CN117547367B - 一种牙科修复体设计系统 - Google Patents
一种牙科修复体设计系统 Download PDFInfo
- Publication number
- CN117547367B CN117547367B CN202410035878.2A CN202410035878A CN117547367B CN 117547367 B CN117547367 B CN 117547367B CN 202410035878 A CN202410035878 A CN 202410035878A CN 117547367 B CN117547367 B CN 117547367B
- Authority
- CN
- China
- Prior art keywords
- model
- prosthesis
- point
- matrix
- axis
- 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
Links
- 238000013461 design Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 73
- 238000013256 Gubra-Amylin NASH model Methods 0.000 claims description 51
- 210000000214 mouth Anatomy 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 34
- 230000009466 transformation Effects 0.000 claims description 28
- 230000014759 maintenance of location Effects 0.000 claims description 20
- 210000004513 dentition Anatomy 0.000 claims description 19
- 230000036346 tooth eruption Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 17
- 210000001519 tissue Anatomy 0.000 claims description 14
- 238000013519 translation Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 210000000988 bone and bone Anatomy 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010008 shearing Methods 0.000 claims description 3
- 210000004872 soft tissue Anatomy 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 2
- 238000011065 in-situ storage Methods 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 210000002455 dental arch Anatomy 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001055 chewing effect Effects 0.000 description 1
- 230000007012 clinical effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003239 periodontal effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 238000004506 ultrasonic cleaning Methods 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
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C19/00—Dental auxiliary appliances
- A61C19/06—Implements for therapeutic treatment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Engineering & Computer Science (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Robotics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本发明提供了一种牙科修复体设计系统,其特征在于,包括修复体模型生成模块;修复体就位路径生成模块;引导就位装置生成模块;修复体制作模块。本发明所公开的技术方案能够根据临床及辅助检查,向医生提供针对不同患者的修复体就位路径及相应,实现个性化精准化设计;能够减少技师劳动时长与强度,避免个人经验及主观因素对修复体加工产生的影响,提升加工效率;能够通过引导就位装置有效辅助患者顺利戴牙;能够通过就位路径模拟来加强医技患沟通效率和质量。本发明所公开的技术方案中通过在修复体设计时加入最优就位路径规划,制作时设置相应引导就位装置,从而实现了修复体引导自动就位。
Description
技术领域
本发明涉及一种牙科修复体的设计系统。
背景技术
