断概要103中所示不同的方式进行组织。对于牙科诊断概要103，许多不同类型的牙科状况的概要信息被一起示出，而不基于牙科类别对概要信息进行分组。另一方面，牙科诊断概要161基于牙科类别对牙科状况进行分组，并且指示每个牙科类别内的牙科状况或问题的特定类型。牙科状况信息也可以以许多不同于本文所示的少数示例的方式来排列和呈现。

在一个实施例中，牙科诊断概要161包括多个高级别牙科类别或分组，包括恢复/假体修复(restorative/prosthodontic)类别162、颞下颌关节(TMJ)类别188、正畸类别174、牙周类别164和牙髓类别182。所有恢复和/或假体修复牙科状况可以在恢复/假体修复类别162下显示，与TMJ的问题相关联或由TMJ的问题引起的所有牙科状况可以在TMJ类别188下显示，所有正畸牙科状况可以在正畸类别174下显示，所有牙周牙科状况可以在牙周类别164下显示，并且所有牙髓牙科状况可以在牙髓类别182下显示。高级别牙科类别中的每一个可以被编码(例如，颜色编码)为或以其它方式包括指示符，以示出是否已经检测到属于那些高级别类别的牙科状况和/或这种牙科状况的严重程度级别。

在实施例中，高级别牙科类别中的一个或多个(例如，恢复/假体修复162、颞下颌关节(TMJ)188、正畸174、牙周164和牙髓182)包括属于各自的高级别牙科类别内的子类别和/或特定牙科状况的概要信息。在一个实施例中，TMJ类别188包括裂纹牙科状况190、咬合牙科状况192和牙齿磨损牙科状况194，其可以分别对应于图1C的牙齿裂纹134、咬合126和牙齿磨损124。对于裂纹牙科状况190、咬合牙科状况192和牙齿磨损牙科状况194中的每一个，牙科诊断概要161可以指示患者的牙齿是否受到各自的牙科状况的影响、哪些牙齿受到各自的牙科状况的影响和/或各自的牙科状况的严重程度。TMJ类别188内的每一种牙科状况可以被编码(例如，颜色编码)为或以其它方式包括指示符以示出是否已检测到各自的牙科状况和/或此类牙科状况的严重程度级别。

在一个实施例中，正畸类别174包括拥挤牙科状况176、间隔牙科状况178和颌差异(jaw discrepancies)牙科状况180。拥挤牙科状况176可以对应于图1C的拥挤128。间隔牙科状况178可以提供关于患者牙齿之间的间隙或空间的信息。颌差异牙科状况180可以包括关于患者的颌的问题的信息，诸如颌如何闭合、覆咬合(overbite)、反颌(underbite)、覆盖(overjet)等等。对于拥挤牙科状况176、间隔牙科状况178和颌差异牙科状况180中的每一种牙科状况，牙科诊断概要161可以指示患者的牙齿是否受到各自的牙科状况的影响、哪些牙齿受到各自的牙科状况的影响和/或各自的牙科状况的严重程度。正畸类别188内的每一种牙科状况可以被编码(例如，颜色编码)为或以其它方式包括指示符以示出是否已检测到相应的牙科状况和/或此类牙科状况的严重程度级别。间隔牙科类别178、颌差异牙科类别180或拥挤牙科类别176中的任何一个的选择可以启动牙科分析工具，该牙科分析工具示出在患者的齿列上选择的各自的牙科状况。从这些牙科分析工具中的任何一个，可以启动正畸工具，如下面参考图5所讨论的。

在一个实施例中，牙周类别164包括炎症牙科状况166、骨丢失(bone loss，骨量丢失)牙科状况170和牙龈退缩牙科状况167。牙龈肿胀牙科状况167可以对应于图1C的牙龈退缩122。炎症牙科状况166可以包括关于一颗或多颗牙齿的牙龈肿胀或炎症和/或肿胀程度的信息。骨丢失牙科状况170可以包括关于患者的颌的一个或多个区域的骨密度丢失的信息。对于牙龈退缩牙科状况167、炎症牙科状况166和骨丢失牙科状况170中的每一种牙科状况，牙科诊断概要161可以指示患者的牙齿是否受到各自的牙科状况的影响、哪些牙齿(例如，牙齿编号(tooth nos.)168、169、172)受到各自的牙科状况的影响和/或各自的牙科状况的严重程度。牙周类别164内的每一种牙科状况可以被编码(例如，颜色编码)为或以其它方式包括指示符以示出是否已检测到各自的牙科状况和/或此类牙科状况的严重程度级别。牙龈退缩牙科类别167、炎症牙科类别166或骨丢失牙科类别170中的任何一种牙科类别的选择可以启动牙科分析工具，该牙科分析工具示出在患者的齿列上选择的各自的牙科状况。

在一个实施例中，牙髓类别182包括一个或多个类型的牙髓问题。牙髓问题可以包括与牙根和牙齿内软组织(诸如牙齿中的牙髓)有关的问题。牙髓类别182可包括针对一个或多个问题类型184(诸如针对牙髓问题的第一问题类型和针对牙根问题的第二问题类型)的牙髓状况。对于每个问题类型184，可以指示一个或多个受影响的牙齿编号186。牙髓类别182内的每一种牙科状况可以被编码(例如，颜色编码)为或以其它方式包括指示符以示出是否已检测到各自的牙科状况和/或此类牙科状况的严重程度级别。问题类型184中的任何一个的选择可以启动牙科分析工具，该牙科分析工具示出在患者的齿列上选择的各自的牙科状况。

在一个实施例中，恢复/假体修复类别162包括一个或多个类型的恢复和/或假体修复状况。术语假体修复程序尤其是指涉及口腔并指向在口腔内的牙科部位处的牙科假体的设计、制造或安装或其真实或虚拟模型的程序，或者指向接收这种假体的牙科部位的设计和准备的程序。例如，假体可以包括任何修复体(restoration)(诸如牙冠、镶面(veneer)、嵌体(inlay)、高嵌体(onlay)和桥体(bridge))，以及任何其它人工部分或全口义齿(denture)。假体修复牙科状况或问题可以包括失效、失效或断裂/裂纹的假体、磨损的假体、松动的假体、安装不当的假体等等。假体修复牙科状况也可以包括能够用假体矫正的状况，诸如缺失的牙齿、缺齿的牙弓等等。恢复/假体修复类别162可以包括现有的假体修复的状况，其可以构成第一问题类型163，以及能够使用假体修复解决的状况，其可以构成第二问题类型163。对于每个问题类型163，可以指示一个或多个受影响的牙齿编号165。恢复/假体修复类别162内的每一种牙科状况可以被编码(例如，颜色编码)为或以其它方式包括指示符以示出是否已检测到各自的牙科状况和/或此类牙科状况的严重程度级别。对任何一种问题类型163的选择可以启动牙科分析工具，该牙科分析工具示出在患者的齿列上选择的各自的牙科状况。

在实施例中，牙科诊断概要161包括扫描区段选择器102，该扫描区段选择器102包括上牙弓区段选择105、下牙弓区段选择110和/或咬合区段选择115。在实施例中，牙科诊断概要103还包括所选的牙科区段或模式的视图(例如，患者的上牙弓140的3D模型和下牙弓141的3D模型)。

牙科诊断概要161提供单个视图，其在高级别和低级别两者处示出多种不同类型的可能的牙科状况，以及关于每个类型的牙科状况的存在和/或严重程度的评估。在一个实施例中，为各种牙科状况分配三种严重程度级别中的一种，包括“未发现问题”、“发现潜在问题”和“发现问题”。牙科状况和/或牙科类别(例如，可以包括多个潜在状况的高级别类别)中的每一种可以用针对该类型的牙科状况确定的严重程度分级来编码或标记。在一个实施例中，牙科状况和/或类别被颜色编码以图形地示出严重程度级别。例如，发现问题的那些牙科状况和/或类别可以被编码为红色，发现潜在问题的那些牙科状况和/或类别可以被编码为黄色，没有发现问题的那些牙科状况和/或类别可以被编码为绿色。许多其它编码方案也是可能的。在一个实施例中，牙科状况和/或类别中的每一种被分配用数字表示的严重程度级别。例如，在1至100的范围内，可以为每种牙科状况和/或类别分配1至100之间的严重程度级别，以指示该牙科状况的严重程度级别。严重程度级别低于第一阈值严重程度级别的那些牙科状况和/或类别可以被识别为未发现问题的牙科状况。严重程度级别高于第一阈值严重程度级别但低于第二阈值严重程度级别的那些牙科状况和/或类别可以被识别为发现潜在问题的牙科状况/类别。严重程度级别高于第二严重程度级别阈值的那些牙科状况和/或类别可以被识别为发现问题的牙科状况/类别。

图2示出了根据本公开的实施例的用于牙科诊断中心的龋齿分析的用户界面。可以响应于医生从牙科诊断概要103中选择龋齿来提供用于龋齿分析的用户界面。在实施例中，龋齿分析用户界面包括扫描区段选择器102，该扫描区段选择器包括上牙弓区段选择105、下牙弓区段选择110和/或咬合区段选择115。在一些实施例中，在扫描区段选择器102中突出显示或以其它方式强调或标记具有与所选的牙科状况相关联的感兴趣区域的每颗牙齿。因此，对扫描区段选择器102的快速浏览可以向医生示出在哪里进一步观察以检查具有所选的牙科状况的AOI。在一些实施例中，可以在扫描区段选择器102中选择个别牙齿以仅查看那些所选的牙齿。例如，医生可以选择一颗或几颗具有AOI的牙齿，仅示出具有这些牙齿的3D模型。

