CN117320662A - 通过智能推荐配置牙科工作流程 - Google Patents
通过智能推荐配置牙科工作流程 Download PDFInfo
- Publication number
- CN117320662A CN117320662A CN202280030161.8A CN202280030161A CN117320662A CN 117320662 A CN117320662 A CN 117320662A CN 202280030161 A CN202280030161 A CN 202280030161A CN 117320662 A CN117320662 A CN 117320662A
- Authority
- CN
- China
- Prior art keywords
- dental
- configuration
- input data
- computer
- recommendation module
- 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
- 238000004519 manufacturing process Methods 0.000 claims abstract description 38
- 230000003068 static effect Effects 0.000 claims abstract description 9
- 238000011960 computer-aided design Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 52
- 238000003860 storage Methods 0.000 claims description 33
- 238000003754 machining Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 18
- 238000013461 design Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000012938 design process Methods 0.000 claims description 14
- 238000012986 modification Methods 0.000 claims description 11
- 230000004048 modification Effects 0.000 claims description 11
- 208000002925 dental caries Diseases 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 74
- 230000015654 memory Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 10
- 238000003801 milling Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 230000000670 limiting effect Effects 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- MCMNRKCIXSYSNV-UHFFFAOYSA-N Zirconium dioxide Chemical compound O=[Zr]=O MCMNRKCIXSYSNV-UHFFFAOYSA-N 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 238000000227 grinding Methods 0.000 description 3
- 210000004373 mandible Anatomy 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- CVSVTCORWBXHQV-UHFFFAOYSA-N creatine Chemical compound NC(=[NH2+])N(C)CC([O-])=O CVSVTCORWBXHQV-UHFFFAOYSA-N 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 210000002364 input neuron Anatomy 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 125000006850 spacer group Chemical group 0.000 description 2
- 210000001738 temporomandibular joint Anatomy 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101100458361 Drosophila melanogaster SmydA-8 gene Proteins 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010037211 Psychomotor hyperactivity Diseases 0.000 description 1
- 206010043269 Tension headache Diseases 0.000 description 1
- 208000008548 Tension-Type Headache Diseases 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 208000004188 Tooth Wear Diseases 0.000 description 1
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000029777 axis specification Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 229960003624 creatine Drugs 0.000 description 1
- 239000006046 creatine Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- WVMPCBWWBLZKPD-UHFFFAOYSA-N dilithium oxido-[oxido(oxo)silyl]oxy-oxosilane Chemical compound [Li+].[Li+].[O-][Si](=O)O[Si]([O-])=O WVMPCBWWBLZKPD-UHFFFAOYSA-N 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010433 feldspar Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 210000004283 incisor Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920000193 polymethacrylate Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 229910052726 zirconium Inorganic materials 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C13/00—Dental prostheses; Making same