牙列缺损使患者的咀嚼、发音、吞咽等功能不同程度地受损,同时造成美观及心理上的不良影响。针对牙列缺损患者的修复方式多样,包括固定修复体、活动修复体和固定联合联合修复体。当修复体涉及跨牙弓设计时,其体积较大,而临床中患者正常张口度仅有3.7~4.5 cm,且部分患者存在张口度受限或口周肌肉紧张等问题,修复体常较难戴入及就位。同时,为保证修复体的固位,修复体的就位/脱位方向常需要与咬合力方向成角,设计方案对医师、技师技术能力以及医技沟通成本要求高。此外,口内空间有限,存在牙槽骨、对合牙等多种不可让组织,使得修复体的戴入和就位存在困难。
已有团队发明了一种牙科栓体栓道附着体用法,通过在种植覆盖义齿的杆卡末端增加栓体栓道,以辅助义齿就位的同时增强固位力(见于2020年11月24日公开的、公开号为CN112451138A、名称为《一种牙科栓体栓道附着体用法》的中国发明专利申请)。然而,该发明专利申请所设计的附着体的就位方式没有考虑到修复体整体的就位路径和方向,并不能解决修复体戴入和就位困难的问题,其本质仅是一种固位装置,没有将其与修复体的动态位置变化有机结合。
尽管当今数字化技术使得各种修复设计和制作成为可能,但跨牙弓修复体就位困难的问题仍尚未解决,主要存在以下几点技术缺陷:
1)针对跨牙弓和非跨牙弓修复体,目前修复体的设计与制作无数字化引导工作,不论是数字化设计软件,还是技师所提供的传统设计,他们的设计原则并没有差异,没有辅助跨牙弓修复体就位的相应设计。
2)修复体设计时未能将就位动态路径、就位方向和咬合力方向有机结合,设计软件无法模拟修复体动态就位路径及方向,目前就位方向与咬合力方向夹角的设计主要依赖于技师的经验和技术,没有数字化设计。
3)修复体设计时未考虑口内不可让组织的具体情况,修复体就位过程中可能受到对合牙或牙槽骨阻碍,但由于缺乏动态就位路径的模拟,无法判断不可让组织在就位路径中的阻碍位点。
4)即使设计时对修复体动态就位路径进行模拟,制作完成的修复体仍缺少一种引导性就位装置,无法引导修复体按预设的就位路径在口内顺利完成就位。
发明内容
本发明的目的是提出一种牙科修复体设计系统。
为了达到上述目的,本发明的技术方案是提供了一种牙科修复体设计系统,其特征在于,修复体模型生成模块,用于基于患者的个性化数据生成适合当前患者的包含基台的数字化修复体模型;
修复体就位路径生成模块,进一步包括:
口内就位位姿计算单元,用于根据数字化修复体模型在口腔外的初始位姿计算得到其在口腔内的就位位姿;
最优路径生成单元,对口腔虚拟场景进行三维网格化处理后,取包含数字化修复体模型的初始位姿的三维网格的中心立方体为路径规划的起始点,取包含数字化修复体模型的就位位姿的三维网格中心立方体为路径规划的目标点,取包含口腔其他组织的三维网格中心立方体为障碍点,计算得到从起始点到目标点的能够避开障碍点的最优就位路径;
引导就位装置生成模块,用于在数字化修复体模型的下杆卡末端设计形成一引导就位装置,该引导就位装置具有与修复体就位路径生成模块得到的最优就位路径末端方向一致的弧面形态,数字化修复体模型的上杆卡通过该弧面就位;
修复体制作模块,用于基于具有引导就位装置的数字化修复体模型生成修复体实物。
优选地,所述修复体模型生成模块基于训练后的GAN模型实现,所述患者的个性化数据输入GAN模型后,由U-net生成器生成所述数字化修复体模型。
优选地,所述GAN模型采用以下步骤训练:
步骤101、收集临床信息,建立修复体设计数据库,进一步包括:
步骤1.1、收集整理既往患者的个性化数据,个性化数据包括临床及影像学资料,该临床及影像学资料进一步包括:
1)余留牙列及牙体硬组织情况;
2)口腔软组织情况;
3)口内扫描仪采集患者余留牙列三维数字模型;
4)面部扫描仪记录患者闭口、大张口状态下面部外形数据;
5)电子面弓记录的咬合关系;
6)CBCT数据记录的患者牙槽骨及牙齿数据;
步骤1.2、该患者已由技师完成的修复体三维设计模型定义为真实样本,将患者临床及影像学资料和真实样本相匹配,建立修复体设计数据库;
步骤102、从修复体设计数据库选取数据建立修复体设计数据集,用于后续GAN模型的训练与测试,将修复体设计数据集划分为训练集和测试集;
步骤103、对训练集中的个性化数据进行数据预处理,对于训练集中的患者余留牙列三维数字模型进行降采样,采用包括随机剪切和随机反转在内的数据增强操作,然后进行归一化;
步骤104、定义GAN模型的生成器编码部分和判别器的超参数,并定义卷积核个数、大小和步长;
步骤105、定义GAN模型的反向卷积填充策略和生成器解码器部分超参数,包括Dropout率、卷积核个数、大小和步长;
步骤106、定义模型训练的学习率和学习率衰减速率、小样本大小以及epoch次数;
步骤107、随机初始化GAN模型的网络参数,将预处理完的个性化数据输入U-net生成器,生成得到U-net生成器设计的修复体模型;
步骤108、将U-net生成器生成的修复体模型和训练集对应的真实样本输入PatchGAN鉴别器,根据预设的损失函数,计算鉴别器损失;
步骤109、将U-net生成器生成的修复体模型和训练集对应的真实样本直接进行U-net生成器均方误差损失计算并与PatchGAN鉴别器损失进行加和;
步骤110、GAN模型根据预先定义的学习率进行梯度计算和反向传播,分别更新PatchGAN鉴别器和U-net生成器的参数;
步骤111、根据预先定义的小样本大小和epoch次数,将训练集分割为不同小样本,分批次输入GAN模型进行一次参数更新,在遍历完一次训练集后,继续根据剩下的epoch的次数,继续进行数据遍历的参数更新;
步骤112、通过可视化加和的U-net生成器均方误差损失与PatchGAN鉴别器损失以及PatchGAN鉴别器损失是否有收敛趋势来决定调整模型超参数,包括epoch次数以及学习率大小;
步骤113、PatchGAN鉴别器无法分辨生成模型来自U-net生成器或是真实样本,完成GAN模型的初步训练;
步骤114、将训练完成的GAN模型应用于测试集,通过打乱混合GAN模型设计的修复体模型和真实样本,交由技师进行分辨及评估设计方案,当GAN模型表现良好时,其设计的修复体模型接近真实样本;