在实施例中，用于龋齿分析的用户界面还包括所选的牙科区段或模式的视图。在所示的示例中，选择下牙弓，并且示出患者的下牙弓141的3D模型。在下牙弓的3D模型上示出反映检测到的龋齿的感兴趣区域(AOI)的叠加。例如，在下牙弓141的3D模型上示出了表示检测到的龋齿的感兴趣区域206A-F。可以选择上牙弓区段来查看表示上牙弓中的龋齿的AOI。此外，可以选择上牙弓和下牙弓两者以示出上牙弓和下牙弓上的龋齿。

医生可以经由用户界面改变所显示的一个或多个3D模型(例如，下牙弓141的3D模型)的视图，以便更好地查看所识别的AOI。对视图的这种改变可以包括改变缩放设定(例如，通过放大或缩小)、旋转3D模型、向左、向右、向上、向下等(方向)平移(pan)等等。医生可以附加地使用聚焦工具来将聚焦窗口204移动到3D模型上的任一位置，以聚焦在牙弓的3D模型的区域上。可以针对聚焦窗口204内的区域示出来自一个或多个附加成像模态的附加信息。例如，针对该区域的NIRI数据可以在NIRI窗口208中示出，并且针对该区域的颜色数据可以在颜色窗口210中示出。对于NIRI窗口208和颜色窗口210两者，医生可以放大或缩小和/或改变该区域的视图。

医生可以选择基于时间的模拟功能以针对所选的牙科状况(例如，针对龋齿)启动基于时间的模拟。基于时间的模拟可以使用关于AOI的信息，因为它们存在于来自患者的记录历史(例如，来自不同的时间点的口内扫描、NIRI图像、彩色图像、x光等)的不同时间点以将牙科状况的进展投射到未来和/或过去。基于时间的模拟可以生成视频，该视频示出牙科状况的开始和牙科状况随着时间推移到牙科状况的当前状态以及到未来的进展。基于时间的模拟可以进一步包括一个或多个治疗选项，并且可以示出在执行一个或多个所选的治疗之后感兴趣区域在未来是什么。

用于龋齿分析的用户界面可以针对检测到的龋齿206A-F中的每一个指示龋齿的严重程度级别。严重程度级别可以基于龋齿的尺寸、龋齿的位置和/或龋齿与患者的牙本质和/或牙髓之间的距离。

在一些实施例中，可以提供安全共享模式，其中医生能够与其它护理提供者安全地协作和/或能够经由远程连接与患者(或患者的父母)安全地通信。

医生可以选择学习模式选项(未示出)来调出(bring up)关于健康牙齿和具有龋齿的牙齿之间的差异以及不同严重程度级别的龋齿之间的差异的教育信息。可以示出具有当前检测到的龋齿的患者的当前齿列，并且可以预测进一步的蛀牙。教育信息可以示出当蛀牙到达患者的牙本质和/或牙髓时发生了什么，指示患者在蛀牙的各个阶段能够预期的疼痛量。教育信息可以示出给患者，以向该患者示出他们牙齿的蛀牙的阶段以及如果他们不治疗蛀牙将会发生什么。

一旦医生完成对患者的龋齿信息的检查，医生可以选择牙科诊断概要视图图标或导航选项202以导航回到牙科诊断概要103。

图3示出了根据本公开的实施例的用于牙科诊断中心的牙齿磨损分析的用户界面。可以响应于医生从牙科诊断概要103中选择牙齿磨损而提供用于牙齿磨损分析的用户界面。在实施例中，牙齿磨损分析用户界面包括扫描区段选择器102，该扫描区段选择器包括上牙弓区段选择105、下牙弓区段选择110和/或咬合区段选择115。在一些实施例中，在扫描区段选择器102中突出显示或以其它方式强调或标记具有与所选的牙科状况相关联的感兴趣区域的每颗牙齿。因此，对扫描区段选择器102的快速浏览可以向医生示出在哪里进一步观察以检查具有所选的牙科状况的AOI。在一些实施例中，可以在扫描区段选择器102中选择个别牙齿以仅查看那些所选的牙齿。例如，医生可以选择一颗或几颗有AOI的牙齿，示出仅具有这些牙齿的3D模型。

在实施例中，用于牙齿磨损分析的用户界面还包括所选的牙科区段或模式的视图。在所示的示例中，选择下牙弓，并且示出了患者的下牙弓141的3D模型。下牙弓的3D模型上示出了反映检测到的牙齿磨损的感兴趣区域(AOI)的叠加。例如，在下牙弓141的3D模型上示出了表示检测到的牙齿磨损区域的感兴趣区域302A-N。可以选择上牙弓区段来查看表示上牙弓中牙齿磨损的AOI。此外，可选择上牙弓和下牙弓两者，以示出上牙弓和下牙弓两者上的牙齿磨损。

医生可以经由用户界面改变所显示的一个或多个3D模型(例如，下牙弓141的3D模型)的视图，以便更好地查看所识别的AOI。对视图的这种改变可以包括改变缩放设定(例如，通过放大或缩小)、旋转3D模型、向左、向右、向上、向下等(方向)平移等等。医生可以附加地使用聚焦工具来将聚焦窗口204移动到3D模型上的任一位置，以聚焦在牙弓的3D模型的区域上。可以针对聚焦窗口404内的区域示出来自一个或多个附加成像模态的附加信息。例如，可以在第一时间点快照窗口306中的第一时间段和第二时间点快照窗口308中的第二时间段示出聚焦窗口204内的区域的3D表面。对于时间点快照窗口306、308中的每个窗口，医生可以选择特定的时间点快照来查看。时间点快照可以示出执行扫描的时间点的扫描表面和/或可以示出未执行扫描的时间点的插值表面或外推表面。对于时间点快照窗口中的每个窗口，医生可以按下播放图标或按钮或者暂停图标或按钮，以示出3D表面从当前所选的时间点到未来和/或过去的进展。

医生可以选择基于时间的模拟功能以针对所选的牙科状况(例如，针对牙齿磨损)启动基于时间的模拟。基于时间的模拟可以使用关于AOI的信息，因为它们存在于来自患者记录历史(例如，来自不同的时间点的口内扫描、NIRI图像、彩色图像、x光等)的不同时间点，以将牙科状况的进展投射到未来和/或过去。基于时间的模拟可以生成视频，该视频示出牙科状况的开始和牙科状况随着时间推移到牙科状况的当前状态以及到未来的进展。基于时间的模拟可以进一步包括一个或多个治疗选项，并且可以示出在执行一个或多个所选的治疗之后感兴趣区域在未来是什么。

一旦医生完成对患者的牙齿磨损信息的检查，医生可以选择牙科诊断概要视图图标或导航选项202以导航回到牙科诊断概要103。

未示出用于牙龈肿胀、牙菌斑、牙齿裂纹或牙龈退缩的用户界面。然而，对于牙龈肿胀、牙菌斑、牙齿裂纹和/或牙龈退缩，可以对牙医示出关于龋齿和牙齿磨损类似的视图。此外，可以为牙龈肿胀、牙菌斑、牙齿裂纹和/或牙龈退缩提供与为龋齿和/或牙齿磨损提供的类似的牙科状况分析工具。例如，牙龈肿胀分析工具可以预测未来的牙龈肿胀量，并示出牙龈的炎症、牙龈出血等等。类似地，牙龈退缩分析工具可以预测未来的牙龈退缩量、示出牙根的暴露部分等等。

图4示出了根据本公开的实施例的用于牙科诊断中心的咬合接触分析的用户界面。可以响应于医生从牙科诊断概要103中选择咬合接触来提供用于咬合接触分析的用户界面。在实施例中，咬合接触分析用户界面包括扫描区段选择器102，该扫描区段选择器包括上牙弓区段选择105、下牙弓区段选择110和/或咬合区段选择115。在一些实施例中，在扫描区段选择器102中突出显示或以其它方式强调或标记具有与所选的牙科状况相关联的感兴趣区域的每颗牙齿。例如，咬合接触的感兴趣区域可以是识别出重度咬合接触的牙齿区域。因此，对扫描区段选择器102的快速浏览可以向医生示出在哪里进一步观察以检查具有所选的牙科状况的AOI。在一些实施例中，可以在扫描区段选择器102中选择个别牙齿以仅查看那些所选的牙齿。例如，医生可以选择一颗或几颗具有AOI的牙齿，仅示出具有这些牙齿的3D模型。

在实施例中，用于咬合接触分析的用户界面还包括所选的牙科区段或模式的视图。在所示的示例中，选择上牙弓区段和下牙弓两者，并且示出患者的下牙弓141和上牙弓140的3D模型。在下牙弓141和上牙弓140的3D模型上示出反映检测到的咬合接触的感兴趣区域(AOI)406的叠加。咬合接触叠加406可以以某种方式编码(例如，颜色编码)以示出牙弓上的牙齿的一个或多个区域的咬合接触的严重程度或量。编码可以指示从0到1的距离，其中0表示与相对的牙弓完全接触(例如，其中对于上颌和下颌的多个不同的相对位置，AOI是接触的)，并且1表示与相对的牙弓完全分离(例如，其中对于上颌和下颌的多个不同的相对位置中的任何一个，AOI是不接触的)。用于编码的图例420可以在用户界面中示出，示出用于每个咬合接触评级的不同颜色或其它图形指示符。

用于咬合接触分析的用户界面可以包括关于有问题的咬合接触(诸如牙齿的拥挤和错位)的可能的潜在原因的信息。从用于咬合接触分析的用户界面，医生可以选择正畸治疗420图标或按钮以启动正畸治疗模拟器和/或正畸治疗计划生成器。