- A61C13/0003—Making bridge-work, inlays, implants or the like
- A61C13/0004—Computer-assisted sizing or machining of dental prostheses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C19/00—Dental auxiliary appliances
- A61C19/04—Measuring instruments specially adapted for dentistry
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C13/00—Dental prostheses; Making same
- A61C13/0003—Making bridge-work, inlays, implants or the like
- A61C13/0006—Production methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C9/00—Impression cups, i.e. impression trays; Impression methods
- A61C9/004—Means or methods for taking digitized impressions
- A61C9/0046—Data acquisition means or methods
- A61C9/0053—Optical means or methods, e.g. scanning the teeth by a laser or light beam
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
- Dental Prosthetics (AREA)
Abstract
使用配置推荐模块,提出了用于配置牙科制造系统的推荐。该推荐考虑特定于用户的信息,诸如优选的牙科医师工具、优选的修复体美学以及由CAD/CAM(计算机辅助设计/计算机辅助制造)资源自动检索到的动态和静态输入。
Description
相关申请的交叉引用
本专利申请要求于2021年3月25日提交的美国申请No.17/211,955的权益和优先权,该申请出于所有目的通过引用并入本文。
技术领域
本发明一般而言涉及用于配置牙科工作流程的方法、系统和计算机程序产品。更具体地,本发明涉及用于智能提议用于修复体和加工过程的修复体和牙科/工作流程参数的方法、系统和计算机程序产品。
背景技术
目前,已存在设计修复体并帮助制造它们的技术。例如,牙科软件传统上可以被用于使用来自牙科专业人员的输入进行修复体设计和制造。该过程包括管理阶段,其中为患者选择修复体类型,例如单牙修复体、牙桥修复体和种植体。然后选择修复体的牙齿编号、修复体材料和材料颜色。在管理之后,在获取阶段用牙科扫描仪获得患者牙腔的三维(3D)扫描。在下一阶段,获得患者咬合的颊侧对准,绘制边际线,并确定模型和插入轴。在模型轴确定中,建立咬合面、近中和颊面视图中的朝向。另外,在产生修复体的设计之前,识别并校正预备体边际内区域中可能存在的底切。在后续阶段,基于数据库中的牙齿模型或生物通用牙齿模型获得修复体的数字设计。在获得设计之后,基于所选择的制造工艺(包括铣削或磨削选项)制造数字修复体。
发明内容
说明性实施例提供了用于配置牙科工作流程的方法、系统和计算机程序产品。在本文的一方面中,公开了一种计算机实现的方法。该计算机实现的方法包括以下步骤:接收患者的牙腔的三维(3D)扫描以用于牙科工作流程;通过被配置为自动获得关于牙科工作流程的信息的计算机辅助设计/计算机辅助制造(CAD/CAM)资源来识别用于牙科配置推荐模块的输入数据;响应于该识别,从输入数据中提取一个或多个特征,所述一个或多个特征代表完成修复体设计和/或加工过程的请求;以及使用牙科配置推荐模块提出用于修复体设计和/或加工过程的至少一种特定于用户的配置。
在本文的另一方面,公开了以下内容的任何组合:(i)提出包括以下当中的至少一项:(a)提出特定于用户的修复体设计作为第一配置、(b)提出至少一个修复体参数作为第二配置以及(c)提出至少一个特定于用户的制造参数作为第三配置,(ii)使用适配模块提供对牙科工作流程设置或多个提出的特定于用户的配置中的提出的特定于用户的配置的修改,并基于依赖性的集合计算修改的接受决定,(iii)在确定修改可接受后重新计算至少一种特定于用户的配置,(iv)从包含在牙科制造系统中或连接到牙科制造系统的设备自动获得输入数据,(v)从牙腔的3D扫描中自动检索输入数据的至少一部分,(vi)牙科配置推荐模块作为机器学习引擎来操作,(vii)输入数据是选自CAD/CAM输入数据、偏好和依赖性的数据,(viii)牙科配置推荐模块提出修复体参数作为输出,(ix)基于包括静态CAD/CAM输入数据、动态CAD/CAM输入数据和用户偏好的信息来训练牙科配置推荐模块,(x)其中信息包括从牙科制造系统(诸如椅旁修复体系统)的数据库中选择的历史数据,以及(xi)本地或远程地向牙科配置推荐模块提供新的指令和要求作为依赖性。
在本文的另一方面,公开了一种计算机系统。该计算机系统包括处理器,该处理器被配置为执行包括以下的步骤:接收患者的牙腔的三维(3D)扫描以用于牙科工作流程;通过被配置为自动获得关于牙科工作流程的信息的计算机辅助设计/计算机辅助制造(CAD/CAM)资源来识别用于牙科配置推荐模块的输入数据;响应于该识别,从输入数据中提取一个或多个特征,所述一个或多个特征代表完成修复体设计和/或加工过程的请求;以及使用牙科配置推荐模块提出用于修复体设计和/或加工过程的至少一种特定于用户的配置。
在本文的又一方面,公开了一种非暂态计算机可读存储介质。该非暂态计算机可读存储介质存储程序,当该程序由计算机系统执行时,使得计算机系统执行包括以下的过程:接收患者的牙腔的三维(3D)扫描以用于牙科工作流程;通过被配置为自动获得关于牙科工作流程的信息的计算机辅助设计/计算机辅助制造(CAD/CAM)资源来识别用于牙科配置推荐模块的输入数据;响应于该识别,从输入数据中提取一个或多个特征,所述一个或多个特征代表完成修复体设计和/或加工过程的请求;以及使用牙科配置推荐模块提出用于修复体设计和/或加工过程的至少一种特定于用户的配置。
在另一方面,实施例包括计算机可用程序产品。该计算机可用程序产品包括计算机可读存储设备,以及存储在存储设备上的程序指令。
在另一方面,实施例包括计算机系统。该计算机系统包括处理器、计算机可读存储器和计算机可读存储设备,以及经由存储器存储在存储设备上以供处理器执行的程序指令。
附图说明
在所附权利要求中阐述了被认为是本发明特点的某些新颖特征。但是,当结合附图阅读时,通过参考说明性实施例的以下详细描述,将最好地理解本发明本身以及优选的使用模式、其进一步的目的和优点,其中:
图1描绘了其中可以实现说明性实施例的数据处理系统的网络的框图;
图2描绘了其中可以实现说明性实施例的数据处理系统的框图;
图3描绘了根据说明性实施例的用于智能提议修复体和用于加工的牙科/工作流程参数的示例配置的框图;
图4A描绘了其中可以实现说明性实施例的修复体推荐配置的框图;
图4B描绘了其中可以实现说明性实施例的制造参数推荐配置的框图;
图5描绘了根据说明性实施例的呈现模块的加工界面的框图;
图6描绘了根据说明性实施例的用于基于机器学习的推荐引擎的示例训练体系架构的框图;
图7描绘了根据说明性实施例的示例过程的流程图。
具体实施方式
说明性实施例认识到,用于修复体设计和制造的每种牙科CAD/CAM软件的用户必须处理关于在每个新病例开始时定义修复体类型和加工类型以及用于加工的材料的配置。就为牙科病例配置工作流程而言,目前,牙科工作流程属性由牙科医师在软件中手动选择,这是个耗时的过程,对于新用户来说可能不方便。说明性实施例认识到,配置过程要求专家的专业知识,这些专业知识不断变得复杂并且频繁变化,并且用错误的参数进行选择、制造或设计在最好情况下将导致与预期或期望的结果大不相同的创建修复体,而在最坏情况下降导致不安全的牙科产品和工作条件。
作为示例,牙科医师在扫描患者的下颌以进行牙科过程时,通过修改由软件呈现的默认参数来手动配置修复体和制造参数。这是耗时的、容易出错的并且对于特定患者来说通常不是最优的,因为医师可能缺乏关于参数及其依赖性的所有知识。
因此,说明性实施例认识到,当前可用的工具或解决方案没有解决提供牙科工作流程配置的智能管理以便以及时的方式提供优化的修复体的需要。用于描述本发明的说明性实施例总体上通过采用机器学习引擎通过智能推荐以特定于患者和/或用户的方式配置牙科工作流程处理和解决上述问题和其它相关问题。
这种配置包括修复体参数,诸如最小壁厚、边缘厚度、边缘设计(倒角或圆形、倒角长度、边缘半径)、间隔件等。该配置还包括制造参数,诸如加工设备的类型(例如,特定铣削单元或3D打印机)、加工的类型(例如,磨削、铣削)、材料的类型(例如,长石、二硅酸锂、聚甲基丙烯酸酯、钛、锆等)、加工工具的类型或尺寸(例如,阶梯车针、圆柱车针、圆柱车针EF(超精细))、加工的模式(例如,三角形质量的优化)、加工时间/成本(例如,快速、正常、精细)。修复体参数和制造参数在本文中统称为牙科参数。值得注意的是,配置过程还可以包括为制造做准备的修复体几何形状的设计。
这些设置、配置、参数、特性等的示例并不旨在进行限制。根据本公开,本领域普通技术人员将能够想到适用于类似目的的许多其它方面,并且这些方面也被设想在说明性实施例的范围内。
仅作为示例,关于某些类型的数据、功能、算法、等式、模型配置、实施例的位置、附加数据、设备、数据处理系统、环境、组件和应用来描述说明性实施例。这些和其它类似工件的任何具体表现并不旨在限制本发明。可以在说明性实施例的范围内选择这些和其它类似工件的任何合适的表现形式。
此外,可以关于任何类型的数据、数据源或通过数据网络对数据源的访问来实现说明性实施例。在本发明的范围内,任何类型的数据存储设备可以在本地数据处理系统或数据网络上向本发明的实施例提供数据。
仅作为示例使用具体的代码、设计、体系架构、协议、布局、示意图和工具来描述说明性实施例,并且不是对说明性实施例的限制。此外,在一些情况下,为了描述的清楚,仅作为示例使用特定软件、工具和数据处理环境来描述说明性实施例。说明性实施例可以与其它可比较或类似用途的结构、系统、应用或体系架构结合使用。例如,其它牙科系统、结构、应用或其体系架构可以在本发明的范围内与本发明的这种实施例结合使用。说明性实施例可以用硬件、软件或其组合来实现。
本公开中的示例仅仅是为了描述的清楚,并且不是对说明性实施例的限制。从本公开可以想到附加的数据、操作、动作、任务、活动和操纵,并且在说明性实施例的范围内是预期的。
本文列出的任何优点仅仅是示例,并且不旨在限制说明性实施例。通过具体的说明性实施例可以实现附加或不同的优点。此外,特定的说明性实施例可以具有上面列出的优点中的一些、全部或没有。
参考附图,特别是参考图1和2,这些图是可以在其中实现说明性实施例的数据处理环境的示例图。图1和2仅仅是示例,并非旨在声明或暗示关于可以在其中实现不同实施例的环境的任何限制。特定实现可以基于以下描述对所描绘的环境进行许多修改。
图1描绘了其中可以实现说明性实施例的数据处理系统的网络的框图。数据处理环境是可以在其中实现说明性实施例的计算机的网络。数据处理环境100包括网络/通信基础设施102。网络/通信基础设施102是用于在数据处理环境100内连接在一起的各种设备、数据库和计算机之间提供通信链路的介质。网络/通信基础设施102可以包括诸如有线、无线通信链路或光纤电缆之类的连接。
客户端或服务器仅仅是连接到网络/通信基础设施102的某些数据处理系统的示例角色,并且并不旨在排除这些数据处理系统的其它配置或角色。服务器104和服务器106与存储单元108一起耦合到网络/通信基础设施102。软件应用可以在数据处理环境100中的任何计算机上执行。客户端110、客户端112、客户端114也耦合到网络/通信基础设施102。客户端110可以是牙科制造系统,诸如具有显示器和与其可操作地连接的铣削单元的牙科获取单元。诸如服务器104或服务器106或客户端(客户端110、客户端112、客户端114)之类的数据处理系统可以包含数据并且可以具有在其上执行的软件应用或软件工具。
仅作为示例,并且不暗示对这种体系架构的任何限制,图1描绘了可在实施例的示例实施方式中使用的某些组件。例如,服务器和客户端仅仅是示例,并不意味着对客户端-服务器体系架构的限制。作为另一个示例,在说明性实施例的范围内,实施例可以跨如图所示的几个数据处理系统和数据网络分布,而另一个实施例可以在单个数据处理系统上实现。数据处理系统(服务器104、服务器106、客户端110、客户端112、客户端114))还表示集群、分区和适合于实现实施例的其它配置中的示例节点。
牙科扫描仪122包括一个或多个传感器,这些传感器通过投影获得多个图像并组合投影以获得三维(3D)图像来测量牙齿几何形状和/或颜色。在示例中,牙科扫描仪122每秒捕获数千次数据点,自动配准每颗牙齿的尺寸和形状。它不断地将这些数据发送到所连接的计算机的软件,该软件将其构建成患者口腔的3D印模。
最广泛使用的数字格式是STL(标准曲面细分语言)格式。这种格式描述了一系列三角曲面,其中每个三角形由三个点和一个法线表面定义。STL文件可以仅描述三维对象的表面几何形状,而没有颜色、纹理或其它CAD模型属性的任何表示。但是,已经开发了其它文件格式来记录牙科组织的颜色、透明度或纹理(诸如多边形文件格式、PLY文件)。无论采用哪种成像技术,扫描仪或相机都会投射光,然后将光记录为各个图像并在识别POI(兴趣点)之后由软件进行编译。例如,评估图像上每个点的两个坐标(x和y),然后根据距扫描仪的距离计算第三个坐标(z)。
客户端应用120或任何其它应用116实现本文描述的实施例。客户端应用120可以使用来自牙科扫描仪122的数据来生成修复体建议。客户端应用120还可以自动从CAD/CAM资源模块324导出输入数据以用于提出修复体几何形状和牙科参数。
客户端应用120还可以在任何数据处理系统(服务器104或服务器106、客户端110、客户端112、客户端114)中执行,诸如服务器104中的客户端应用116,并且不需要在与客户端110相同的系统中执行。
服务器104、服务器106、存储单元108、客户端110、客户端112、客户端114可以使用有线连接、无线通信协议或其它合适的数据连接性耦合到网络/通信基础设施102。客户端110、客户端112和客户端114例如可以是个人计算机或网络计算机。
在所描绘的示例中,服务器104可以向客户端110、客户端112和客户端114提供诸如引导文件、操作系统映像和应用之类的数据。在这个示例中,客户端110、客户端112和客户端114可以是服务器104的客户端。客户端110、客户端112和客户端114或其某种组合可以包括它们自己的数据、引导文件、操作系统映像和应用。数据处理环境100可以包括附加的服务器、客户端和未示出的其它设备。服务器104包括应用116,该应用116可以被配置为实现本文描述的根据一个或多个实施例的用于显示实况控制视图的功能中的一个或多个。
服务器106可以包括搜索引擎,该搜索引擎被配置为响应于来自操作者的请求而搜索所存储的文件,诸如患者的图像、3D模型以及牙科诊所的偏好,如本文关于各种实施例所描述的。
在所描绘的示例中,数据处理环境100可以是互联网。网络/通信基础设施102可以表示使用传输控制协议/互联网协议(TCP/IP)和其它协议来彼此通信的网络和网关的集合。互联网的核心是主要节点或主机计算机(包括路由数据和消息的数千个牙科诊所、商业、政府、教育和其它计算机系统)之间的数据通信链路的主干。当然,数据处理环境100也可以被实现为多个不同类型的网络,诸如例如内联网、局域网(LAN)或广域网(WAN)。图1旨在作为示例,而不是作为不同说明性实施例的体系架构限制。
除了其它用途,数据处理环境100尤其可以用于实现其中可以实现说明性实施例的客户端-服务器环境。客户端-服务器环境使软件应用和数据能够跨网络分布,使得应用通过使用客户端数据处理系统和服务器数据处理系统之间的交互来起作用。数据处理环境100还可以采用面向服务的体系架构,其中跨网络分布的可互操作软件组件可以作为一致的业务应用打包在一起。数据处理环境100还可以采取云的形式,并且采用服务递送的云计算模型,以便能够方便地按需网络访问可以通过最少的管理工作或与服务提供商的交互来快速配置和发布的可配置计算资源的共享池(例如,网络、网络带宽、服务器、处理、存储器、存储装置、应用、虚拟机和服务)。
参考2,这个图描绘了其中可以实现说明性实施例的数据处理系统的框图。数据处理系统200是计算机的示例,诸如图1中的客户端110、客户端112、客户端114或服务器104、服务器106,或者对于说明性实施例实现过程的计算机可用程序代码或指令可以位于其中的另一种类型的设备。
数据处理系统200仅作为示例被描述为计算机,但不限于此。以图1中其它设备的形式的实施方式可以修改数据处理系统200,诸如通过添加触摸界面,并且甚至从数据处理系统200中消除了某些所描绘的组件,而不脱离对本文描述的数据处理系统200的操作和功能的一般描述。
在所描绘的示例中,数据处理系统200采用集线器体系架构,包括北桥和存储器控制器集线器(NB/MCH)202以及南桥和输入/输出(I/O)控制器集线器(SB/ICH)204。处理单元206、主存储器208和图形处理器210耦合到北桥和存储器控制器集线器(NB/MCH)202。处理单元206可以包含一个或多个处理器,并且可以使用一个或多个异构处理器系统来实现。处理单元206可以是多核处理器。在某些实施方式中,图形处理器210可以通过加速图形端口(AGP)耦合到北桥和存储器控制器集线器(NB/MCH)202。
在所描绘的示例中,局域网(LAN)适配器212耦合到南桥和输入/输出(I/O)控制器集线器(SB/ICH)204。音频适配器216、键盘和鼠标适配器220、调制解调器222、只读存储器(ROM)224、通用串行总线(USB)和其它端口232以及PCI/PCIe设备234通过总线218耦合到南桥和输入/输出(I/O)控制器集线器(SB/ICH)204。硬盘驱动器(HDD)或固态驱动器(SSD)226a和CD-ROM 230通过总线228耦合到南桥和输入/输出(I/O)控制器集线器(SB/ICH)204。PCI/PCIe设备234例如可以包括以太网适配器、附加卡和用于笔记本计算机的PC卡。PCI使用卡总线控制器,而PCIe则不使用。只读存储器(ROM)224可以是例如闪存二进制输入/输出系统(BIOS)。硬盘驱动器(HDD)或固态驱动器(SSD)226a和CD-ROM 230例如可以使用集成驱动电子器件(IDE)、串行高级技术附件(SATA)接口或者诸如外部SATA(eSATA)和微型SATA(mSATA)之类的变体。超级I/O(SIO)设备236可以通过总线218耦合到南桥和输入/输出(I/O)控制器集线器(SB/ICH)204。
诸如主存储器208、只读存储器(ROM)224或闪存(未示出)之类的存储器是计算机可用存储设备的一些示例。硬盘驱动器(HDD)或固态驱动器(SSD)226a、CD-ROM 230和其它类似的可用设备是包括计算机可用存储介质的计算机可用存储设备的一些示例。
操作系统在处理单元206上运行。操作系统协调并提供对图2中数据处理系统200内的各种组件的控制。操作系统可以是用于任何类型的计算平台的商用操作系统,包括但不限于服务器系统、个人计算机和移动设备。面向对象的或其它类型的编程系统与操作系统一起操作,并且从在数据处理系统200上执行的程序或应用提供对操作系统的调用。
用于操作系统、面向对象的编程系统以及应用或程序(诸如图1中的应用116和客户端应用120)的指令位于存储设备上,诸如以硬盘驱动器(HDD)或固态驱动器(SSD)226a上的代码226b的形式,并且可以被加载到一个或多个存储器(诸如主存储器208)中的至少之一中以供处理单元206执行。说明性实施例的过程可以由处理单元206使用计算机实现的指令执行,该指令可以位于存储器(诸如例如主存储器208、只读存储器(ROM)224)中或位于一个或多个外围设备中。
此外,在一种情况下,代码226b可以通过网络214a从远程系统214b下载,其中类似的代码214c存储在存储设备214d上,而在另一种情况下,代码226b可以通过网络214a下载到远程系统214b,其中下载的代码214c存储在存储设备214d上。
图1和图2中的硬件可以因实施方式而变化。除了图1和图2中描绘的硬件之外或者代替这些硬件,还可以使用其它内部硬件或外围设备,诸如闪存、等效的非易失性存储器或光盘驱动器等。此外,说明性实施例的过程可以应用于多处理器数据处理系统。
在一些说明性示例中,数据处理系统200可以是个人数字助理(PDA),其一般配置有闪存以提供用于存储操作系统文件和/或用户生成的数据的非易失性存储器。总线系统可以包括一条或多条总线,诸如系统总线、I/O总线和PCI总线。当然,总线系统可以使用任何类型的通信架构或体系架构来实现,其提供数据在附连到架构或体系架构的不同组件或设备之间的传送。
通信单元可以包括用于发送和接收数据的一个或多个设备,诸如调制解调器或网络适配器。存储器可以是例如主存储器208或高速缓存,诸如在北桥和存储器控制器集线器(NB/MCH)202中找到的高速缓存。处理单元可以包括一个或多个处理器或CPU。
图1和图2中描绘的示例和上述示例并不意味着暗示体系架构限制。例如,除了采取移动或可穿戴设备的形式之外,数据处理系统200还可以是平板计算机、膝上型计算机或电话设备。
在将计算机或数据处理系统描述为虚拟机、虚拟设备或虚拟组件的情况下,虚拟机、虚拟设备或虚拟组件以数据处理系统200的方式使用数据处理系统200中描绘的一些或全部组件的虚拟化表现形式来操作。例如,在虚拟机、虚拟设备或虚拟组件中,处理单元206表现为主机数据处理系统中可用的全部或一些数量的硬件处理单元206的虚拟化实例、主存储器208表现为主存储器208的可以在主机数据处理系统中可用的全部或某个部分的虚拟化实例,并且硬盘驱动器(HDD)或固态驱动器(SSD)226a表现为硬盘驱动器(HDD)或固态驱动器(SSD)226a的可以在主机数据处理系统中可用的全部或某个部分的虚拟化实例。此类情况下的主机数据处理系统由数据处理系统200表示。
参考图3,这个图描绘了根据说明性实施例的用于修复体和牙科/工作流程参数的智能建议的示例配置的框图。取决于特定实施方式,应用304是图1中的服务器应用116或客户端应用120中的任一个的示例。
应用304可以自动从CAD/CAM资源模块324(计算机辅助设计/计算机辅助制造资源模块)导出输入数据。CAD/CAM资源模块324可以是牙科软件组件,其从牙科软件工作流程的各个阶段检索数据和/或准备所述数据以用作CAD/CAM输入数据320。例如,通过访问在扫描阶段用牙科扫描仪122通过3D扫描获得的患者的下颌的3D模型,CAD/CAM资源模块324可以通过识别扫描主体的图像分析自动导出代表待修复牙齿的“牙齿编号”,从而防止医师需要手动录入所述牙齿编号。因此,所述“牙齿编号”可以成为输入数据302的一部分。在另一个示例中,CAD/CAM资源模块324通过例如图像分析来自动检测被扫描牙齿中的钻孔洞,并作为一种类型的要设计的修复体导出“嵌体”。因此,“嵌体”变成输入数据302的一部分。另外,CAD/CAM资源模块324根据从例如患者简档、医师简档、组简档、所连接的设备等获得的偏好322进行检测。从患者简档来看,美学材料可以是优选的。通常,1-3mm的上颌切牙结构在静止状态下会在年轻的笑容中显现出来。从这个位置来看,如果患者具有高美观要求并且显示出大量的牙齿结构(根据患者的简档,微笑时嘴唇过度活动超过7mm),那么通常可以选择尽可能美观的材料作为机器学习引擎的输入以便获得牙科参数输出提议。但是,能够访问患者的简档或扫描数据的CAD/CAM资源模块324检测咬合肌紊乱、咀嚼肌酸痛或疲劳(紧张性头痛)、TMJ(颞下颌关节)问题、牙齿磨损等的证据。由于这些问题会影响输出提议的适当性,因此它们可以形成用作提议生成的输入数据的依赖性的集合326的一部分。其它依赖性包括例如“超精细”加工模式是否与可烧结材料兼容,或者牙科软件中对修复体设计的后期改变是否能在预定义特性发生对应改变的情况下维持修复体完整性(例如,后期改变是否可以考虑边际强制执行)。另外,输入数据302的各个部分可以被加权或优先化以驱动提议中的对应改变。这些依赖关系可以是复杂的,需要大量的教育,并且可能并不总是每个用户都可访问。因此,不考虑所述依赖性会导致次优的加工结果、过程和成本。
在实施例中,特征提取组件314被配置为基于来自所有不同的可用特征的数据(例如,CAD/CAM输入数据320、偏好322)生成提议的相关特征。在该实施例中,特征提取组件314从应用304接收请求,该请求至少包括所需推荐/提议类型的标识(例如,修复体推荐410或制造参数推荐422,如图4A和图4B中所示)。基于推荐类型,特征提取组件314从与所需的请求或提议相关的偏好322和/或任何依赖性326获得特定CAD/CAM输入数据320、患者、医师或组简档信息的任何组合。在该实施例中,特征提取组件314使用定义的优先化或依赖性的算法来生成特征作为配置推荐模块316的输入。在特定实施例中,如图4A中所示,推荐类型是修复体推荐410并且提取出的特征包括动态CAD输入402、静态CAD输入404和用于CAD的偏好406。动态CAD输入402或用于修复体推荐410的特定于患者的CAD输入包括例如患者下颌的3D几何形状、要修复的牙齿的牙齿编号,以及要产生的修复体类型。用于修复体推荐410的静态CAD输入404包括例如铣削单元/3D打印机、材料类型和连接到牙科系统的器械/工具,而用于CAD的偏好406包括例如美学质量。用于修复体推荐410的提议可以包括CAD修复体几何形状和修复体参数,诸如最小壁厚值、边缘厚度值、边际线提议、边缘设计(倒角或圆形、倒角长度、边缘半径)、间隔件设计等,在本文被称为修复体参数/几何形状提议412。在另一个特定实施例中,如图4B中所示,推荐类型是制造参数推荐422,并且提取出的特征包括动态CAM输入414、静态CAM输入416和用于CAM的偏好418。用于制造参数推荐422的动态CAM输入414或特定于患者的CAM输入包括例如修复体几何形状(诸如来自修复体推荐410的所提议的修复体几何形状)、待修复牙齿的牙齿编号以及所提议的修复体的类型(例如,牙冠、嵌体、高嵌体、贴面等)。用于制造参数推荐422的静态CAM输入416包括例如铣削单元/3D打印机、材料类型和连接到牙科系统的器械/工具,而用于制造参数推荐422的用于CAM的偏好418包括例如美观质量和铣削时间。对制造参数推荐422的提议可以包括制造参数424,诸如在加工期间要使用的参数,例如,工艺定义的选择(包括预成型、粗加工、精加工、精细加工、裂纹的后处理、准备线的后处理、销钉减少、插入轴的变化、关于3轴或5轴的决定、同时加工)、路径策略的选择(包括恒定z、恒定x/y、恒定尖点、切片)、路径距离的选择、进给尺寸、换刀(form feed)、加速限制、向后限制、旋转速度、旋转方向等。制造参数424还可以包括要在3D打印期间使用的参数,诸如建筑空间中的定位和定向、熔融沉积建模(FDM)、线宽度、打印切片尺寸、图像分辨率、曝光强度、时间等。
在一个或多个说明性实施例中,特征提取组件314被结合在深度神经网络中。配置推荐模块316使用获得的特征来生成提议312。配置推荐模块316可以基于例如人工机器学习神经网络,诸如卷积神经网络(CNN),但这并不意味着限制。它是前馈人工神经网络,其经典形式由卷积层和池化层组成。CNN通过学习每层的卷积核的自由参数或分类器以及计算下一层时它们的权重来进行学习。下文中讨论根据说明性实施例的m/l模型306或配置推荐模块316的训练。
在说明性实施例中,应用304的呈现模块308显示从配置推荐模块316获得的提议。呈现模块308可以显示例如示出加工速度的范围的滑块,其中所提议的加工速度是为医师预先选择的。在另一个示例中,在修复体设计上显示或绘制所提议的最小壁厚。适配模块310被被配置为接收来自医师的输入以在必要时适配提议312。例如,改变所提议的边际线可以导致重新计算所提议的修复体几何形状以供呈现模块308呈现。在说明性实施例中,呈现模块308呈现加工界面500,如图5中所示,图5图示了细节水平504的集合和处理模式506选项。可以基于配置推荐模块316的输出来预选502所提议的选项,在说明性实施例中表示结构(诸如会在制造的修复体上产生的凹坑和裂缝)的细节水平的细节水平504取决于在铣削过程中使用的工具的类型。例如,可能需要“圆柱尖头车针12EF”车针才能在牙桥修复体的右侧产生“超精细”细节水平,但在医师的办公室可能无法获得所述工具,因此可以预选502精细细节水平。另外,“快速”铣削单元处理模式506可能不适合制造后牙桥,因此针对特定于患者的情况预选502“普通”处理模式。另外,“快速”处理模式可能不是氧化锆修复体的选项,除非对应的边际厚度参数为例如100微米或更高。边际厚度小于100微米的氧化锆修复体更容易出现不期望的碎裂。因此,这会变成由配置推荐模块316做出提议所使用的依赖性。随着具有特定指令和要求的新工具和材料被添加到牙科工作流程,通过使用被配置为在产生优化的提议时本地或远程考虑一种或多种形式的新指令和要求(本文一般称为依赖性326)的配置推荐模块316显著减少了医师密切了解这些指令和要求的需要。
反馈模块318可选地收集与提议312相关的用户反馈322。在一个实施例中,应用304被配置为不仅呈现推荐410和412,而且还为牙科医师提供一种输入反馈的方法,其中反馈指示推荐的准确性。反馈模块318将机器学习技术中的反馈应用于诸如依赖性326或用户简档,以修改在配置推荐模块316中使用的m/l模型306。
在说明性实施例中,在提出推荐之后,应用304可以自动地或者响应于请求而执行附加操作。基于可用的制造设备和用户的偏好,可以定义自动步骤,包括a)基于材料、硬件、器械/工具和用户偏好(裂缝的细节水平等)自动生成理想的修复体,b)针对优选的加工方法(磨削、铣削、打印、工具)、加工细节水平(精细、快速、超精细、超快速等)和给定的修复体几何形状自动优化修复体参数(最小壁厚、细节水平、边缘增强等),c)在牙科制造系统的加工介质(例如,块)内部自动定位以实现最佳可能质量/性能下材料的最优使用(材料/工具的最少使用、用颜色梯度校正块的颜色)、攻丝位置的最优定位和尺寸(即,销的位置),其中在切割之前将修复体安装到块支架上(尺寸取决于加工类型、设备和材料),d)加工作业中考虑的工具的磨损状况,以及e)对于特性的设置考虑用户偏好。当然,这些仅仅是非限制性示例,并且基于本文的描述,其它示例也是可能的。
神经网络模型的输入层可以是例如表示修复体类型的向量、2D图像的像素、具有深度信息和灰度级信息的2.5D图像、3D图像的3D点或网格状形式的3D扫描等。在示例中,第一CNN使用卷积从输入图像中提取特征。第二CNN使用上采样或转置卷积,以根据由第一神经网络提取的特征来创建物体在三维空间中的外观的预测。
使用包括静态和动态CAD和CAM输入以及偏好的各种类型的训练数据集来训练神经网络m/l模型306。在实施例中,在接收到提供推荐的请求后,应用304创建被输入到m/l模型306的输入神经元的值的数组,以产生包含推荐/提议312的数组。如图6中所示,图6描绘了根据说明性实施例的用于基于机器学习的推荐生成的示例训练体系架构602的框图,程序代码从训练数据604中提取各种特征/属性606,其中训练数据条目具有标签L。利用这些特征开发预测函数H(x)或假设,程序代码将其用作机器学习模型608。在识别训练数据604中的各种特征/属性时,程序代码可以利用各种技术,包括但不限于互信息,互信息是可以被用于识别实施例中的特征的方法的示例。其它实施例可以利用不同的技术来选择特征,包括但不限于主成分分析、扩散映射、随机森林和/或递归特征消除(选择特征的强力方法)来选择特征。“P”是可以获得的输出(例如,修复体或牙科参数),当接收到该输出时,可以进一步触发牙科系统执行其它步骤,诸如显示开始加工过程的元素。程序代码可以利用机器学习算法612来训练机器学习模型608,包括提供用于输出的权重,使得程序代码可以基于包括机器学习模型608的预测器函数对各种改变进行优先级排序。输出可以通过质量度量610被评估。
通过选择不同的训练数据集604,程序代码训练机器学习模型608以识别和加权患者、医师、连接到牙科系统的设备等的各种属性。为了利用机器学习模型608,程序代码获得(或导出)输入数据或特征以生成值的数组以输入到神经网络的输入神经元中。响应于这些输入,神经网络的输出神经元产生包括要同时呈现在显示器上的提议312的阵列。
参考7,这个图描绘了用于配置牙科工作流程的示例过程700的流程图。过程700可以使用图3的应用304来实现。应用304接收患者的牙腔的三维(3D)扫描以用于牙科工作流程,步骤702。在步骤704中,应用304通过被配置为自动获得关于牙科工作流程的信息的CAD/CAM资源模块324识别用于牙科配置推荐模块316的输入数据。在步骤706中,应用304响应于识别步骤而从输入数据中提取一个或多个特征。这一个或多个特征代表对完成修复体设计和/或加工过程的请求。在步骤708中,应用304使用牙科配置推荐模块316提出用于修复体设计和/或加工过程的至少一种特定于用户的配置。在步骤708中,该提出可以包括以下至少之一:特定于用户的修复体设计、至少一个修复体参数和/或至少一个特定于用户的制造参数的提议。在给出提议之后,诸如医师之类的用户可以使用适配模块来修改牙科工作流程过程中的一个或多个提议或一个或多个定义的设置,并且在检查修改不会造成意外后果(诸如任何要制造的修复体的完整性降低或不遵守边际线限制)的情况下可以接受或拒绝修改。可以基于定义的完整性规则的集合或参数之间的依赖性来确定接受。修改还会使得需要例如同时重新计算提议或设计以便将修改考虑在内。
另外,应用304可以接收相关的用户反馈输入。应用分析所述反馈输入,并且应用强化配置推荐模块316的m/l模型306。如果反馈关于提议的准确性令人满意或不令人满意,那么应用分别强化或削弱m/l模型306的参数。此后应用304结束过程700。
因此,在说明性实施例中提供了用于智能牙科工作流程配置和其它相关特征、功能或操作的计算机实现的方法、系统或装置以及计算机程序产品。在关于一种类型的设备描述实施例或其一部分的情况下,计算机实现的方法、系统或装置、计算机程序产品或其一部分适于或被配置为与那种类型的设备的适当且可比较的表现形式一起使用。
在将实施例描述为在应用中实现的情况下,在软件即服务(SaaS)模型中的应用的交付被预期在说明性实施例的范围内。在SaaS模型中,通过在云基础设施中执行应用来向用户提供实现实施例的应用的能力。用户可以通过诸如web浏览器(例如,基于web的电子邮件)的瘦客户端接口或其它轻量级客户端应用使用各种客户端设备来访问应用。用户不管理或控制底层云基础设施,包括网络、服务器、操作系统或云基础设施的存储装置。在一些情况下,用户甚至不能管理或控制SaaS应用的功能。在一些其它情况下,应用的SaaS实现可以允许有限的特定于用户的应用配置设置的可能例外。
本发明可以是任何可能的集成技术细节级别的系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质(或多种介质),其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的示例(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。本文使用的包括但不限于计算机可读存储设备的计算机可读存储介质,不被解释为暂态信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者经由网络(例如互联网、局域网、广域网和/或无线网络)下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言(诸如Smalltalk、Python、C++等),以及过程编程语言(诸如“C”语言或类似的编程语言)。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任何种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如,利用互联网服务提供商来通过互联网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
本文参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应该理解的是,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的部件。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其它设备以特定方式工作,使得其中存储有指令的计算机可读介质包括制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,使得在计算机、其它可编程数据处理装置或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图图示了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实施方式的体系架构、功能性和操作。在这方面,流程图或框图中的每个方框可以表示模块、段或指令的一部分,所述模块、段或指令的一部分包括用于实现(一个或多个)规定的逻辑功能的一个或多个可执行指令。在一些作为替换的实施方式中,方框中所标注的功能也可以以与附图中所标注的不同的次序发生。例如,两个连续的方框实际上可以基本并行地执行,或者方框有时可以按相反的次序执行,这依所涉及的功能性而定。还要注意的是,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来执行。
Claims (15)
1.一种计算机实现的方法,包括以下步骤:
接收患者的牙腔的三维(3D)扫描以用于牙科工作流程;
通过被配置为自动获得关于牙科工作流程的信息的计算机辅助设计/计算机辅助制造(CAD/CAM)资源来识别用于牙科配置推荐模块的输入数据;
响应于识别步骤,从输入数据中提取一个或多个特征,所述一个或多个特征代表完成修复体设计和/或加工过程的请求;以及
使用牙科配置推荐模块提出用于修复体设计和/或加工过程的至少一个配置。
2.如权利要求1所述的方法,其中所述提出步骤包括以下当中的至少一项:(a)提出特定于用户的3D修复体设计作为第一配置,(b)提出至少一个特定于用户的修复体参数作为第二配置,以及(c)提出至少一个特定于用户的制造参数作为第三配置。
3.如权利要求2所述的方法,还包括以下步骤:
使用适配模块提供对牙科工作流程设置或多个提出的特定于用户的配置中的提出的特定于用户的配置的修改,并基于依赖性的集合计算修改的接受决定。
4.如权利要求3所述的方法,还包括以下步骤:
在确定修改可接受后重新计算所述至少一个特定于用户的配置。
5.如权利要求1所述的方法,其中输入数据是从包含在牙科制造系统中或连接到牙科制造系统的设备自动获得的。
6.如权利要求1所述的方法,其中输入数据的至少一部分是从牙腔的3D扫描中自动检索的。
7.如权利要求1所述的方法,其中牙科配置推荐模块作为机器学习引擎来操作。
8.如权利要求7所述的方法,还包括以下步骤:
基于包括静态CAD/CAM输入数据、动态CAD/CAM输入数据和用户偏好的信息来训练牙科配置推荐模块。
9.如权利要求8所述的方法,其中信息包括从牙科制造系统的数据库中选择的历史数据。
10.如权利要求1所述的方法,其中输入数据是选自包括CAD/CAM输入数据、偏好和依赖性的组中的数据。
11.如权利要求10所述的方法,还包括本地或远程地向牙科配置推荐模块提供新的指令和要求作为依赖性的步骤。
12.如权利要求1所述的方法,还包括以下步骤:
为牙科配置推荐模块提供指示提议的准确性的反馈,以便加强牙科配置推荐模块。
13.一种计算机系统,包括被配置为执行包括以下步骤的处理器:
接收患者的牙腔的三维(3D)扫描以用于牙科工作流程;
通过被配置为自动获得关于牙科工作流程的信息的计算机辅助设计/计算机辅助制造(CAD/CAM)资源来识别用于牙科配置推荐模块的输入数据;
响应于识别步骤,从输入数据中提取一个或多个特征,所述一个或多个特征代表完成修复体设计和/或加工过程的请求;以及
使用牙科配置推荐模块提出用于修复体设计和/或加工过程的至少一个配置。
14.如权利要求13所述的计算机系统,其中牙科配置推荐模块作为机器学习引擎操作。
15.一种存储程序的非暂态计算机可读存储介质,当程序由计算机系统执行时,使计算机系统执行包括以下步骤的过程:
接收患者的牙腔的三维(3D)扫描以用于牙科工作流程;
通过被配置为自动获得关于牙科工作流程的信息的计算机辅助设计/计算机辅助制造(CAD/CAM)资源来识别用于牙科配置推荐模块的输入数据;
响应于识别步骤,从输入数据中提取一个或多个特征,所述一个或多个特征代表完成修复体设计和/或加工过程的请求,以及
使用牙科配置推荐模块提出用于修复体设计和/或加工过程的至少一个配置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/211,955 | 2021-03-25 | ||
US17/211,955 US20220304782A1 (en) | 2021-03-25 | 2021-03-25 | Configuring dental workflows through intelligent recommendations |
PCT/US2022/020872 WO2022203950A1 (en) | 2021-03-25 | 2022-03-18 | Configuring dental workflows through intelligent recommendations |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117320662A true CN117320662A (zh) | 2023-12-29 |
Family
ID=81328654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280030161.8A Pending CN117320662A (zh) | 2021-03-25 | 2022-03-18 | 通过智能推荐配置牙科工作流程 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220304782A1 (zh) |
EP (1) | EP4312873A1 (zh) |
JP (1) | JP2024512512A (zh) |
KR (1) | KR20230161472A (zh) |
CN (1) | CN117320662A (zh) |
CA (1) | CA3214606A1 (zh) |
WO (1) | WO2022203950A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210358604A1 (en) * | 2020-05-15 | 2021-11-18 | Retrace Labs | Interface For Generating Workflows Operating On Processing Dental Information From Artificial Intelligence |
TWI712396B (zh) * | 2020-01-16 | 2020-12-11 | 中國醫藥大學 | 口腔缺陷模型之修補方法及口腔缺陷模型之修補系統 |
US11842484B2 (en) | 2021-01-04 | 2023-12-12 | James R. Glidewell Dental Ceramics, Inc. | Teeth segmentation using neural networks |
US20220350936A1 (en) * | 2021-04-30 | 2022-11-03 | James R. Glidewell Dental Ceramics, Inc. | Neural network margin proposal |
CN116543912B (zh) * | 2023-04-26 | 2024-03-15 | 山东山大华天软件有限公司 | 一种基于云平台的齿科协同设计系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018022752A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
WO2019058243A1 (en) * | 2017-09-19 | 2019-03-28 | 3M Innovative Properties Company | DENTAL RESTORATION MOLDS |
US11007040B2 (en) * | 2018-03-19 | 2021-05-18 | James R. Glidewell Dental Ceramics, Inc. | Dental CAD automation using deep learning |
DE102018210258A1 (de) * | 2018-06-22 | 2019-12-24 | Sirona Dental Systems Gmbh | Verfahren zur Konstruktion eines dentalen Bauteils |
KR102250520B1 (ko) * | 2019-08-08 | 2021-05-12 | 오스템임플란트 주식회사 | 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치 |
-
2021
- 2021-03-25 US US17/211,955 patent/US20220304782A1/en active Pending
-
2022
- 2022-03-18 WO PCT/US2022/020872 patent/WO2022203950A1/en active Application Filing
- 2022-03-18 JP JP2023557687A patent/JP2024512512A/ja active Pending
- 2022-03-18 CA CA3214606A patent/CA3214606A1/en active Pending
- 2022-03-18 CN CN202280030161.8A patent/CN117320662A/zh active Pending
- 2022-03-18 EP EP22715457.2A patent/EP4312873A1/en active Pending
- 2022-03-18 KR KR1020237036041A patent/KR20230161472A/ko unknown
Also Published As
Publication number | Publication date |
---|---|
CA3214606A1 (en) | 2022-09-29 |
WO2022203950A1 (en) | 2022-09-29 |
EP4312873A1 (en) | 2024-02-07 |
US20220304782A1 (en) | 2022-09-29 |
KR20230161472A (ko) | 2023-11-27 |
JP2024512512A (ja) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220304782A1 (en) | Configuring dental workflows through intelligent recommendations | |
US20220218449A1 (en) | Dental cad automation using deep learning | |
US10932890B1 (en) | Enhanced techniques for determination of dental margins in intraoral scans | |
JP7458711B2 (ja) | ディープラーニングを用いた歯科用cadの自動化 | |
US11735306B2 (en) | Method, system and computer readable storage media for creating three-dimensional dental restorations from two dimensional sketches | |
US11960795B2 (en) | Neural network-based generation and placement of tooth restoration dental appliances | |
US20220296344A1 (en) | Method, system and devices for instant automated design of a customized dental object | |
US20240028782A1 (en) | Dental restoration automation | |
WO2023101868A1 (en) | Proposing dental restoration material parameters | |
US20240058099A1 (en) | Automatic creation of a virtual model and an orthodontic treatment plan | |
WO2024042192A1 (en) | Generation of a three-dimensional digital model of a replacement tooth | |
US20230087800A1 (en) | Automated tooth administration in a dental restoration workflow | |
WO2024019109A1 (ja) | 制御装置、制御方法、及びプログラム | |
WO2021149530A1 (ja) | 情報処理システム、情報処理方法、及びプログラム | |
US20240029380A1 (en) | Integrated Dental Restoration Design Process and System | |
TW202416910A (zh) | 整合式牙齒復原設計方法及系統 | |
CN117203713A (zh) | 单帧控制视图 |
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 |