步骤115、统计GAN模型在不同临床类别下的表现,以技师分辨准确率作为参考依据,适当加入GAN模型表现薄弱的场景进行增量学习,完成GAN模型的最终训练。
优选地,所述口内就位位姿计算单元采用ICP算法得到数字化修复体模型的口腔外的初始位姿到口腔内的就位位姿的变换矩阵后,基于该变换矩阵得到所述口腔内的就位位姿。
优选地,所述口内就位位姿计算单元采用的ICP算法具体包括以下步骤:
步骤201、导入当前患者各面部状态下面部扫描数据以及余留牙列三维模型后建立口腔内部虚拟三维场景,并进一步定义三维虚拟场景世界坐标系;
步骤202、导入GAN模型设计的修复体模型;获得修复体模型在口腔内部虚拟三维场景内就位后与口腔内各部分接触面的点云,该点云的集合记为目标点云集合Pt;获得数字化修复体模型就位前位于口腔外任意固定平面时扫描所得点云,该点云的集合记为起始点云集合Ps,其中,固定平面为鼻翼耳屏面、眶耳平面或最大张口位时的上/下颌合平面;
步骤203、采用ICP算法得到修复体模型的初始位姿到就位位姿的变换矩阵T,具体包括以下步骤:
步骤2.1、输入起始点云集合Ps和目标点云集合Pt;
初始化变换矩阵T,变换矩阵T分为旋转矩阵R和平移矩阵t,整个点云配准问题描述为如下优化方程:,式中,/>和/>分别表示旋转矩阵R和平移矩阵t的最优解,pi t表示Pt中的第i个点,pi s表示Ps中的第i个点,在得知两个点云中对应点关系时,将求解上述优化方程简化为有闭形式解的矩阵分解问题:
旋转矩阵R和平移矩阵t均为3×3矩阵,使用SVD来解决矩阵分解问题,求解得到旋转矩阵R的最优解和平移矩阵t的最优解/>:,H为3×3矩阵,根据奇异值分解,将矩阵H分解为两个酉矩阵,将这两个酉矩阵分别记为矩阵U以及矩阵V,且满足UTU=I,VTV=I,I为单位矩阵,则有:/>,/>,式中,ps表示起始点云集合Ps中任意一点、pt表示目标点云集合Pt中与ps对应的点;
步骤2.2、定义多组对距离平方和作为损失函数,距离使用欧氏距离;
步骤2.3、根据变换矩阵T对起始点云集合Ps运算得到变换点云,再与目标点云集合Pt进行比较,设置距离阈值,找到最近邻点;
步骤2.4、基于最近邻点计算损失后进行迭代,直到损失函数收敛,得到旋转矩阵R和平移矩阵t的最优解,从而获得变换矩阵T;
步骤204、利用求得的变换矩阵T得到就位位姿Tt,其中,位姿由六个自由度决定,/>表示修复体模型在三维虚拟场景世界坐标系下的X轴、Y轴以及Z轴坐标,/>表示修复体模型在三维虚拟场景世界坐标系下相对于X轴、Y轴以及Z轴的旋转角度。
优选地,所述最优路径生成单元采用算法,具体包括以下步骤:
步骤3.1、定义算法的代价函数,如下式所示:
式中:g(ni)为起始点到当前点ni的代价,g(ni)= g(ni-1)+|xi-xi-1|+|yi-yi-1|+|zi-zi-1|,(xi, yi, zi)为当前点ni在三维虚拟场景世界坐标系下的坐标;h(ni)为当前点ni到目标点的估计代价,h(ni)=| xi-xt|+| yi-yt|+| zi-zt|,(xt, yt, zt)为目标点在三维虚拟场景世界坐标系下的坐标;为姿态代价函数,,m为姿态代价函数参数的惩罚系数,/>为当前点ni相对于三维虚拟场景世界坐标系下X轴、Y轴以及Z轴的旋转角度,/>为目标点相对于三维虚拟场景世界坐标系下X轴、Y轴以及Z轴的旋转角度;/>为碰撞代价函数,由定向边界框碰撞检测算法实现,即计算当前点ni的最小外接矩阵,检查各维度上当前点ni与障碍点的重叠情况来判断碰撞,若在各个轴的投影均重叠则为碰撞,有/>;
步骤3.2、定义open集合和close集合,将数字化修复体模型初始位置所在的网格Ns放入open集合;
步骤3.3、在open集合中选取使步骤3.1所定义的代价函数最小的节点作为当前节点,将其放入close集合并从open集合中将当前节点删除;
步骤3.4、判断当前节点是否为目标点,若是,则结束搜索,否则进入步骤3.5;
步骤3.5、遍历当前的节点ni的所有邻近节点ni+1,若邻近节点ni+1为障碍点或已在close集合内,则进入步骤3.7,否则进入步骤3.6,当前的节点ni的所有邻近节点ni+1满足以下条件:
式中,d表示三维网格体长,、/>、/>为数字化修复体模型相对于X轴,Y轴,Z轴的旋转角度,/>表示旋转角度阈值,防止搜索维度过大导致迭代过程过长;
步骤3.6、若邻近节点ni+1不在open集合内,则将其添加到open集合后,设置该节点的父节点为当前节点,进入步骤3.7;
如果邻近节点ni+1已在open集合内,则重新计算其对应的目标函数值,若新计算得到的目标函数值小于当前值,则将当前值更新为新计算得到的目标函数值,进入步骤3.7;
步骤3.7、若open集合不为空,则转到步骤3.3继续迭代。
优选地,在所述引导就位装置生成模块中,在所述引导就位装置的远中设置一固位附件,并在所述数字化修复体模型的义齿基托组织面的上杆卡远端设计与固位附件相配合的固位装置,当杆卡就位时,上杆卡上的固位装置插入下杆卡远中的固位附件,两者间摩擦力提供固位力。
与现有技术方案相比,本发明所公开的技术方案具有如下优点:1)能够根据临床及辅助检查结果,向医生提供针对不同患者的修复体模型及相应的修复体就位路径,实现个性化精准化设计;2)能够减少技师劳动时长与强度,避免个人经验及主观因素对修复体加工产生的影响,提升加工效率;3)通过在修复体设计时加入最优就位路径规划,制作时设置相应引导就位装置,从而实现了修复体引导自动就位;4)能够通过引导就位装置有效辅助患者顺利戴牙;5)能够通过就位路径模拟来加强医技患沟通效率和质量。
附图说明
图1示意了就位方向;
图2为图1中的局部放大图;
图3示意了下杆卡末端引导就位装置;
图4示意了就位后杆卡;
图5为通过本发明的系统设计得到的修复体模型;
图6为图5中的局部放大示意图,示意了引导就位装置。