医生可以经由用户界面改变所显示的一个或多个3D模型(例如，下牙弓141和上牙弓140的3D模型)的视图，以便更好地查看所识别的AOI。对视图的这种改变可以包括改变缩放设定(例如，通过放大或缩小)、旋转3D模型、向左、向右、向上、向下等(方向)平移等等。

医生可以选择基于时间的模拟功能以针对所选的牙科状况(例如，针对咬合接触)启动基于时间的模拟。基于时间的模拟可以使用关于AOI的信息，因为它们存在于来自患者记录历史(例如，来自不同的时间点的口内扫描、NIRI图像、彩色图像、x光等)的不同时间点，以将牙科状况的进展投射到未来和/或过去。基于时间的模拟可以生成视频，该视频示出牙科状况的开始和牙科状况随着时间推移到牙科状况的当前状态以及到未来的进展。基于时间的模拟可以进一步包括一个或多个治疗选项，并且可以示出在执行一个或多个所选的治疗之后感兴趣区域在未来是什么。

一旦医生完成对患者的咬合接触信息的查看，医生可以选择牙科诊断概要视图图标或导航选项202以导航回到牙科诊断概要103。

图5A示出了根据本公开的实施例的用于牙科诊断中心的咬合不正分析的用户界面。可以响应于医生从牙科诊断概要103中选择拥挤而提供用于咬合不正分析的用户界面。在实施例中，咬合不正分析用户界面包括扫描区段选择器102，该扫描区段选择器包括上牙弓区段选择105、下牙弓区段选择110和/或咬合区段选择115。在一些实施例中，在扫描区段选择器102中突出显示或以其它方式强调或标记具有与所选的牙科状况相关联的感兴趣区域的每颗牙齿。例如，咬合接触的感兴趣区域可以是识别出重度咬合接触的牙齿区域。因此，对扫描区段选择器102的快速浏览可以向医生示出在哪里进一步观察以检查具有所选的牙科状况的AOI。在一些实施例中，可以在扫描区段选择器102中选择个别牙齿以仅查看那些所选的牙齿。例如，医生可以选择一颗或几颗具有AOI的牙齿，仅示出具有这些牙齿的3D模型。

示出牙齿拥挤501的AOI可以在上牙弓140和/或下牙弓141的3D模型上示出。

从用于咬合不正分析的用户界面，医生可以选择正畸治疗420图标或按钮以启动正畸治疗模拟器和/或正畸治疗计划生成器。

医生可以经由用户界面改变所显示的一个或多个3D模型(例如，下牙弓141和上牙弓140的3D模型)的视图，以便更好地查看所识别的AOI。对视图的这种改变可以包括改变缩放设定(例如，通过放大或缩小)、旋转3D模型、向左、向右、向上、向下等(方向)平移等等。

医生可以选择基于时间的模拟功能以针对所选择的牙科状况(例如，针对咬合不正)启动基于时间的模拟。

一旦医生完成对患者的咬合不正信息的检查，医生可以选择牙科诊断概要视图图标或导航选项202以导航回到牙科诊断概要103。

图5B示出了根据本公开的实施例的示出治疗前和治疗后的牙弓模型的正畸治疗模拟器用户界面。可以响应于医生(诸如从用于咬合不正分析的用户界面和/或用于咬合接触分析的用户界面)选择正畸治疗420图标或按钮而启动正畸治疗模拟器。

正畸治疗模拟器可以确定将一颗或多颗牙齿从根据患者的当前牙弓的3D模型确定的牙齿的初始排列504移动到用于患者的牙弓的牙齿的目标排列506的移动路径。牙齿的目标排列(例如，正畸治疗的期望和预期的最终结果)能够以处方的形式从临床医生接收、能够根据基本正畸原则计算和/或能够根据临床处方计算地外推。在实施例中，基于美学原则和/或理想的咬合原则自动地确定患者牙齿的目标排列。

医生可以经由选项510调整治疗目标，这可以导致牙齿506的目标排列改变。此外，医生可以经由选项515直接地或手动地调整模拟治疗成果。

利用牙齿的期望最终位置的规格和牙齿本身的数字表示，能够指定每个牙齿的最终位置和表面几何形状，以在治疗的期望的结束时形成牙齿排列的完整模型。

对于每个牙齿都具有初始位置和目标位置，能够为每个牙齿的动作定义移动路径。在一些实施例中，移动路径被配置成使牙齿以最快的方式移动，具有将牙齿从其初始位置带到其期望的目标位置的最小的往返行程量。可选地，能够对牙齿路径进行分段，并且能够计算分段，使得每个牙齿在区段内的动作保持在线性和旋转平移的阈值限制内。这样，每个路径区段的端点能够构成临床上可行的重新定位，并且区段端点的集合能够构成牙齿位置的临床上可行的序列，使得从序列中的一个点移动到下一个点不会导致牙齿的碰撞。

可以确定产生沿着移动路径的一个或多个牙齿的移动的力系统。力系统能够包括一个或多个力和/或一个或多个扭矩。不同的力系统能够导致不同类型的牙齿移动，诸如倾斜、平移、旋转、挤压、侵入、牙根移动等。生物力学原则、建模技术、力计算/测量技术等，包括通常在牙齿矫正术中使用的知识和办法，可以用于确定要施加到牙齿以完成牙齿移动的适当的力系统。在确定要施加的力系统时，可以考虑来源，包括文献、通过实验或虚拟建模确定的力系统、基于计算机的建模、临床经验、不想要的力的最小化等。

用于患者的牙弓的牙齿的初始排列504和/或牙齿的目标排列506可以经由选项520发送给患者以供他们检查。医生可以经由返回选项525导航回到先前的界面，诸如到咬合不正分析用户界面或到用于咬合接触分析的用户界面。另外，一旦医生完成对模拟后的正畸治疗结果的检查，医生可以选择牙科诊断概要视图图标或导航选项202以导航回到牙科诊断概要103。

图6A-图6B示出了根据本公开的实施例的用于牙科诊断中心的牙渍分析的用户界面。可以响应于医生从牙科诊断概要103中选择牙渍来提供用于牙渍分析的用户界面。在实施例中，牙渍分析用户界面包括扫描区段选择器102，该扫描区段选择器包括上牙弓区段选择105、下牙弓区段选择110和/或咬合区段选择115。

在实施例中，用于牙渍分析的用户界面还包括所选的牙科区段或模式的视图。在所示的示例中，选择上牙弓区段和下牙弓两者，并且示出患者的下牙弓141和上牙弓140的3D模型。上牙弓140和/或下牙弓141的3D模型被示出具有示出患者牙齿(其可以包括着色)的当前颜色的准确颜色信息。

用于牙齿着色分析的用户界面包括牙齿漂白选择器604，其在实施例中可以是滑动条(slide bar)。在图6A中，牙齿漂白选择器604指示牙齿的当前色度指示符606。当前色度指示符606示出了牙齿色度谱上的当前牙齿色度。如图所示，牙齿色度指示符606显示患者的牙齿被显著着色。医生可以将当前色度指示符606调整到一个或多个不同的牙齿色度。响应于当前色度指示符606沿着牙齿漂白滑动条被调整，处理逻辑确定用于牙齿的更新后的颜色信息，并且显示具有更新后的颜色信息的牙齿。图6B示出了用于牙渍分析的用户界面，其示出了在医生已经将牙齿色度指示符606移动到+2个色度之后患者牙齿的更新后的色度(shading)。

医生可以经由用户界面改变所显示的一个或多个3D模型(例如，下牙弓141和上牙弓140的3D模型)的视图，以便更好地查看所识别的AOI。对视图的这种改变可以包括改变缩放设定(例如，通过放大或缩小)、旋转3D模型、向左、向右、向上、向下等(方向)平移等等。

医生可以选择基于时间的模拟功能以针对所选牙科状况(例如，针对牙齿着色)启动基于时间的模拟。基于时间的模拟可以使用关于AOI的信息，因为它们存在于来自患者记录历史(例如，来自不同的时间点的口内扫描、NIRI图像、彩色图像、x光等)的不同时间点，以将牙科状况的进展投射到未来和/或过去。基于时间的模拟可以生成视频，该视频示出牙科状况的开始和牙科状况随着时间推移到牙科状况的当前状态以及到未来的进展。基于时间的模拟可以进一步包括一个或多个治疗选项，并且可以示出在执行一个或多个所选的治疗之后感兴趣区域在未来是什么。

一旦医生完成对患者的咬合接触信息的检查，医生可以选择牙科诊断概要视图图标或导航选项202以导航回到牙科诊断概要103。

图7示出了根据本公开的实施例的牙科诊断中心的患者牙科评分卡700。患者牙科评分卡700可以包括患者笑容的图像702、牙科健康评分704、牙科笑容评分706和牙科风险评估708。牙科健康评分704可以基于由牙科诊断中心执行的多种牙科状况分析的结果，并且可以是反映患者牙科健康的全局评分，其基于各种类型的所识别的牙科状况和所识别的牙科状况的严重程度级别的组合。例如，牙科健康评分704可以基于对裂纹的牙齿、断裂的牙齿、缺失的牙齿、龋齿、咬合不正、牙齿磨损、咬合接触、牙周问题等的评估中的一个或多个。在实施例中，牙科健康评分704的选择可以导致牙科诊断中心导航到牙科诊断概要103。笑容评分706可以基于对牙齿着色或变色、面部中线、笑容宽度、牙科和/或面部比例、牙齿形状、牙齿对齐、在笑容中示出的牙龈的量和/或笑容的弧度的评估中的一个或多个。风险评估可以示出笑容评分(与牙齿着色等相关联)、牙周评分(与牙龈退缩和/或牙龈肿胀相关联)、牙齿评分(与牙齿裂纹、牙齿断裂、牙齿缺失和/或龋齿相关联)和咬合评分(与咬合接触相关联)。