图中:1——下杆卡;2——上杆卡;3——引导就位装置;4——固位附件。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明实施例公开了一种牙科修复体设计系统,包括修复体模型生成模块、修复体就位路径生成模块、引导就位装置生成模块、修复体制作模块,以下对各个模块的实现方式做详细说明。
一)修复体模型生成模块,用于基于患者的个性化数据进行适合当前患者的包含基台的数字化修复体模型的自动设计。
本发明实施例中,修复体模型生成模块基于训练后的GAN模型实现,对于GAN模型的训练具备包括以下步骤:
步骤101、收集临床信息,建立修复体设计数据库,进一步包括:
步骤1.1、收集整理既往的个性化数据,个性化数据包括临床及影像学资料,本实施例中,该临床及影像学资料包括但不限于:
1)余留牙列及牙体硬组织情况(牙体缺损、牙形态异常、磨损等);
2)口腔软组织(牙周、唇颊系带、舌体等)情况;
3)口内扫描仪采集患者余留牙列三维数字模型;
4)面部扫描仪记录患者闭口、大张口等状态下面部外形数据;
5)电子面弓记录的咬合关系;
6)CBCT数据记录的患者牙槽骨及牙齿数据。
步骤1.2、该患者已由技师完成的修复体三维设计模型定义为真实样本,将患者临床及影像学资料和真实样本相匹配,建立修复体设计数据库。
步骤102、从修复体设计数据库选取数据建立修复体设计数据集,用于后续GAN模型的训练与测试。本实施例中,按7比3的比例将修复体设计数据集划分为训练集和测试集。
步骤103、对训练集中的数据进行数据预处理,对于训练集中的患者余留牙列三维数字模型进行降采样,采用随机剪切和随机反转等数据增强操作,使得模型鲁棒性更强,然后进行归一化。
步骤104、定义GAN模型的生成器编码部分和判别器的超参数,并定义卷积核个数、大小和步长。
步骤105、定义GAN模型的反向卷积填充策略和生成器解码器部分超参数,包括Dropout率、卷积核个数、大小和步长。
步骤106、定义模型训练的学习率和学习率衰减速率、小样本大小以及epoch次数。
步骤107、随机初始化GAN模型的网络参数,将预处理完的患者余留牙列三维数字模型等个性化数据输入U-net生成器,生成得到U-net生成器设计的修复体模型。
步骤108、将U-net生成器生成的修复体模型和训练集对应的真实样本输入PatchGAN鉴别器,根据预设的损失函数,计算鉴别器损失。
步骤109、将U-net生成器生成的修复体模型和训练集对应的真实样本直接进行U-net生成器均方误差损失计算并与PatchGAN鉴别器损失进行加和。
步骤110、GAN模型根据预先定义的学习率进行梯度计算和反向传播,分别更新PatchGAN鉴别器和U-net生成器的参数。
步骤111、根据预先定义的小样本大小和epoch次数,将训练集分割为不同小样本,分批次输入GAN模型进行一次参数更新,在遍历完一次训练集后,继续根据剩下的epoch的次数,继续进行数据遍历的参数更新。
步骤112、通过可视化加和的U-net生成器均方误差损失与PatchGAN鉴别器损失以及PatchGAN鉴别器损失是否有收敛趋势来决定调整模型超参数,包括epoch次数以及学习率大小;
步骤113、PatchGAN鉴别器无法分辨生成模型来自U-net生成器或是真实样本,此时辨别概率应当是0.5,完成GAN模型的初步训练。
步骤114、将训练完成的GAN模型应用于测试集,通过打乱混合GAN模型设计的修复体模型和真实样本,交由技师进行分辨及评估设计方案,当GAN模型表现良好时,其设计的修复体模型将非常接近真实样本,难以分辨真假。
步骤115、统计GAN模型在不同临床类别下的表现,以技师分辨准确率作为参考依据,适当加入模型表现薄弱的场景进行增量学习,完成GAN模型的最终训练。
GAN模型训练完成后,以步骤1.1为参考采集当前患者的临床及影像学信息,获得患者个性化数据后建立患者个人数据集,将患者个人数据集输入至GAN模型,由U-net生成器生成适合当前患者的修复体模型。
二)修复体就位路径生成模块
本发明实施例中,修复体就位路径生成模块进一步包括口内就位位姿计算单元以及最优路径生成单元。
1)口内就位位姿计算单元,用于根据修复体模型在口腔外的初始位姿计算得到其在口腔内的就位位姿。
本发明实施例中,口内就位位姿计算单元建立口腔内部虚拟三维场景后,通过ICP算法得到修复体模型的就位位姿,具体包括以下步骤:
步骤201、导入当前患者各面部状态下面部扫描数据以及余留牙列三维模型后建立口腔内部虚拟三维场景,并进一步定义三维虚拟场景世界坐标系。
步骤202、导入GAN模型设计的修复体模型。获得修复体模型在口腔内部虚拟三维场景内就位后与口腔内各部分接触面的点云,该点云的集合记为目标点云集合Pt;获得数字化修复体模型就位前位于口腔外任意固定平面时扫描所得点云,该点云的集合记为起始点云集合Ps,其中,固定平面可为鼻翼耳屏面、眶耳平面或最大张口位时的上/下颌合平面等。
步骤203、采用ICP算法得到修复体模型的初始位姿到就位位姿的变换矩阵T,具体包括以下步骤:
步骤2.1、输入起始点云集合Ps和目标点云集合Pt;
初始化变换矩阵T,变换矩阵T分为旋转矩阵R和平移矩阵t,整个点云配准问题可以描述为如下优化方程:
式中,和/>分别表示旋转矩阵R和平移矩阵t的最优解,pi t表示Pt中的第i个点,pi s表示Ps中的第i个点,该优化方程在我们得知两个点云中对应点关系时,可被简化为有闭形式解的矩阵分解问题:
因旋转矩阵R和平移矩阵t均为3×3矩阵,可以使用SVD来解决矩阵分解问题,求解得到旋转矩阵R的最优解和平移矩阵t的最优解/>。
因为H为3×3矩阵,所以根据奇异值分解,其可被分解为两个酉矩阵,将这两个酉矩阵分别记为矩阵U以及矩阵V,且满足UTU=I,VTV=I,I为单位矩阵:
,/>
式中,ps表示起始点云集合Ps中任意一点、pt表示目标点云集合Pt中与ps对应的点;
步骤2.2、定义多组对距离平方和作为损失函数,距离使用欧氏距离;
步骤2.3、根据变换矩阵T对起始点云集合Ps运算得到变换点云,再与目标点云集合Pt进行比较,设置距离阈值,找到最近邻点从而避免遍历整个点集。
步骤2.4、计算损失后进行迭代,直到损失函数收敛,获得变换矩阵T。
步骤204、利用求得变换矩阵T得到就位位姿Tt。位姿由六个自由度决定,/>表示修复体模型在三维虚拟场景世界坐标系下的X轴、Y轴以及Z轴坐标,/>表示修复体模型在三维虚拟场景世界坐标系下相对于X轴、Y轴以及Z轴的旋转角度。
2)最优路径生成单元,对口腔内部虚拟三维场景进行三维网格化处理后,取包含修复体模型的初始位姿的三维网格的中心立方体为路径规划的起始点,取包含修复体模型的就位位姿的三维网格中心立方体为路径规划的目标点,取包含口腔其他组织的三维网格中心立方体为障碍点,利用算法计算得到从起始点到目标点的能够避开障碍点的最优就位路径。
本发明实施例中,最优路径生成单元利用加入旋转变量的改进算法计算从起始点到目标点的最优路径,具体包括如下步骤:
步骤3.1、定义算法的代价函数,如下式所示:
式中:g(ni)为起始点到当前点ni的代价,g(ni)= g(ni-1)+|xi-xi-1|+|yi-yi-1|+|zi-zi-1|,(xi, yi, zi)为当前点ni在三维虚拟场景世界坐标系下的坐标;h(ni)为当前点ni到目标点的估计代价,h(ni)=| xi-xt|+| yi-yt|+| zi-zt|,(xt, yt, zt)为目标点在三维虚拟场景世界坐标系下的坐标;为姿态代价函数,,m为姿态代价函数参数的惩罚系数,/>为当前点ni相对于三维虚拟场景世界坐标系下X轴、Y轴以及Z轴的旋转角度,/>为目标点相对于三维虚拟场景世界坐标系下X轴、Y轴以及Z轴的旋转角度;/>为碰撞代价函数,由定向边界框碰撞检测算法实现,即计算当前点ni的最小外接矩阵,检查各维度上当前点ni与障碍点的重叠情况来判断碰撞,若在各个轴的投影均重叠则为碰撞,有/>;
步骤3.2、定义open集合和close集合,将数字化修复体模型初始位置所在的网格Ns放入open集合;
步骤3.3、在open集合中选取使步骤3.1所定义的代价函数最小的节点作为当前节点,将其放入close集合并从open集合中将当前节点删除;
步骤3.4、判断当前节点是否为目标点,若是,则结束搜索,否则进入步骤3.5;
步骤3.5、遍历当前的节点ni的所有邻近节点ni+1,若邻近节点ni+1为障碍点或已在close集合内,则进入步骤3.7,否则进入步骤3.6,本实施例中,当前的节点ni的所有邻近节点ni+1满足以下条件
式中,d表示三维网格体长,、/>、/>为数字化修复体模型相对于X轴,Y轴,Z轴的旋转角度,/>表示旋转角度阈值,防止搜索维度过大导致迭代过程过长;
步骤3.6、若邻近节点ni+1不在open集合内,则将其添加到open集合后,设置该节点的父节点为当前节点,进入步骤3.7;
如果邻近节点ni+1已在open集合内,则重新计算其对应的目标函数值,若新计算得到的目标函数值小于当前值,则将当前值更新为新计算得到的目标函数值,进入步骤3.7;
步骤3.7、若open集合不为空,则转到步骤3.3继续迭代。
三)引导就位装置生成模块,用于根据通过修复体就位路径生成模块得到的最优就位路径在修复体模型生成模块设计的修复体模型中加入引导就位装置3(本发明以杆卡为例)。
具体而言,引导就位装置生成模块获得修复体就位路径生成模块规划的最优就位路径,最优就位路径的整体就位方向呈前上至后下的弧形就位(如图1所示)。基于该最优就位路径,在修复体模型生成模块设计的修复体模型的下杆卡1末端设计一引导就位装置3,其弧面形态与最优就位路径末端方向一致(如图2所示),上杆卡2可通过此弧面就位,最大程度利用口内空间的同时避让对合牙等不可让组织。
引导就位装置3生成模块在所设计的引导就位装置远中设置一固位附件4,如图3所示,本实施例中,该固位附件4中央为八角形镂空。并且,引导就位装置生成模块在修复体模型义齿基托组织面的上杆卡2远端设计一八角形固位装置,与固位附件4相匹配。杆卡就位时,上杆卡2上的八角形固位装置插入下杆卡1远端固位附件4,两者间摩擦力提供固位力,如图4所示。
本实施例中,针对当前的患者,通过引导就位装置生成模块最终获得的修复体模型如图5以及图6所示。
四)修复体制作模块,用于基于具有引导就位装置的修复体模型生成修复体实物。本实施例中,可以将具有引导就位装置的修复体模型输出至3D打印设备中进行打印,从而获得修复体实物。
通过上述系统获得修复体实物后,本领域技术人员可以进一步采用如下步骤将其应用在临床上:
步骤1、对修复体实物进行后续处理,包括表面研磨、超声波清洗等。
步骤2、评估修复体实物临床效果:
修复体实物在患者口内试戴,检查是否通过引导就位装置使修复体实物在口内顺利就位,就位过程中是否避让对合牙等不可让组织,就位/脱位方向与咬合力方向所成角是否合适。若为杆卡或其他类型附着体设计,还需判断固位力是否适合该病例,患者是否能够方便取戴。
步骤3、若患者在使用过程中出现步骤2的损坏/折断/固位力下降等问题,需要重新加工时,可将患者个人数据集中的最终修复体模型(即具有引导就位装置的修复体模型)调出,必要时更新数字化三维模型等参数,更新就位路径规划和引导装置设计,进行重新打印、加工。
Claims (4)
1.一种牙科修复体设计系统,其特征在于,包括:
修复体模型生成模块,用于基于患者的个性化数据生成适合当前患者的包含基台的数字化修复体模型;
修复体就位路径生成模块,进一步包括:
口内就位位姿计算单元,用于根据数字化修复体模型在口腔外的初始位姿计算得到其在口腔内的就位位姿,采用ICP算法得到数字化修复体模型的口腔外的初始位姿到口腔内的就位位姿的变换矩阵后,基于该变换矩阵得到所述口腔内的就位位姿,采用的ICP算法具体包括以下步骤:
步骤201、导入当前患者各面部状态下面部扫描数据以及余留牙列三维模型后建立口腔内部虚拟三维场景,并进一步定义三维虚拟场景世界坐标系;