图8示出了用于执行口内扫描、生成牙科部位的虚拟三维模型和/或执行牙科诊断的系统800的一个实施例。在一个实施例中，系统800执行下面参考图1A-图7和图9A-图12描述的一个或多个操作。系统800包括可以耦合到扫描仪850和/或数据存储810的计算装置805。

计算装置805可以包括处理装置、存储器、次级存储装置、一个或多个输入装置(例如，诸如键盘、鼠标、手写板等)、一个或多个输出装置(例如，显示器、打印机等)和/或其它硬件组件。计算装置805可以直接地或经由网络连接到数据存储810。网络可以是局域网(LAN)、公共广域网(WAN)(例如，因特网)、专用WAN(例如，内联网)或其组合。在一些实施例中，计算装置805可以集成到扫描仪850中，以提高性能和移动性。

数据存储810可以是内部数据存储，或者是直接地或经由网络连接到计算装置805的外部数据存储。网络数据存储的示例包括存储区域网络(SAN)、网络附加存储(NAS)以及由云计算服务提供商提供的存储服务。数据存储810可以包括文件系统、数据库或其它数据存储布置。

在一些实施例中，用于获得患者口腔中的牙科部位的三维(3D)数据的扫描仪850能够操作地连接到计算装置805。扫描仪850可以包括探针(例如，手持探针)，用于光学捕获三维结构(例如，通过光束阵列的共焦聚焦)。这种扫描仪850的一个示例是由爱齐公司(AlignTechnology.Inc)制造的口内数字扫描仪。口内扫描仪的其它示例包括8MTMTrue Definition扫描仪以及由/>制造的Apollo DI口内扫描仪和CEREC AC口内扫描仪。

扫描仪850可以用于执行患者口腔的口内扫描。在计算装置805上运行的口内扫描应用808可以与扫描仪850通信以实现口内扫描。口内扫描的结果可以是已生成的一系列口内图像或扫描。每个口内扫描可以包括被扫描对象的表面上一个或多个点的x、y和z位置信息。在一个实施例中，每个口内扫描包括被扫描对象的表面的高度图。操作者可以在口腔中的第一位置处用扫描仪850开始扫描操作，在执行扫描的同时将口腔内的扫描仪850移动到第二位置，然后停止口内扫描的记录。在一些实施例中，记录可以在扫描仪识别任一牙齿时自动地开始。扫描仪850可以将口内扫描传输到计算装置805。计算装置805可以将来自当前扫描会话的当前的口内扫描数据835存储在数据存储810中。数据存储810可以附加地包括过去的口内扫描数据838、在当前患者就诊期间生成的附加的当前的牙科数据845(例如，x光图像、CBCT扫描数据、全景x光图像、超声数据、彩色照片等等)、在一个或多个先前的患者就诊期间生成的附加的过去的牙科数据(例如，x光图像、CBCT扫描数据、全景x光图像、超声数据、彩色照片等等)和/或参考数据850。或者，扫描仪850可以连接到在数据存储810中存储数据的另一系统。在这样的实施例中，扫描仪850可以不连接到计算装置805。

根据一个示例，用户(例如，从业人员)可以对患者进行口内扫描。在这样做时，用户可以将扫描仪850应用于一个或多个患者口内位置处。扫描可以被分成一个或多个区段(例如，上牙弓、下牙弓和咬合)。经由这种扫描仪应用，扫描仪850可以向计算装置805提供当前的口内扫描数据835。当前的口内扫描数据835和/或过去的口内扫描数据838可以包括3D表面数据(例如，以3D图像或具有高度信息的图像的形式)、2D或3D彩色图像数据、NIRI图像数据、紫外线图像数据等等。这种扫描数据可以以一个或多个点(例如，一个或多个像素和/或像素的分组)的形式从扫描仪提供给计算装置805。例如，扫描仪850可以提供这样的3D图像作为一个或多个点云。

在一个实施例中，口内扫描应用808包括模型生成模块825。当扫描会话完成时(例如，已经捕获了牙科部位的所有图像)，模型生成模块825可以生成已扫描的牙科部位的虚拟3D模型。为了生成虚拟模型，模型生成模块825可以将从口内扫描会话生成的口内扫描配准并“缝合”在一起。在一个实施例中，执行配准包括在多次扫描(来自相机的视图)中捕获表面的各个点的3D数据，并且通过计算图像之间的变换来配准扫描，如上文所讨论的。

在一个实施例中，计算装置805包括牙科诊断中心830，其可以包括用户界面832、一个或多个牙科健康分析器834和/或一种或多种牙科状况评估工具835。用户界面132可以是图形用户界面，并且可以包括用于控制和导航牙科诊断中心839的图标、按钮、图形、菜单、窗口等。

每个牙科健康分析器可以负责执行与不同类型的牙科状况相关联的分析。例如，牙科健康分析器834可以包括用于牙齿裂纹、牙龈退缩、牙齿磨损、咬合接触、牙齿的拥挤和/或其它咬合不正、牙菌斑、牙渍和/或龋齿的单独的牙科健康分析器834。在一个实施例中，单个牙科健康分析器834执行与本文所讨论的每个类型的牙科状况相关联的不同类型的牙科健康分析中的每一种分析。在一些实施例中，存在多个牙科健康分析器，其中一些针对多种不同的牙科状况执行牙科健康分析。如上所述，当前的口内扫描数据835、过去的口内扫描数据838、附加的当前的牙科数据845、附加的过去的牙科数据848和/或参考数据850可以用于执行一个或多个牙科分析。例如，关于手头患者的数据可以附加地包括x光、2D口内图像、3D口内图像、2D模型和/或对应于扫描发生期间的患者就诊的虚拟3D模型。关于手头患者的数据可以附加地包括过去的x光检查、2D口内图像、3D口内图像、2D模型和/或患者的虚拟3D模型(例如，对应于患者过去的就诊和/或患者的牙科记录)。

参考数据850可以包括池化的患者数据，其可以包括关于众多患者的x光、2D口内图像、3D口内图像、2D模型和/或虚拟3D模型。如此众多的患者可能包括或者可能不包括手头患者。遵照地区病历隐私法规(例如《健康保险流通与责任法案》(HIPAA))，可以匿名化和/或使用池化的患者数据。池化的患者数据可以包括与本文讨论的那种扫描相对应的数据和/或其它数据。参考数据可以附加地或替代地包括教学患者数据，其可以包括在教育环境中使用的x光、2D口内图像、3D口内图像、2D模型、虚拟3D模型和/或医学图示(例如，医学图示图和/或其它图像)。

一种或多种牙科状况分析器834可以使用口内数据(例如，当前的口内扫描数据835、过去的口内扫描数据838、附加的当前的牙科数据845、附加的过去的牙科数据848和/或参考数据850)来执行一个或多个类型的牙科状况分析，如上文所讨论。结果是，牙科诊断中心830可以确定多个不同的牙科状况以及那些类型的所识别的牙科状况中的每种牙科状况的严重程度级别。在实施例中，牙科健康分析器834附加地使用多个不同类型的所识别的牙科状况和/或相关联的严重程度级别的信息来确定所识别的牙科状况中的两种或更多种牙科状况之间的相关性和/或因果关系。多种牙科状况可以由相同潜在的根本原因引起。此外，某些牙科状况可以是其它牙科状况的潜在的根本原因。潜在的根本原因牙科状况的治疗可以缓解或中止其它牙科状况的进一步发展。例如，咬合不正(例如，牙齿拥挤和/或牙齿间隔或间隙)、牙齿磨损和龋齿都可以针对相同牙齿或同一组牙齿来识别。牙科诊断中心830可以分析具有共同的、重叠的或相邻的感兴趣区域的这些所识别的牙科状况，并确定一种或多种牙科状况之间的相关性或因果联系。在示例中，牙科诊断中心830可以确定特定牙齿分组的龋齿和牙齿磨损是由该牙齿分组的牙齿拥挤引起的。通过对该牙齿分组执行正畸治疗，可以矫正咬合不正，这可以防止或减少该牙齿分组的进一步龋齿进展和/或牙齿磨损。在另一个示例中，可以针对牙弓的区域识别牙菌斑、牙齿着色和牙龈退缩。牙齿着色和牙龈退缩可以是牙菌斑过多的症状。牙科诊断中心830可确定牙菌斑是牙齿着色和/或牙龈退缩的潜在原因。

在实施例中，当前识别的牙科状况可以由牙科诊断中心830使用以预测当前未指示的未来牙科状况。例如，可以评估重度咬合接触以预测与重度咬合接触相关联的区域中的牙齿磨损和/或牙齿裂纹。这种分析可以通过将口内数据(例如，当前口内数据和/或过去口内数据)和/或从口内数据中识别的牙科状况输入到经训练的机器学习模型中来执行，该经训练的机器学习模型已被训练以基于当前牙科状况和/或当前齿列(例如，牙弓的当前3D表面)预测未来牙科状况。机器学习模型可以是本文别处讨论的机器学习模型的类型中的任何一个。机器学习模型可以输出指示牙科状况的预测定位和/或牙科状况的类型的概率图。可选地，机器学习模型可以输出一个或多个未来牙科状况的预测，而不识别那些牙科状况被预测位于何处。

牙科状况评估工具835可以使医生能够查看和执行各种类型的牙科状况的评估。每个类型的牙科状况可与其自身独特的牙科状况评估工具或一组牙科状况评估工具相关联。

图9A-图12示出了根据本公开的实施例的由牙科诊断中心执行的方法的流程图。这些方法可以由处理逻辑来执行，处理逻辑包括硬件(例如，电路、专用逻辑、可编程逻辑、微码等)、软件(诸如在处理装置上运行的指令)或其组合。在一个实施例中，处理逻辑对应于图8的计算装置805(例如，对应于执行口内扫描应用808的计算装置805和/或牙科诊断中心830)。