步骤202、导入GAN模型设计的修复体模型;获得修复体模型在口腔内部虚拟三维场景内就位后与口腔内各部分接触面的点云,该点云的集合记为目标点云集合Pt;获得数字化修复体模型就位前位于口腔外任意固定平面时扫描所得点云,该点云的集合记为起始点云集合Ps,其中,固定平面为鼻翼耳屏面、眶耳平面或最大张口位时的上/下颌合平面;
步骤203、采用ICP算法得到修复体模型的初始位姿到就位位姿的变换矩阵T,具体包括以下步骤:
步骤2.1、输入起始点云集合Ps和目标点云集合Pt;
初始化变换矩阵T,变换矩阵T分为旋转矩阵R和平移矩阵t,整个点云配准问题描述为如下优化方程:,式中,/>和/>分别表示旋转矩阵R和平移矩阵t的最优解,pi t表示Pt中的第i个点,pi s表示Ps中的第i个点,在得知两个点云中对应点关系时,将求解上述优化方程简化为有闭形式解的矩阵分解问题:
旋转矩阵R和平移矩阵t均为3×3矩阵,使用SVD来解决矩阵分解问题,求解得到旋转矩阵R的最优解和平移矩阵t的最优解/>:/>,H为3×3矩阵,根据奇异值分解,将矩阵H分解为两个酉矩阵,将这两个酉矩阵分别记为矩阵U以及矩阵V,且满足UTU=I,VTV=I,I为单位矩阵,则有:/>,,式中,ps表示起始点云集合Ps中任意一点、pt表示目标点云集合Pt中与ps对应的点
步骤2.2、定义多组对距离平方和作为损失函数,距离使用欧氏距离;
步骤2.3、根据变换矩阵T对起始点云集合Ps运算得到变换点云,再与目标点云集合Pt进行比较,设置距离阈值,找到最近邻点;
步骤2.4、基于最近邻点计算损失后进行迭代,直到损失函数收敛,得到旋转矩阵R和平移矩阵t的最优解,从而获得变换矩阵T;
步骤204、利用求得的变换矩阵T得到就位位姿Tt,其中,位姿由六个自由度决定,/>表示修复体模型在三维虚拟场景世界坐标系下的X轴、Y轴以及Z轴坐标,/>表示修复体模型在三维虚拟场景世界坐标系下相对于X轴、Y轴以及Z轴的旋转角度
最优路径生成单元,对口腔虚拟场景进行三维网格化处理后,取包含数字化修复体模型的初始位姿的三维网格的中心立方体为路径规划的起始点,取包含数字化修复体模型的就位位姿的三维网格中心立方体为路径规划的目标点,取包含口腔其他组织的三维网格中心立方体为障碍点,计算得到从起始点到目标点的能够避开障碍点的最优就位路径;所述最优路径生成单元采用算法,具体包括以下步骤:
步骤3.1、定义算法的代价函数,如下式所示:,式中:g(ni)为起始点到当前点ni的代价,g(ni)= g(ni-1)+|xi-xi-1|+|yi-yi-1|+|zi-zi-1|,(xi, yi, zi)为当前点ni在三维虚拟场景世界坐标系下的坐标;h(ni)为当前点ni到目标点的估计代价,h(ni)=| xi-xt|+| yi-yt|+| zi-zt|,(xt, yt, zt)为目标点在三维虚拟场景世界坐标系下的坐标;/>为姿态代价函数,,m为姿态代价函数参数的惩罚系数,/>为当前点ni相对于三维虚拟场景世界坐标系下X轴、Y轴以及Z轴的旋转角度,/>为目标点相对于三维虚拟场景世界坐标系下X轴、Y轴以及Z轴的旋转角度;/>为碰撞代价函数,由定向边界框碰撞检测算法实现,即计算当前点ni的最小外接矩阵,检查各维度上当前点ni与障碍点的重叠情况来判断碰撞,若在各个轴的投影均重叠则为碰撞,有/>;
步骤3.2、定义open集合和close集合,将数字化修复体模型初始位置所在的网格Ns放入open集合;
步骤3.3、在open集合中选取使步骤3.1所定义的代价函数最小的节点作为当前节点,将其放入close集合并从open集合中将当前节点删除;
步骤3.4、判断当前节点是否为目标点,若是,则结束搜索,否则进入步骤3.5;
步骤3.5、遍历当前的节点ni的所有邻近节点ni+1,若邻近节点ni+1为障碍点或已在close集合内,则进入步骤3.7,否则进入步骤3.6,当前的节点ni的所有邻近节点ni+1满足以下条件:
,式中,d表示三维网格体长,/>、/>、/>为数字化修复体模型相对于X轴,Y轴,Z轴的旋转角度,/>表示旋转角度阈值,防止搜索维度过大导致迭代过程过长;
步骤3.6、若邻近节点ni+1不在open集合内,则将其添加到open集合后,设置该节点的父节点为当前节点,进入步骤3.7;
如果邻近节点ni+1已在open集合内,则重新计算其对应的目标函数值,若新计算得到的目标函数值小于当前值,则将当前值更新为新计算得到的目标函数值,进入步骤3.7;
步骤3.7、若open集合不为空,则转到步骤3.3继续迭代
引导就位装置生成模块,用于在数字化修复体模型的下杆卡末端设计形成一引导就位装置,该引导就位装置具有与修复体就位路径生成模块得到的最优就位路径末端方向一致的弧面形态,数字化修复体模型的上杆卡通过该弧面就位;
修复体制作模块,用于基于具有引导就位装置的数字化修复体模型生成修复体实物。
2.如权利要求1所述的一种牙科修复体设计系统,其特征在于,所述修复体模型生成模块基于训练后的GAN模型实现,所述患者的个性化数据输入GAN模型后,由U-net生成器生成所述数字化修复体模型。
3.如权利要求2所述的一种牙科修复体设计系统,其特征在于,所述GAN模型采用以下步骤训练:
步骤101、收集临床信息,建立修复体设计数据库,进一步包括:
步骤1.1、收集整理既往患者的个性化数据,个性化数据包括临床及影像学资料,该临床及影像学资料进一步包括:
1)余留牙列及牙体硬组织情况;
2)口腔软组织情况;
3)口内扫描仪采集患者余留牙列三维数字模型;
4)面部扫描仪记录患者闭口、大张口状态下面部外形数据;
5)电子面弓记录的咬合关系;
6)CBCT数据记录的患者牙槽骨及牙齿数据;
步骤1.2、该患者已由技师完成的修复体三维设计模型定义为真实样本,将患者临床及影像学资料和真实样本相匹配,建立修复体设计数据库;
步骤102、从修复体设计数据库选取数据建立修复体设计数据集,用于后续GAN模型的训练与测试,将修复体设计数据集划分为训练集和测试集;
步骤103、对训练集中的个性化数据进行数据预处理,对于训练集中的患者余留牙列三维数字模型进行降采样,采用包括随机剪切和随机反转在内的数据增强操作,然后进行归一化;
步骤104、定义GAN模型的生成器编码部分和判别器的超参数,并定义卷积核个数、大小和步长;
步骤105、定义GAN模型的反向卷积填充策略和生成器解码器部分超参数,包括Dropout率、卷积核个数、大小和步长;
步骤106、定义模型训练的学习率和学习率衰减速率、小样本大小以及epoch次数;
步骤107、随机初始化GAN模型的网络参数,将预处理完的个性化数据输入U-net生成器,生成得到U-net生成器设计的修复体模型;
步骤108、将U-net生成器生成的修复体模型和训练集对应的真实样本输入PatchGAN鉴别器,根据预设的损失函数,计算鉴别器损失;
步骤109、将U-net生成器生成的修复体模型和训练集对应的真实样本直接进行U-net生成器均方误差损失计算并与PatchGAN鉴别器损失进行加和;
步骤110、GAN模型根据预先定义的学习率进行梯度计算和反向传播,分别更新PatchGAN鉴别器和U-net生成器的参数;
步骤111、根据预先定义的小样本大小和epoch次数,将训练集分割为不同小样本,分批次输入GAN模型进行一次参数更新,在遍历完一次训练集后,继续根据剩下的epoch的次数,继续进行数据遍历的参数更新;
步骤112、通过可视化加和的U-net生成器均方误差损失与PatchGAN鉴别器损失以及PatchGAN鉴别器损失是否有收敛趋势来决定调整模型超参数,包括epoch次数以及学习率大小;
步骤113、PatchGAN鉴别器无法分辨生成模型来自U-net生成器或是真实样本,完成GAN模型的初步训练;
步骤114、将训练完成的GAN模型应用于测试集,通过打乱混合GAN模型设计的修复体模型和真实样本,交由技师进行分辨及评估设计方案,当GAN模型表现良好时,其设计的修复体模型接近真实样本;
步骤115、统计GAN模型在不同临床类别下的表现,以技师分辨准确率作为参考依据,适当加入GAN模型表现薄弱的场景进行增量学习,完成GAN模型的最终训练。
4.如权利要求1所述的一种牙科修复体设计系统,其特征在于,在所述引导就位装置生成模块中,在所述引导就位装置的远中设置一固位附件,并在所述数字化修复体模型的义齿基托组织面的上杆卡远端设计与固位附件相配合的固位装置,当杆卡就位时,上杆卡上的固位装置插入下杆卡远中的固位附件,两者间摩擦力提供固位力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410035878.2A CN117547367B (zh) | 2024-01-10 | 2024-01-10 | 一种牙科修复体设计系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410035878.2A CN117547367B (zh) | 2024-01-10 | 2024-01-10 | 一种牙科修复体设计系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117547367A CN117547367A (zh) | 2024-02-13 |
CN117547367B true CN117547367B (zh) | 2024-04-30 |
Family
ID=89823474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410035878.2A Active CN117547367B (zh) | 2024-01-10 | 2024-01-10 | 一种牙科修复体设计系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117547367B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES299791A1 (es) * | 1963-10-28 | 1964-08-16 | K & H Equipment Ltd | Aparato para la clasificación de materiales según su resistencia eléctrica |
CN101770235A (zh) * | 2009-01-01 | 2010-07-07 | 索尼株式会社 | 路径计划装置、路径计划方法和计算机程序 |
KR101883958B1 (ko) * | 2017-07-21 | 2018-08-01 | 주식회사 디오 | 디지털보철 제조방법 및 제조시스템 |
TWM593244U (zh) * | 2019-11-14 | 2020-04-11 | 艾瑞瓷精密股份有限公司 | 假牙裝置及假牙導引裝置組 |
CN111772828A (zh) * | 2020-07-10 | 2020-10-16 | 四川大学 | 牙龈成型及牙槽骨修整手术引导装置制作方法及引导装置 |
KR20210043168A (ko) * | 2019-10-11 | 2021-04-21 | 주식회사 디오 | 디지털 오버덴쳐 제조방법 |
WO2023109658A1 (zh) * | 2021-12-18 | 2023-06-22 | 深圳先进技术研究院 | 一种用于血管壁影像分割的自定义卷积路径方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140379356A1 (en) * | 2013-06-20 | 2014-12-25 | Rohit Sachdeva | Method and system for integrated orthodontic treatment planning using unified workstation |