图9A-图9B示出了根据本公开的实施例的分析患者的牙齿和牙龈的方法900的流程图。在框902处，医生或牙科从业人员扫描患者的口内腔。在框907处，处理逻辑从在框902处执行的扫描接收扫描数据。扫描数据可以包括3D扫描数据(例如，彩色或单色3D扫描数据908，其可以以点云、高度图、图像或其它数据类型的形式接收)和/或基于扫描数据生成的患者的牙弓的一个或多个3D模型。扫描数据还可以包括NIRI图像910和/或彩色图像912。3D扫描数据908、NIRI图像910和/或彩色图像912可以全部由口内扫描仪生成。在框904处，医生或牙科从业人员可以生成附加的患者数据。在框909处，处理逻辑接收附加的患者数据。附加的患者数据可以包括x光图像916(例如，咬翼x光图像和/或全景x光图像)和/或牙科信息914(例如，诸如牙科从业人员的观察、活组织检查结果、CBCT扫描数据、超声数据等)。在框906处，处理逻辑可以为正被扫描的患者导入患者记录。在框911处，处理逻辑可以接收导入的患者记录。导入的患者记录可以包括历史患者数据，诸如历史NIRI图像918、彩色图像920、3D扫描数据或从这种3D扫描数据922生成的3D模型、x光图像924和/或其它信息。

在框928处，处理逻辑使用一个或多个数据分析引擎(例如，图8的(一个或多个)牙科健康分析器834)来处理接收到的牙科数据(包括在框908、909和/或911处接收到的数据)，以识别一个或多个类型的牙科状况的存在和/或一个或多个检测到的牙科状况的严重程度级别。如上所述，处理逻辑可以执行龋齿分析930、变色分析932、咬合不正分析934、牙齿磨损分析936、牙龈退缩分析938、牙菌斑分析940、牙齿裂纹分析942、牙龈肿胀分析944和/或牙齿拥挤分析946(和/或牙齿间隔分析)。各种分析可以包括时间点分析以及基于来自多个不同时间的数据的时间依赖性(time-dependent)分析。例如，可以将较旧的扫描数据与最近的扫描数据进行比较，以确定牙科状况是否已经改善、保持不变、恶化等。此外，可以确定在其中识别出牙科状况的各个感兴趣区域处的各种牙科状况的轨迹，并且将其投影到未来和/或过去。在一些实施例中，一个或多个牙科健康分析器的输出被用作(单独或与口内数据一起)到其它牙科健康分析器的输入。例如，咬合不正的存在或不存在可以用作对执行龋齿分析930的牙科健康分析器和/或执行牙菌斑分析940的牙科健康分析器的输入。

在框948处，处理逻辑基于在框928处执行的牙科状况分析的成果生成诊断结果。处理逻辑可以生成龋齿结果950、变色结果952、咬合不正结果954、牙齿磨损结果956、牙龈退缩结果958、牙菌斑结果960、牙龈肿胀结果962、牙齿拥挤和/或间隔结果964和/或牙齿裂纹结果966。诊断结果可以包括与每个类型的牙科状况相关联的检测到的AOI，以及AOI的牙科状况的严重程度级别。诊断结果可以包括定性测量，诸如AOI的尺寸、牙龈区域的衰退量、牙齿区域的磨损量以及变化量(例如，对于龋齿、牙齿磨损、牙龈肿胀、牙龈衰退、牙齿变色等))、变化速率(例如，对于龋齿、牙齿磨损、牙龈肿胀、牙龈衰退、牙齿变色等)等等。诊断结果还可以包括定性结果，诸如关于AOI处的牙科状况是否已经改善、保持不变或已经恶化的指示、关于牙科状况已经改善或恶化的速度的指示、牙科状况的改善或恶化的加速等等。可以已经确定了预期变化速率(例如，自动地或利用医生输入)，并且可以将在AOI处测量的牙科状况的变化速率与预期的变化速率进行比较。可以记录预期的变化速率和所测量的变化速率之间的差异，并将其包括在诊断结果中。可以为每个诊断结果自动地分配关于牙科程序的代码和命名法(CDT)代码或用于牙科中提供的其它健康和附属服务的程序代码。可以为每个诊断结果自动地分配适当的保险代码和相关的财务信息。

在实施例中，一个或多个所识别的程序的图像文档可以从扫描数据(例如，口内图像)导出，并且与特定的治疗代码(例如，CDT代码)相关联，以证明已执行的或将要执行的程序的合理性(justification)，诸如用于保险范围目的。在示例中，牙龈炎症和/或(如果能检测到，则为龈上或龈下的)结石的图像能够伴随(或被用户配置为附接至)牙周程序代码。在另一示例中，龋齿的图像能够伴随恢复代码或附接至恢复代码上，破碎(fracture)或内部破碎(abfraction)的图像能够伴随咬合和假体修复代码或附接至咬合和假体修复代码上，拥挤/间隔的图像能够伴随正畸代码或附接至正畸代码，等等。这可以满足一些保险公司的要求，这些公司在授权某些程序之前可能需要文档。

在框968处，处理逻辑在诸如图1C所示的牙科诊断中心的用户界面中呈现牙科状况分析结果的临床指示。另外，临床指示可以被自动地添加到患者图表中。例如，可以自动地更新患者图表以识别每个识别的牙科状况、受牙科状况影响的牙齿和/或牙龈区域、牙科状况的严重程度级别、和/或关于识别牙科状况的AOI的其它信息。医生也可以添加关于牙科状况的注释，这些注释也可以添加到患者图表中。

在用户界面中呈现的信息可以包括各种分析的定性结果和/或定量结果。在实施例中，示出了牙科诊断概要，其包括高级别结果，但不包括低级别细节或构成高级别结果基础的详细信息。分析的所有结果可以在统一视图中一起呈现，该统一视图提高了临床效率，并提供了医生和患者之间关于患者的口腔健康以及如何最好地治疗牙科状况的改善的沟通。牙科状况结果的概要可以不包括或显示在何处识别出与特定牙科状况相关联的AOI和/或识别出多少此类AOI的细节。相反，在实施例中，可以呈现使医生能够制定关于患者的口腔健康的初始印象所必需的最小量的信息。在实施例中，可以基于严重程度级别对牙科状况进行分级。在实施例中，牙科状况被分组到多个分类中，其中一个分类可以指示没有发现问题(指示不需要医生检查那些牙科状况)，一个分类可以指示发现潜在问题(指示医生可能想要检查那些牙科状况，但是这样的检查不紧急)，和/或一个分类可以指示发现问题(指示建议医生立即检查那些牙科状况)。

在用户界面中呈现的信息可以包括识别在当前或最近的患者就诊中检测到但在先前的患者就诊中没有检测到的一个或多个新的牙科状况的信息。在用户界面中呈现的信息可以包括识别在先前的患者就诊和当前或最近的患者就诊之间已经改善的一个或多个先前存在的牙科状况的信息。在用户界面中呈现的信息可以包括识别在先前的患者就诊和当前或最近的患者就诊之间已经恶化的一个或多个先前存在的牙科状况的信息。在用户界面中呈现的信息可以包括识别在先前的患者就诊和当前或最近的患者就诊之间没有改变的一个或多个先前存在的牙科状况的信息。

在框970处，处理逻辑接收对要检查的指示的选择。例如，医生可以选择要检查的龋齿指示。在框972处，处理逻辑启动与所选的指示相关联的一个或多个工具。在框974处，处理逻辑为与所选的指示974相关联的一个或多个工具提供用户界面，如图2-图6中的示例所示。经由用户界面，医生可以检查关于所选的牙科状况类型的详细信息。

在框976处，处理逻辑可以经由用户界面接收(例如，来自医生)关于所选的指示的用户输入。用户输入可以包括定义一个或多个病例特定的感兴趣区域和/或感兴趣问题(例如，牙科状况)的用户输入，以在将来的扫描中进行跟进。在未来的患者就诊中，牙医可以为患者生成新的口内数据，并且当执行患者的牙科健康的未来分析时，新的口内数据可以与AOI和/或感兴趣问题的定义一起使用。用户输入可以附加地或替代地包括定义所有患者的AOI和/或感兴趣的问题(例如，牙科状况)的定制的用户输入。例如，医生可以定义用于检测牙科状况和/或用于评估牙科状况的严重程度的标准(例如，阈值)。医生可以附加地或替代地推翻(override)分析结果，例如通过手动地更新被指示为特定分类的牙科状况的问题的AOI，使得其不被标记为问题。牙科诊断中心可以为医生定制和/或由医生定制，以使医生能够开发他们自己的工作流程，来帮助患者了解他们的口腔健康、检测到的牙科状况和用于解决牙科状况的选项。

在框978处，处理逻辑确定建议的治疗。每个类型的牙科状况可以与在牙科和/或正畸中执行的用于治疗该类型的牙科状况的一个或多个标准治疗相关联。基于所识别AOI的位置、所识别AOI的牙科状况、具有牙科状况的AOI的数量和/或牙科状况的严重程度级别，可以建议治疗计划。医生可以基于其实践和/或偏好检查治疗计划和/或调整治疗计划。在一些实施例中，医生可以定制牙科诊断中心，以基于医生的偏好给予某些类型的治疗选项优于其它类型的治疗选项的偏好。可以针对每个经确定具有临床意义的所识别的牙科状况确定治疗。

在框980处，处理逻辑可以经由用户界面输出建议的一个或多个治疗。在实施例中，在框984处，处理逻辑可以接收对预后模拟的请求。在框990处，处理逻辑模拟有和/或没有治疗的牙科状况的预后。预后模拟可以基于所确定的AOI和所选的牙科状况。如果在框980处选择和/或建议了治疗，则所建议和/或所选的治疗选项可以用于确定预后。在实施例中，可以生成没有治疗的第一预后以示出没有治疗的牙科状况的可能病程，并且可以生成具有治疗的第二预后以示出具有治疗的牙科状况的可能病程。在框992处，经由用户界面输出所生成的预后(或多个预后)。该预后可以向患者示出和/或可以被发送给患者以供考虑(例如，关于预后的链接可以被发送给患者的计算装置)。

预后可以包括自动生成的患者通信数据(也称为教育信息)，其便于医生与患者关于预后和可能的治疗进行通信。可以针对检测到的牙科状况的类型中的每一个生成患者通信数据，并且可以经由统一呈现一起呈现给患者或者作为针对一个或多个类型的牙科状况的离散呈现而单独地呈现给患者。患者交流数据可以包括文本和/或图形信息，以非临床医生容易理解的方式解释和强调发现和预后。患者通信数据可以使用患者自己的齿列示出患者的预后，预后在具有和/或没有治疗的情况下被投射到将来。患者通信数据可以包括一个或多个所选AOI和/或牙科状况的数据，或者可以包括每个AOI和/或牙科状况的数据或者超过特定严重程度级别阈值的每个AOI和/或牙科状况的数据。在实施例中，患者佩戴增强现实(AR)或虚拟现实(VR)显示器，并且经由增强现实和/或虚拟现实来示出发现和/或预后。

在示例中，患者通信数据可以包括医生同意应当被处理和/或监测的被识别的牙科状况中的一些或全部。患者通信数据还可以包括与患者先前就诊时的牙科状况和/或AOI的比较，以及AOI和/或牙科状况在两次就诊之间如何改变的指示。患者通信数据可以包括关于先前是否讨论了AOI和/或牙科状况的指示，以及关于AOI和/或牙科状况做出的决策。例如，患者通信数据可以指示患者已经被告知问题，并且医生和/或患者正在关注该问题，但是目前不计划治疗该问题。

可以呈现教育信息，其可以基于患者的齿列(例如，使用患者的牙弓的3D模型)被定制或不被定制。教育信息可以使用该患者自己的齿列，通过牙科状况的不同严重程度级别来示出患者的进展。在实施例中，牙科状况分析工具可以用于将患者的牙弓分割成牙齿和齿龈，以识别牙齿和齿龈中的牙科状况，并预测和提供用于患者的牙弓的各种牙科状况的进展的动画。教育信息还可以示出如何利用治疗选项和/或随着患者行为的改变(例如，每天刷牙两次、使用牙线、佩戴夜用护板等)来停止或逆转牙科状况的进展。可以针对本文所讨论的每个类型的牙科状况来示出这种教育信息。

关于要监测的牙科状况和/或AOI的信息以及关于要治疗的牙科状况和/或AOI的信息可以用于以自动的方式为患者生成定制报告，而几乎没有或根本没有医生输入。患者通信数据进一步可以包括排序信息，该排序信息识别要执行的第一治疗和/或要处理的牙科状况、后续要执行的治疗和/或要处理的牙科状况等等。患者通信数据可以指示对于患者的牙科健康哪些治疗是可选的以及哪些治疗是必要的，并且可以进一步指示与牙科状况和相关联的治疗中的每个相关联的紧迫性。例如，可以识别为紧急情况的牙科状况，可以识别应当在不远的将来(例如，接下来的几个月)处理的那些牙科状况，以及可以识别不紧急但最终应当处理的那些牙科状况。这使医生和患者能够对治疗选项进行优先排序。患者通信数据还可以包括关于治疗特定牙科状况的医生的百分比、针对那些牙科状况执行的治疗的类型以及执行那些治疗的速率等信息。

在框982处，处理逻辑接收要监测和/或治疗的一个或多个AOI和/或牙科状况的指示。对于治疗AOI和/或牙科状况的指示，该方法前往框992。对于监测AOI和/或牙科状况的指示，该方法前往框986。

在框986处，处理逻辑更新患者记录以跟进关于被识别用于监测的AOI和/或牙科状况。在下次患者就诊时，处理逻辑将对被标记为跟进的那些AOI和/或牙科状况进行标志。

在框992处，处理逻辑可以输出用于如上所述患者检查的指示和/或预后的可视化。所呈现的信息可以包括关于保险信息(例如，保险是否保障治疗)和/或费用的信息。例如，所呈现的信息可以包括将被执行以治疗一种或多种牙科状况的每个治疗的费用的成本明细。患者可以接受或拒绝一个或多个治疗选项。响应于对治疗选项(或多个治疗选项)的接受，处理逻辑可以用关于科状况和/或治疗的信息自动地填写保险文书，并且可以在一个或多个治疗的开端之前(例如，经由全权委托投资组合管理解决方案(DPMS)系统)自动地将填写后的保险文书递送到保险公司和/或从保险公司获得预先授权(例如，经由从保险公司接收的响应)。

图10示出了根据本公开的实施例的分析患者的齿列的方法1000的流程图。在图10的框1005处，处理逻辑接收患者的口内腔的当前或最近的口内扫描数据。在框1010处，处理逻辑可以接收患者的附加的当前或最近的牙科数据，诸如彩色图像、NIRI图像、x光图像等等。在框1012处，处理逻辑可以使用当前或最近的扫描数据和/或附加的当前或最近的牙科数据来生成患者的一个或多个牙弓的当前或最近的版本的3D模型。可选地，3D模型可以已经被生成，并且在框1005处接收的当前或最近的扫描数据可以包括牙弓的3D模型。

在框1015处，处理逻辑接收患者的口内腔的先前的口内扫描数据。在框1020处，处理逻辑可以接收患者的附加的先前的牙科数据，诸如彩色图像、NIRI图像、x光图像等等。在框1025处，处理逻辑可以使用先前扫描数据和/或附加的先前的牙科数据来生成患者的一个或多个牙弓的先前版本的3D模型。可选地，3D模型可以已经被生成，并且在框1015处接收的先前扫描数据可以包括牙弓的先前3D模型。

在框1025处，处理逻辑处理当前或最近的扫描数据、附加的当前或最近的牙科数据、当前或最近的3D模型、先前的口内扫描数据、先前的牙科数据和/或先前的3D模型，以针对多种牙科状况中的每种牙科状况确定是否为患者检测到牙科状况以及患者的牙科状况的严重程度。框1025的操作可以通过将与当前或最近的扫描数据、附加的当前或最近的牙科数据、当前或最近的3D模型、先前的口内扫描数据、先前的牙科数据和/或先前的3D模型相关联的数据输入到一个或多个经训练的机器学习模型中来执行。在实施例中，输入到经训练的机器学习模型中的数据可以包括图像(其可以被裁剪)、3D表面数据和/或3D模型在2D平面上的投影。一个或多个经训练的机器学习模型可以被训练以接收输入数据并输出AOI的分类和这些AOI的相关牙科状况。在一个实施例中，一个或多个经训练的机器学习模型的输出包括一个或多个概率图或分类图，其针对来自输入数据的每个点或像素指示该点或像素属于一种或多种牙科状况分类并且形成与牙科状况相关联的AOI的一部分的概率。经训练的机器学习模型可以另外经训练以输出与AOI相关联的牙科状况的严重程度级别。或者，处理逻辑可以使用一个或多个经训练的机器学习模型的输出(可选地，输入到经训练的机器学习模型中的数据)来执行附加的处理以确定所述AOI处的牙科状况的严重程度级别。

在框1030处，处理逻辑在图形用户界面或其它显示中(例如，在诸如图1C所示的牙科诊断概要中)一起呈现多种牙科状况的指示。针对每种牙科状况，该指示可以示出是否为患者检测到牙科状况以及牙科状况的严重程度。例如，对于每个牙科状况，可以有一个指示，该指示示出针对该牙科状况检测到存在问题、针对该牙科状况检测到存在潜在问题、或者针对该牙科状况检测到存在问题。当前或最近的一个或多个牙弓的3D模型也可以与牙科状况的指示一起呈现。

图11示出了根据本公开的实施例的导航牙科诊断中心的方法1100的流程图。在实施例中，方法1100可以在方法1000已被执行之后被执行。在方法1100的框1105处，处理逻辑接收对牙科状况的选择。可以响应于在方法1000的框1030处一起呈现牙科状况的指示，来接收该选择。在框1110处，处理逻辑启动与所选的牙科状况相关联的一个或多个工具。工具可以包括例如龋齿分析和检查工具、正畸治疗工具、牙渍评估工具、咬合接触评估工具等等。

在框1115处，处理逻辑确定患者的一个或多个牙弓上的一个或多个AOI的位置，在该位置处检测所选的牙科状况。在框1120处，处理逻辑显示一个或多个牙弓的3D模型以及在3D模型上的所确定的位置处示出的AOI。医生可以检查AOI，以对牙科状况的存在和/或严重程度做出自己的评估。这可以包括放大或缩小AOI、平移、旋转AOI视图、查看有关AOI的其它数据，诸如NIRI成像数据、紫外成像数据、颜色数据、x光数据等等。

在框1125处，一旦医生完成对与所选的牙科状况相关联的AOI的评估，处理逻辑可以接收输入，以返回到示出所有牙科状况的视图(例如，返回到牙科诊断概要)。在框1130处，处理逻辑在GUI中一起呈现牙科状况的3D模型和/或指示。例如，处理逻辑可以返回到牙科诊断概要的视图。

图12示出了根据本公开的实施例的生成患者的所识别的牙科状况和/或牙龈状况的呈现的方法1200的流程图。在实施例中，方法1200可以在方法1000和/或方法1100之后执行。在方法1200的框1205处，处理逻辑提供患者的牙弓上的一个或多个AOI处的一个或多个检测到的牙科状况的预后。作为提供预后的一部分，处理逻辑可以确定预后，诸如通过使用机器学习和/或通过将检测到的每种牙科状况的进展和/或变化速率投射到未来，来确定预后。在框1210处，处理逻辑提供用于治疗一种或多种牙科状况的一个或多个推荐。这些推荐可以基于从许多医生处收集的关于许多患者的数据，并且可以针对类似于为当前患者检测到的那些的牙科状况，指示所执行的特定治疗。例如，在框1215处，处理逻辑可以针对一个或多个预后和牙科状况(并且可选地基于关于手头患者的历史信息)确定为治疗类似的牙科状况而执行的治疗以及相关联的治疗结果。处理逻辑可以基于历史信息来确定为治疗类似的牙科状况而执行的一个或多个治疗中的至少一个或相关联的治疗结果。在框1220处，处理逻辑可以输出为治疗类似状况而执行的一个或多个治疗和/或相关联的治疗结果的指示。

在框1225处，处理逻辑可以确定与推荐治疗相关联的成本。在框1230处，处理逻辑接收对一种或多种牙科状况和/或治疗的选择。在框1235处，处理逻辑自动地生成包括所选的牙科状况、所选的牙科状况的相关联的预后、所选的治疗和/或所选的治疗的成本明细的呈现。在框1240处，所生成的呈现可以被示出给患者和/或可以被发送给患者的用户装置(例如，发送给患者的移动计算装置或传统上固定的计算装置)。这可以包括向患者的用户装置发送访问该呈现的链接。

图13示出了计算装置1300的示例形式的机器的图形表示，在其中可以执行用于使得该机器执行本文所讨论的任何一个或多个方法的一组指令。在替代实施例中，该机器可以连接(例如，联网)到局域网(LAN)、内联网、外联网或因特网中的其它机器。该机器可以在客户端-服务器网络环境中以服务器或客户端机器的能力运行，或者作为对等(或分布式)网络环境中的对等机器运行。该机器可以是个人计算机(PC)、平板计算机、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、网络装置、服务器、网络路由器、交换机或桥接器，或任何能够执行一组指令(顺序或其它)以指定该机器要采取的动作的机器。此外，虽然仅示出了单个机器，但是术语“机器”还应当被视为包括单独地或联合执行一组(或多组)指令以执行本文讨论的任何一个或多个方法的任何机器(例如，计算机)的集合。在一个实施例中，计算装置1300对应于图8的计算装置805。

示例计算装置1300包括处理装置1302、主存储器1304(例如，只读存储器(ROM)、闪存、诸如同步DRAM(SDRAM)的动态随机存取存储器(DRAM)等)、静态存储器1306(例如，闪存、静态随机存取存储器(SRAM)等)和辅助存储器(例如，数据存储装置1328)，其经由总线1308彼此通信。

处理装置1302代表一个或多个通用处理器，例如微处理器、中央处理单元等。更具体地，处理装置1302可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、实现其它指令集的处理器或实现指令集组合的处理器。处理装置1302还可以是一个或多个专用目的处理装置，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。处理装置1302被配置为执行用于执行本文讨论的操作和步骤的处理逻辑(指令1326)。

计算装置1300还可以包括用于与网络1364通信的网络接口装置1322。计算装置1300还可以包括视频显示单元1310(例如，液晶显示器(LCD)或阴极射线管(CRT))、字母数字输入装置1312(例如，键盘)、光标控制装置1314(例如，鼠标)和信号生成装置1320(例如，扬声器)。

数据存储装置1328可以包括机器可读存储介质(或者更具体地，非暂时性计算机可读存储介质)1324，其上存储有实施本文所述的任何一个或多个方法或功能的一组或多组指令1326。非暂时性存储介质是指除载波以外的存储介质。在由计算机装置1300执行指令期间，指令1326还可以完全或至少部分地驻留在主存储器1304内和/或处理装置1302内，主存储器1304和处理装置1302也构成计算机可读存储介质。

计算机可读存储介质1324还可以用于存储牙科诊断中心1350，其可以对应于图8的类似命名的组件。计算机可读存储介质1324还可以存储包含用于牙科诊断中心1350的方法的软件库。虽然计算机可读存储介质1324在示例实施例中被显示为单个介质，但是术语“计算机可读存储介质”应当被视为包括存储一组或多组指令的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存和服务器)。术语“计算机可读存储介质”还应被视为包括任何非暂时性介质(例如，除载波之外的介质)，其能够存储或编码一组指令以供机器执行，并且使得机器执行本公开的任何一个或多个方法。因此，术语“计算机可读存储介质”应被视为包括但不限于固态存储器，以及光学和磁性介质。

应当理解，以上描述旨在是说明性的而非限制性的。在阅读和理解以上描述后，许多其它实施例将是显而易见的。尽管已经参考特定示例实施例描述了本公开的实施例，但是应当认识到，本公开不限于所描述的实施例，而是可以在所附权利要求的精神和范围内通过修改和变更来实践。因此，说明书和附图被视为说明性意义而非限制性意义。因此，本公开的范围应当参考所附权利要求以及这些权利要求所赋予的等同物的全部范围来确定。

Claims (43)

1.一种评估患者的牙科状况的方法，包括：

接收所述患者的口内腔的口内扫描数据；

处理所述口内扫描数据，以针对多种牙科状况中的每种牙科状况确定是否为所述患者检测到所述牙科状况以及所述牙科状况的严重程度级别；以及

在图形用户界面(GUI)中一起呈现所述多种牙科状况的指示，其中，针对所述多种牙科状况中的每种牙科状况，所述指示示出了是否为所述患者检测到所述牙科状况以及所述牙科状况的严重程度级别。

2.根据权利要求1所述的方法，其中，处理所述口内扫描数据包括使用一个或多个模型来处理所述口内扫描数据，其中，所述一个或多个模型中的每个模型与不同类型的牙科状况相关联。

3.根据权利要求2所述的方法，其中，所述一个或多个模型中的至少一个模型包括经训练的机器学习模型，所述经训练的机器学习模型已经被训练以接收所述口内扫描数据作为输入并生成输出，所述输出指示以下中的至少一种概率：所述患者具有一种或多种牙科状况的概率，或者在所述患者的口内腔中的感兴趣区域的位置处检测到所述一种或多种牙科状况的概率。

4.根据权利要求1-3中任一项所述的方法，其中，所述多种牙科状况包括选自包括龋齿、牙龈退缩、牙齿磨损、咬合不正、牙齿拥挤、牙齿间隔、牙菌斑、牙渍和牙齿裂纹的组的一种或多种牙科状况。

5.根据权利要求1-4中任一项所述的方法，还包括：

基于所述口内扫描数据生成所述患者的一个或多个牙弓的三维(3D)模型；以及

在所述GUI中呈现所述患者的一个或多个牙弓的3D模型以及所述多种牙科状况的指示。

6.根据权利要求1-5中任一项所述的方法，还包括：

基于所述口内扫描数据生成所述患者的一个或多个牙弓的三维(3D)模型；

接收从所述多个牙科状况中对牙科状况的选择；

确定在所述一个或多个牙弓上检测到牙科状况的一个或多个感兴趣区域的位置；以及

显示牙弓的3D模型，其中，在所确定的一个或多个感兴趣区域的位置处，所述一个或多个感兴趣区域被示出在所述一个或多个牙弓的3D模型上。

7.根据权利要求1-6中任一项所述的方法，其中，所述口内扫描数据包括三维扫描数据、二维近红外扫描数据和二维彩色扫描数据，并且其中，所述三维扫描数据、所述二维近红外扫描数据和所述二维彩色扫描数据中的至少两种被一起处理以确定所述多种牙科状况中的一种或多种牙科状况。

8.根据权利要求1-7中任一项所述的方法，其中，所述口内扫描数据由口内扫描仪生成，所述方法还包括：

接收所述患者的口腔的多个x光图像、所述患者的口腔的全景x光、所述患者的口腔的锥束计算机断层(CBCT)扫描或所述患者的口腔的一个或多个彩色二维图像中的至少一个，其中，所述多个x光图像、所述全景x光、所述CBCT扫描或所述一个或多个彩色二维图像中的至少一个由除了口内扫描仪之外的一个或多个装置生成；

其中，处理所述口内扫描数据包括将所述口内扫描数据与所述多个x光图像、所述全景x光、所述CBCT扫描或所述一个或多个彩色二维图像中的至少一个一起进行处理。

9.根据权利要求1-8中任一项所述的方法，其中，所述口内扫描数据包括与当前或最近的患者就诊相关联的第一时间戳，所述方法还包括：

接收所述患者的口内腔的第二口内扫描数据，其中，所述第二口内扫描数据是在先前的患者就诊期间生成的，并且包括早于所述第一时间戳的第二时间戳；

将所述第二口内扫描数据与所述口内扫描数据进行比较以确定所述第二口内扫描数据与所述口内扫描数据之间的差异；以及

针对所述多种牙科状况中的一种或多种牙科状况，确定所述一种或多种牙科状况的变化速率；

其中，基于所述一种或多种牙科状况的当前状态和所述一种或多种牙科状况的变化速率来确定所述一种或多种牙科状况的严重程度级别。

10.根据权利要求9所述的方法，还包括执行以下步骤中的至少一个步骤：

识别在所述当前或最近的患者就诊中检测到但在所述先前的患者就诊中没有检测到的一个或多个新的牙科状况；

识别在所述先前的患者就诊和所述当前或最近的患者就诊之间已经改善的一个或多个先前存在的牙科状况；

识别在所述先前的患者就诊和所述当前或最近的患者就诊之间已经恶化的一个或多个先前存在的牙科状况；或者

识别在所述先前的患者就诊和所述当前或最近的患者就诊之间没有改变的一个或多个先前存在的牙科状况。

11.根据权利要求1-10中任一项所述的方法，其中，针对所述多种牙科状况中的至少一种牙科状况，基于所述严重程度级别与阈值的比较来确定是否检测到所述牙科状况，其中，响应于确定所述严重程度级别满足或超过所述阈值，将所述牙科状况分类为已检测到，并且其中，响应于确定所述严重程度级别低于所述阈值，将所述牙科状况分类为未检测到，所述方法还包括：

接收输入，所述输入设定所述阈值的值。

12.根据权利要求1-11中任一项所述的方法，还包括：

至少部分地基于严重程度级别对所述多种牙科状况进行分级。

13.根据权利要求1-12中任一项所述的方法，还包括：

针对为所述患者检测到的所述多种牙科状况中的一种或多种牙科状况，提供所述一种或多种牙科状况的预后和所述一种或多种牙科状况的推荐治疗；

接收对一个或多个推荐治疗的选择；以及

生成呈现，所述呈现包括所选的一个或多个推荐治疗以及所选的所述一个或多个推荐治疗的相关预后。

14.根据权利要求13所述的方法，还包括：

确定与执行所述一个或多个推荐治疗相关联的成本明细，其中，所述呈现包括所述成本明细。

15.根据权利要求13或14所述的方法，还包括：

向所述患者的用户装置发送所述呈现。

16.根据权利要求1-15中任一项所述的方法，还包括：

针对为所述患者检测到的每种牙科状况，执行以下步骤，包括：

确定所述牙科状况的预后；

基于历史信息确定为治疗类似的牙科状况而执行的一个或多个治疗或相关治疗结果中的至少一个；以及

输出为治疗所述类似的牙科状况而执行的一个或多个治疗或相关治疗结果中的至少一个的指示。

17.根据权利要求1-16中任一项所述的方法，其中，确定是否为所述患者检测到牙科状况以及所述牙科状况的严重程度级别包括为所述牙科状况分配多个牙科状况分类器中的一个牙科状况分类器，其中，所述多个牙科状况分类器包括指示存在所述牙科状况的第一牙科状况分类器、指示可能存在所述牙科状况的第二牙科状况分类器以及指示不存在所述牙科状况的第三牙科状况分类器。

18.根据权利要求1-17中任一项所述的方法，其中，所述多种牙科状况的指示一起呈现在所述GUI的牙科诊断概要中。

19.一种计算机可读介质，包括指令，所述指令在被处理装置执行时使得所述处理装置能够执行权利要求1-18中任一项所述的方法。

20.一种系统，包括：

存储器，用于存储指令，所述指令用于执行权利要求1-18中任一项所述的方法；以及

处理装置，能够操作地连接到所述存储器，所述处理装置用于执行所述指令。

21.一种系统，包括：

口内扫描仪，用于生成口内扫描数据；以及

计算装置，用于执行权利要求1-18中任一项所述的方法。

22.一种方法，包括：

接收患者的口内腔的口内扫描数据；

处理所述口内扫描数据，以针对第一牙科状况确定为所述患者检测到所述第一牙科状况；以及

在图形用户界面(GUI)中呈现所述第一牙科状况的一个或多个第一指示，其中，所述一个或多个第一指示示出了为所述患者检测到所述第一牙科状况。

23.根据权利要求22所述的方法，还包括：

确定所述第一牙科状况的严重程度级别；

其中，所述一个或多个第一指示示出了所述第一牙科状况的严重程度级别。

24.根据权利要求22或23所述的方法，其中，所述一个或多个第一指示中的每个第一指示示出了在所述患者的牙弓上已经检测到所述第一牙科状况的各自的实例的位置。

25.根据权利要求22-24中任一项所述的方法，还包括：

处理所述口内扫描数据，以针对第二牙科状况确定是否为所述患者检测到所述第二牙科状况；以及

在所述GUI中呈现所述第二牙科状况的一个或多个第二指示，其中，针对所述第二牙科状况，所述一个或多个第二指示示出了是否为所述患者检测到所述第二牙科状况。

26.根据权利要求25所述的方法，还包括：

确定所述第二牙科状况的严重程度级别；

其中，所述一个或多个第二指示示出了所述第二牙科状况的严重程度级别。

27.根据权利要求25或26所述的方法，其中，所述一个或多个第二指示中的每个第二指示示出了在所述患者的牙弓上已经检测到所述第二牙科状况的各自的实例的位置。

28.根据权利要求25-27中任一项所述的方法，还包括：

处理所述口内扫描数据，以针对第三牙科状况确定是否为所述患者检测到所述第三牙科状况；以及

在所述GUI中呈现所述第三牙科状况的一个或多个第三指示，其中，针对所述第三牙科状况，所述一个或多个第三指示示出了是否为所述患者检测到所述第三牙科状况。

29.根据权利要求28所述的方法，还包括：

确定所述第三牙科状况的严重程度级别；

其中，所述一个或多个第三指示示出了所述第三牙科状况的严重程度级别。

30.根据权利要求28或权利要求29所述的方法，其中，所述一个或多个第三指示中的每个第三指示示出了在所述患者的牙弓上已经检测到所述第三牙科状况的各自的实例的位置。

31.根据权利要求22-30中任一项所述的方法，其中，处理所述口内扫描数据包括使用与所述第一牙科状况相关联的模型来处理所述口内扫描数据。

32.根据权利要求31所述的方法，其中，所述模型包括经训练的机器学习模型，所述经训练的机器学习模型已经被训练以接收所述口内扫描数据作为输入并生成输出，所述输出指示以下中的至少一种概率：所述患者具有所述第一牙科状况的概率，或者在所述患者的口内腔中检测到所述第一牙科状况的感兴趣区域的位置的概率。

33.根据权利要求22-32中任一项所述的方法，其中，所述第一牙科状况选自包括龋齿、牙龈退缩、牙齿磨损、咬合不正、牙齿拥挤、牙齿间隔、牙菌斑、牙渍和牙齿裂纹的组。

34.根据权利要求22-33中任一项所述的方法，还包括：

基于所述口内扫描数据生成所述患者的一个或多个牙弓的三维(3D)模型；以及

在所述GUI中呈现所述患者的一个或多个牙弓的3D模型以及所述第一牙科状况的一个或多个第一指示。

35.根据权利要求22-34中任一项所述的方法，其中，所述口内扫描数据包括三维扫描数据、二维近红外扫描数据和二维彩色扫描数据，并且其中，所述三维扫描数据、所述二维近红外扫描数据和所述二维彩色扫描数据中的至少两种被一起处理以确定是否检测到所述第一牙科状况。

36.根据权利要求22-35中任一项所述的方法，其中，所述口内扫描数据由口内扫描仪生成，所述方法还包括：

接收所述患者的口腔的多个x光图像、所述患者的口腔的全景x光、所述患者的口腔的锥束计算机断层(CBCT)扫描或所述患者的口腔的一个或多个彩色二维图像中的至少一个，其中，所述多个x光图像、所述全景x光、所述CBCT扫描或所述一个或多个彩色二维图像中的至少一个由除了口内扫描仪之外的一个或多个装置生成；

其中，处理所述口内扫描数据包括将所述口内扫描数据与所述多个x光图像、所述全景x光、所述CBCT扫描或一个或多个彩色二维图像中的至少一个一起进行处理。

37.根据权利要求22-36中任一项所述的方法，其中，所述口内扫描数据包括与当前或最近的患者就诊相关联的第一时间戳，所述方法还包括：

接收所述患者的口内腔的第二口内扫描数据，其中，所述第二口内扫描数据是在先前的患者就诊期间生成的，并且包括早于所述第一时间戳的第二时间戳；

将所述第二口内扫描数据与所述口内扫描数据进行比较以确定所述第二口内扫描数据与所述口内扫描数据之间的差异；以及

确定所述第一牙科状况的变化速率；

其中，基于所述第一牙科状况的当前状态和所述第一牙科状况的变化速率来确定所述第一牙科状况的严重程度级别。

38.根据权利要求22-37中任一项所述的方法，其中，基于严重程度级别与阈值的比较来确定检测到所述第一牙科状况，其中，响应于确定所述严重程度级别满足或超过所述阈值，将所述第一牙科状况分类为已检测到，并且其中，响应于确定所述严重程度级别低于所述阈值，将所述第一牙科状况分类为未检测到，所述方法还包括：

接收输入，所述输入设定所述阈值的值。

39.根据权利要求22-38中任一项所述的方法，还包括：

提供所述第一牙科状况的预后和所述第一牙科状况的一个或多个推荐治疗。

40.根据权利要求39所述的方法，还包括：

接收对所述一个或多个推荐治疗中的至少一个推荐治疗的选择；以及

生成呈现，所述呈现包括所述预后和所选的至少一个推荐治疗。

41.一种计算机可读介质，包括指令，所述指令在被处理装置执行时使得所述处理装置能够执行权利要求22-40中任一项所述的方法。

42.一种系统，包括：

存储器，用于存储指令，所述指令用于执行权利要求22-40中任一项所述的方法；以及

处理装置，能够操作地连接到所述存储器，所述处理装置用于执行所述指令。

43.一种系统，包括：

口内扫描仪，用于生成口内扫描数据；以及

计算装置，用于执行权利要求22-40中任一项所述的方法。