-
2024
- 2024-01-10 CN CN202410035878.2A patent/CN117547367B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES299791A1 (es) * | 1963-10-28 | 1964-08-16 | K & H Equipment Ltd | Aparato para la clasificación de materiales según su resistencia eléctrica |
CN101770235A (zh) * | 2009-01-01 | 2010-07-07 | 索尼株式会社 | 路径计划装置、路径计划方法和计算机程序 |
KR101883958B1 (ko) * | 2017-07-21 | 2018-08-01 | 주식회사 디오 | 디지털보철 제조방법 및 제조시스템 |
KR20210043168A (ko) * | 2019-10-11 | 2021-04-21 | 주식회사 디오 | 디지털 오버덴쳐 제조방법 |
TWM593244U (zh) * | 2019-11-14 | 2020-04-11 | 艾瑞瓷精密股份有限公司 | 假牙裝置及假牙導引裝置組 |
CN111772828A (zh) * | 2020-07-10 | 2020-10-16 | 四川大学 | 牙龈成型及牙槽骨修整手术引导装置制作方法及引导装置 |
WO2023109658A1 (zh) * | 2021-12-18 | 2023-06-22 | 深圳先进技术研究院 | 一种用于血管壁影像分割的自定义卷积路径方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117547367A (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11653998B2 (en) | Dental preparation guide | |
KR102419552B1 (ko) | 치아 수복물의 형상, 위치 및 배향 중 적어도 하나를 추정하는 방법 | |
ES2864684T3 (es) | Procedimiento y sistema para retirar los aparatos ortodónticos de la malla digital de la dentición | |
CN113520641B (zh) | 用于构造修复体的方法 | |
CN104699865B (zh) | 一种数字化口腔固定修复的方法及装置 | |
US7865259B2 (en) | System and method for improved dental geometry representation | |
WO2019098887A1 (en) | Dental image processing protocol for dental aligners | |
JP2010524529A (ja) | 顔面解析を用いた特注歯セットアップのコンピュータ支援作成 | |
KR101735783B1 (ko) | 드릴링 템플릿 검증 시스템 및 이를 이용한 검증 방법 | |
KR102302587B1 (ko) | 3차원 치과 ct 영상과 3차원 디지털 인상 모델의 정합 정확도 판단 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 | |
JP2022535273A (ja) | 咬合パラメータを決定するための方法、システム、及びコンピュータ可読記憶媒体 | |
KR102369067B1 (ko) | 치과용 3차원 스캔 데이터의 간소화된 랜드마크 자동 검출 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 | |
KR102331034B1 (ko) | 치과용 3차원 스캔 데이터의 랜드마크 자동 검출 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 | |
KR102215068B1 (ko) | 임플란트 진단용 영상 정합을 위한 장치 및 방법 | |
CN117547367B (zh) | 一种牙科修复体设计系统 | |
CN111275808B (zh) | 一种牙齿正畸模型的建立方法及装置 | |
CN115830287B (zh) | 基于激光口扫与cbct重建的牙齿点云融合方法、设备及介质 | |
WO2023179699A1 (zh) | 基于面型参数生成颞下颌关节髁突运动包络面方法和装置 | |
JP2022543195A (ja) | 歯科矯正及び歯科治療計画における仮想咬合 | |
TW202409874A (zh) | 牙齒復原自動化技術 | |
JP7269587B2 (ja) | セグメンテーション装置 | |
US20240180675A1 (en) | Functional impression for dental prostheses | |
RU2722739C1 (ru) | Способ диагностики текущего состояния зубов | |
KR102512005B1 (ko) | 3차원 구강 스캔 데이터에 3차원 단일 치아 모델을 자동 정렬하는 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 | |
CN116549160A (zh) | 一种口腔数位模型于断层扫描数据间转移的骨等值面叠合法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |