JP2020525258A - 深層学習法を使用する3d歯顎顔面構造の分類および3dモデリング - Google Patents
深層学習法を使用する3d歯顎顔面構造の分類および3dモデリング Download PDFInfo
- Publication number
- JP2020525258A JP2020525258A JP2020522411A JP2020522411A JP2020525258A JP 2020525258 A JP2020525258 A JP 2020525258A JP 2020522411 A JP2020522411 A JP 2020522411A JP 2020522411 A JP2020522411 A JP 2020522411A JP 2020525258 A JP2020525258 A JP 2020525258A
- Authority
- JP
- Japan
- Prior art keywords
- voxels
- neural network
- deep neural
- voxel
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000013135 deep learning Methods 0.000 title description 51
- 238000013528 artificial neural network Methods 0.000 claims abstract description 226
- 238000012545 processing Methods 0.000 claims abstract description 40
- 210000005036 nerve Anatomy 0.000 claims abstract description 19
- 230000005855 radiation Effects 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 110
- 210000001847 jaw Anatomy 0.000 claims description 70
- 230000008569 process Effects 0.000 claims description 42
- 210000002455 dental arch Anatomy 0.000 claims description 31
- 230000001537 neural effect Effects 0.000 claims description 31
- 238000012805 post-processing Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000007781 pre-processing Methods 0.000 claims description 21
- 230000001186 cumulative effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 210000001519 tissue Anatomy 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 4
- 239000010410 layer Substances 0.000 description 123
- 210000000515 tooth Anatomy 0.000 description 87
- 238000013527 convolutional neural network Methods 0.000 description 58
- 230000006870 function Effects 0.000 description 30
- 230000011218 segmentation Effects 0.000 description 23
- 238000007408 cone-beam computed tomography Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 20
- 230000003287 optical effect Effects 0.000 description 12
- 238000012800 visualization Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 238000001994 activation Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 210000002698 mandibular nerve Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000037182 bone density Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000944 nerve tissue Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002346 layers by function Substances 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- 210000002050 maxilla Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
104 3D画像データスタック
106 プリプロセッサ
108 特徴抽出器
110 マッピング
112 第1の3D深層学習ニューラルネットワーク
114 出力
116 ポストプロセッサ
118 補間関数
120 第2の3D深層学習ニューラルネットワーク
122 3D神経データ
124 顎
126 歯
128 3Dモデル
130 3D訓練データ
132 3D表面メッシュ
134 ボクセル分類器
136 ボクセル、訓練ボクセル
202 歯顎顔面複合体
204 CT画像データスタック
206 3Dデータ
208 3D表面メッシュ
210 位置合わせ機能
212 位置特徴
214 3Dモデル
216 深層ニューラルネットワーク
302 軸平面
304 前額面または冠状面
306 矢状面
4011 第1のブロック
4012 第2のブロック
4013 画像ボリューム
4031 第1の経路、第1の畳み込み経路
4032 第2の畳み込み経路
4033 第3の畳み込み経路
404 3D位置特徴
406 3D畳み込み層の第1のセット
407 3D畳み込み層の第3のセット
408 3D畳み込み層の第2のセット
410 完全に接続された3D CNN層のセット
412 ボクセルの意図された分類、最適に分類されたボクセル
504 3D画像データ
522 3D画像データ
524 3D CNN層の以前のセット
526 ダウンスケーリング
528 3D CNN層の以前のセット
530 ダウンスケーリング
532 3D CNN層の以前のセット
534 ダウンスケーリング
538 3D de-CNN層
540 データ
542 3D CNN層、予測3D位置特徴
544 3D de-CNN層
546 データ
548 3D CNN層
550 3D de-CNN層
552 データ
554 3D CNN層
560 符号化マッチング3D位置特徴
702 基準面
704 高さ
706 歯列弓を近似する曲線、歯列弓曲線
708 相対距離
710 点
7121 空間
7122 空間
720 顎
722 歯
724 神経
902 ボクセルデータ
904 顎ボクセル
906 歯ボクセル
908 神経データ
910 深層学習ニューラルネットワーク
912 再構築
914 平滑化
916 後処理
918 セグメント化された顎ボクセル
920 セグメント化された歯ボクセル
1004 3D CNN特徴層の第1のセット
1006 3D CNN特徴層の第2のセット
1008 完全に接続された3D CNN層のセット
11021 下歯槽神経構造、神経ボクセル
11022 神経構造
11041 歯根構造
11042 歯構造
1200 データ処理システム、処理システム
1202 プロセッサ
1204 メモリ要素
1206 システムバス
1210 大容量記憶デバイス
1212 入力デバイス
1214 出力デバイス
1216 ネットワークアダプタ
1218 アプリケーション
Claims (15)
- 歯顎顔面構造を表現する3Dデータを処理するための、コンピュータによって実行される方法であって、
コンピュータが、3D入力データ、好ましくは、3DコーンビームCT(CBCT)データを受信するステップであって、前記3D入力データが前記歯顎顔面構造の第1のボクセル表現を含み、ボクセルが放射強度値に関連付けられ、前記ボクセル表現の前記ボクセルが画像ボリュームを定義する、ステップと、
前処理アルゴリズムが、前記3D入力データを使用して、前記歯顎顔面構造の1つまたは複数の3D位置特徴を決定するステップであって、3D位置特徴が、前記画像ボリューム内の、歯基準面、例えば、顎に対して位置決めされた軸平面の位置、または、歯基準オブジェクト、例えば、顎、歯列弓、および/または1つまたは複数の歯の位置に対する前記第1のボクセル表現のボクセルの位置に関する情報を定義する、ステップと、
前記コンピュータが、前記第1のボクセル表現と、前記第1のボクセル表現に関連付けられる前記1つまたは複数の3D位置特徴とを、第1の3D深層ニューラルネットワーク、好ましくは、3D畳み込み深層ニューラルネットワークの入力に提供するステップであって、前記第1の3D深層ニューラルネットワークが、前記第1のボクセル表現のボクセルを、少なくとも、顎ボクセル、歯ボクセル、および/または神経ボクセルに分類するように構成された、ステップと、
前記第1の3D深層ニューラルネットワークが、訓練セットに基づいて訓練されるステップであって、前記訓練セットが、歯顎顔面構造の3D画像データと、前記訓練セットの前記3D画像データから導出された1つまたは複数の3D位置特徴と、任意選択で、前記訓練セットの前記3D画像データの前記歯顎顔面構造の部分の1つまたは複数の3Dモデルとを含み、前記1つまたは複数の3Dモデルが、前記第1の3D深層ニューラルネットワークの訓練中にターゲットとして使用され、好ましくは、前記1つまたは複数の3Dモデルの少なくとも一部が、前記訓練セットの前記3D画像データの前記歯顎顔面構造の部分を光学的にスキャンすることによって生成される、ステップと、
前記コンピュータが、前記第1の3D深層ニューラルネットワークの出力から前記第1のボクセル表現の分類されたボクセルを受信し、前記分類されたボクセルに基づいて、前記歯顎顔面構造の前記顎、歯、および/または神経組織のうちの少なくとも1つのボクセル表現を決定するステップと
を備える、コンピュータによって実行される方法。 - 前処理アルゴリズムが1つまたは複数の3D位置特徴を決定するステップが、
前記画像ボリューム内の、前記ボクセル表現のボクセルと歯基準平面および/または歯基準オブジェクトとの間の距離を決定するステップと、
前記画像ボリュームの基準面の1つまたは複数の点におけるボクセルの累積強度値を決定するステップであって、前記基準面内の点における累積強度値が、前記基準面内の前記点を通る法線上またはその近傍内のボクセルの累積強度値を含む、ステップと
を含む、請求項1に記載の方法。 - 前記歯基準面が、前記歯顎顔面構造の上顎および/または下顎から所定の距離において、好ましくは、前記歯顎顔面構造の上顎および下顎までほぼ等しい距離において配置された前記画像ボリューム内の軸平面を含み、または、前記歯基準オブジェクトが、前記歯顎顔面構造によって表現される歯列弓の少なくとも一部を近似する歯列弓曲線、好ましくは、前記画像ボリュームの軸平面内に決定されている前記歯列弓曲線を含み、および/または、前記歯基準オブジェクトが1つまたは複数の歯を含む、請求項2に記載の方法。
- 前記前処理アルゴリズムが、その入力において第2のボクセル表現を受信し、前記第2のボクセル表現の各ボクセルについて3D位置特徴を決定するように訓練された第2の3D深層ニューラルネットワークを含み、好ましくは、前記3D位置特徴が、ボクセルが顎、歯、および/または神経組織を表現する可能性を示す尺度を含み、前記第2のボクセル表現が、前記第1のボクセル表現の低解像度バージョンであり、好ましくは、前記第2のボクセル表現の解像度が、前記第1のボクセル表現の解像度の少なくとも3分の1より低く、好ましくは、前記第2の3D深層ニューラルネットワークが、歯顎顔面構造の前記3D画像データと、任意選択で、前記第1の3D深層ニューラルネットワークを訓練するための前記訓練セットの前記3D画像データの前記歯顎顔面構造の部分の前記1つまたは複数の3Dモデルとに基づいて訓練される、請求項1に記載の方法。
- 前記第1のボクセル表現と、前記第1のボクセル表現に関連付けられる前記1つまたは複数の3D位置特徴とを、第1の3D深層ニューラルネットワークの入力に提供するステップが、
前記第1のボクセル表現の各ボクセルを、少なくとも、1つの3D位置特徴によって定義された情報に関連付けるステップと、
前記第1のボクセル表現をボクセルの第1のブロックに分割するステップと、
ボクセルの第1のブロックを前記第1の3D深層ニューラルネットワークの前記入力に提供するステップと
をさらに備え、前記ボクセルの第1のブロックの各ボクセルが、放射強度値と、少なくとも、1つの3D位置特徴によって定義された情報とに関連付けられる、請求項1に記載の方法。 - 前記第1の3D深層ニューラルネットワークが、複数の第1の3D畳み込み層を備え、前記複数の第1の3D畳み込み層の前記出力が、少なくとも1つの完全に接続された層に接続され、前記複数の第1の3D畳み込み層が、前記第1のボクセル表現からのボクセルの第1のブロックを処理するように構成され、前記少なくとも1つの完全に接続された層が、前記ボクセルの第1のブロックのボクセルを、顎、歯、および/または神経ボクセルのうちの少なくとも1つに分類するように構成され、好ましくは、前記第1の3D深層ニューラルネットワークの前記入力に提供される各ボクセルが、放射強度値と少なくとも1つの3D位置特徴とを備える、請求項1から5のいずれか一項に記載の方法。
- 前記第1の3D深層ニューラルネットワークが、複数の第2の3D畳み込み層をさらに備え、前記複数の第2の3D畳み込み層の出力が、前記少なくとも1つの完全に接続された層に接続され、前記複数の第2の3D畳み込み層が、前記第1のボクセル表現からのボクセルの第2のブロックを処理するように構成され、前記ボクセルの第1および第2のブロックが、前記画像ボリューム内の同じまたは実質的に同じ中心点を有し、前記ボクセルの第2のブロックが、前記ボクセルの第1のブロックの実世界の寸法でのボリュームよりも大きい実世界の寸法でのボリュームを表現し、前記複数の第2の3D畳み込み層が、前記複数の第1の3D畳み込み層の前記入力に提供される前記ボクセルの第1のブロックのボクセルに関連付けられるコンテキスト情報を決定するように構成される、請求項6に記載の方法。
- 前記第1の3D深層ニューラルネットワークが、複数の第3の3D畳み込み層をさらに備え、前記複数の第3の3D畳み込み層の出力が、前記少なくとも1つの完全に接続された層に接続され、前記複数の第3の3D畳み込み層が、前記複数の第1の3D畳み込み層の前記入力に提供される少なくとも前記ボクセルの第1のブロックのボクセルに関連付けられる1つまたは複数の3D位置特徴を処理するように構成された、請求項6または7に記載の方法。
- 前記第1の3D深層ニューラルネットワークによって分類された前記ボクセルを後処理するための第3の深層ニューラルネットワークをさらに備え、前記第3の深層ニューラルネットワークが、その入力において前記第1の3D深層ニューラルネットワークによって分類されたボクセルを受信し、前記第1の3D深層ニューラルネットワークによって誤って分類されたボクセルを修正するように訓練され、好ましくは、前記第3の深層ニューラルネットワークが、入力として前記第1の3D深層ニューラルネットワークの訓練中に分類されたボクセルに基づいて、任意選択で、ターゲットとして前記訓練セットの前記3D画像データの前記歯顎顔面構造の部分の前記1つまたは複数の3Dモデルに基づいて訓練される、請求項1から8のいずれか一項に記載の方法。
- 歯顎顔面構造の3D画像データを処理するために深層ニューラルネットワークシステムを訓練するための、コンピュータによって実行される方法であって、
コンピュータが訓練データを受信するステップであって、前記訓練データが、3D入力データ、好ましくは3DコーンビームCT(CBCT)画像データを含み、前記3D入力データが、それぞれ1つまたは複数の歯顎顔面構造の1つまたは複数のボクセル表現を定義し、ボクセルが放射強度値に関連付けられ、ボクセル表現の前記ボクセルが画像ボリュームを定義し、任意選択で、前記訓練データが、前記訓練データの前記3D入力データによって表現される前記歯顎顔面構造の部分の3Dモデルをさらに含む、ステップと、
前記コンピュータが、前処理アルゴリズムを使用して、前記1つまたは複数の歯顎顔面構造の前記1つまたは複数のボクセル表現をそれぞれ前処理して、前記1つまたは複数のボクセル表現内のボクセルに関する1つまたは複数の3D位置特徴を決定するステップであって、3D位置特徴が、前記画像ボリューム内の歯基準面(例えば、顎に対して配置された軸平面)の位置または歯基準オブジェクト(例えば、顎、歯列弓、および/または1つまたは複数の歯)の位置に対する歯顎顔面構造のボクセル表現の少なくとも1つのボクセルの位置に関する情報を定義する、ステップと、
前記訓練データと前記1つまたは複数の3D位置特徴とを使用して、ボクセルを顎ボクセル、歯ボクセル、および/または神経ボクセルに分類するために第1の深層ニューラルネットワークを訓練するステップと
を備える、コンピュータによって実行される方法。 - 前記第1の深層ニューラルネットワークの訓練中に分類されたボクセルと、訓練セットの前記3D画像データの前記歯顎顔面構造の部分の前記1つまたは複数の3Dモデルとを使用して、前記第1の深層ニューラルネットワークによって分類されたボクセルを後処理するために第3のニューラルネットワークを訓練するステップであって、前記第3のニューラルネットワークによる前記後処理が、前記第1の深層ニューラルネットワークによって誤って分類されたボクセルを修正することを含む、ステップをさらに備える、請求項10に記載の方法。
- 歯顎顔面構造の3D画像データを処理するように適合されたコンピュータシステムであって、
具現化されたコンピュータ可読プログラムコードを有するコンピュータ可読記憶媒体であって、前記コンピュータ可読プログラムコードが、前処理アルゴリズムと第1の深層ニューラルネットワークとを含む、コンピュータ可読記憶媒体と、前記コンピュータ可読記憶媒体に結合されたプロセッサ、好ましくはマイクロプロセッサとを備え、前記コンピュータ可読プログラムコードを実行することに応答して、前記プロセッサが実行可能な動作を実行するように構成され、前記実行可能な動作が、
3D入力データ、好ましくは3DコーンビームCT(CBCT)データを受信する動作であって、前記3D入力データが前記歯顎顔面構造の第1のボクセル表現を含み、ボクセルが放射強度値に関連付けられ、前記ボクセル表現の前記ボクセルが画像ボリュームを定義する、動作と、
前処理アルゴリズムが、前記3D入力データを使用して、前記歯顎顔面構造の1つまたは複数の3D位置特徴を決定する動作であって、3D位置特徴が、前記画像ボリューム内の、歯基準面、例えば、顎に対して配置された軸平面の位置、または、歯基準オブジェクト、例えば、顎、歯列弓、および/または1つまたは複数の歯の位置に対する前記第1のボクセル表現のボクセルの位置に関する情報を定義する、動作と、
第1の3D深層ニューラルネットワーク、好ましくは3D畳み込み深層ニューラルネットワークの入力に、前記第1のボクセル表現と、前記第1のボクセル表現に関連付けられる前記1つまたは複数の3D位置特徴とを提供する動作であって、前記第1の3D深層ニューラルネットワークが、前記第1のボクセル表現のボクセルを、少なくとも、顎ボクセル、歯ボクセル、および/または神経ボクセルに分類するように構成されている、動作と、
前記第1の3D深層ニューラルネットワークが訓練セットに基づいて訓練される動作であって、前記訓練セットが、歯顎顔面構造の3D画像データと、前記訓練セットの前記3D画像データから導出された1つまたは複数の3D位置特徴と、任意選択で、前記訓練セットの前記3D画像データの前記歯顎顔面構造の部分の1つまたは複数の3Dモデルとを含み、前記1つまたは複数の3Dモデルが、前記第1の3D深層ニューラルネットワークの訓練中にターゲットとして使用され、好ましくは、前記1つまたは複数の3Dモデルの少なくとも一部が、前記訓練セットの前記3D画像データの前記歯顎顔面構造の部分を光学的にスキャンすることによって生成される、動作と、
前記第1の3D深層ニューラルネットワークの出力から前記第1のボクセル表現の分類されたボクセルを受信し、前記分類されたボクセルに基づいて、前記歯顎顔面構造の前記顎、歯、および/または神経組織のうちの少なくとも1つのボクセル表現を決定する動作と
を備える、コンピュータシステム。 - 前記前処理アルゴリズムが、その入力において第2のボクセル表現を受信し、前記第2のボクセル表現の各ボクセルについて3D位置特徴を決定するように訓練された第2の3D深層ニューラルネットワークを含み、好ましくは、前記3D位置特徴が、ボクセルが顎、歯、および/または神経組織を表現する可能性を示す尺度を含み、前記第2のボクセル表現が、前記第1のボクセル表現の低解像度バージョンであり、好ましくは、前記第2のボクセル表現の解像度が、前記第1のボクセル表現の解像度の少なくとも3分の1より低く、好ましくは、前記第2の3D深層ニューラルネットワークが、歯顎顔面構造の前記3D画像データと、任意選択で、前記第1の3D深層ニューラルネットワークを訓練するための前記訓練セットの前記3D画像データの前記歯顎顔面構造の部分の前記1つまたは複数の3Dモデルとに基づいて訓練される、請求項12に記載のコンピュータシステム。
- 前記第1の3D深層ニューラルネットワークが、複数の第1の3D畳み込み層を備え、前記複数の第1の3D畳み込み層の前記出力が、少なくとも1つの完全に接続された層に接続され、前記複数の第1の3D畳み込み層が、前記第1のボクセル表現からのボクセルの第1のブロックを処理するように構成され、前記少なくとも1つの完全に接続された層が、前記ボクセルの第1のブロックのボクセルを、顎、歯、および/または神経ボクセルのうちの少なくとも1つに分類するように構成され、好ましくは、前記第1の3D深層ニューラルネットワークの前記入力に提供される各ボクセルが、放射強度値と少なくとも1つの3D位置特徴とを備え、
任意選択で、前記第1の3D深層ニューラルネットワークが、複数の第2の3D畳み込み層をさらに備え、前記複数の第2の3D畳み込み層の出力が、前記少なくとも1つの完全に接続された層に接続され、前記複数の第2の3D畳み込み層が、前記第1のボクセル表現からのボクセルの第2のブロックを処理するように構成され、前記ボクセルの第1および第2のブロックが、前記画像ボリューム内の同じまたは実質的に同じ中心点を有し、前記ボクセルの第2のブロックが、前記ボクセルの第1のブロックの実世界の寸法でのボリュームよりも大きい実世界の寸法でのボリュームを表現し、前記複数の第2の3D畳み込み層が、前記複数の第1の3D畳み込み層の前記入力に提供される前記ボクセルの第1のブロックのボクセルに関連付けられるコンテキスト情報を決定するように構成される、請求項13に記載のコンピュータシステム。 - コンピュータのメモリ内で実行されるとき、請求項1から11のいずれか一項に記載の方法のステップを実行するように構成されたソフトウェアコード部分を備えるコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2024006813A JP2024056701A (ja) | 2017-06-30 | 2024-01-19 | 深層学習法を使用する3d歯顎顔面構造の分類および3dモデリング |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17179185.8 | 2017-06-30 | ||
EP17179185 | 2017-06-30 | ||
PCT/EP2018/067850 WO2019002631A1 (en) | 2017-06-30 | 2018-07-02 | 3D CLASSIFICATION AND MODELING OF 3D DENTO-MAXILLO-FACIAL STRUCTURES THROUGH DEEP LEARNING PROCESSES |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024006813A Division JP2024056701A (ja) | 2017-06-30 | 2024-01-19 | 深層学習法を使用する3d歯顎顔面構造の分類および3dモデリング |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020525258A true JP2020525258A (ja) | 2020-08-27 |
Family
ID=59296711
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020522411A Pending JP2020525258A (ja) | 2017-06-30 | 2018-07-02 | 深層学習法を使用する3d歯顎顔面構造の分類および3dモデリング |
JP2024006813A Pending JP2024056701A (ja) | 2017-06-30 | 2024-01-19 | 深層学習法を使用する3d歯顎顔面構造の分類および3dモデリング |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024006813A Pending JP2024056701A (ja) | 2017-06-30 | 2024-01-19 | 深層学習法を使用する3d歯顎顔面構造の分類および3dモデリング |
Country Status (10)
Country | Link |
---|---|
US (1) | US11379975B2 (ja) |
EP (1) | EP3449421B1 (ja) |
JP (2) | JP2020525258A (ja) |
KR (1) | KR102581685B1 (ja) |
CN (1) | CN110998602B (ja) |
BR (1) | BR112019028132A2 (ja) |
CA (1) | CA3068526A1 (ja) |
ES (1) | ES2807263T3 (ja) |
IL (1) | IL271743B1 (ja) |
WO (1) | WO2019002631A1 (ja) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2536650A (en) | 2015-03-24 | 2016-09-28 | Augmedics Ltd | Method and system for combining video-based and optic-based augmented reality in a near eye display |
KR102581685B1 (ko) | 2017-06-30 | 2023-09-25 | 프로메이톤 홀딩 비.브이. | 딥 러닝을 이용한 3d 구강 악안면 구조의 분류 및 3d 모델링 |
EP3462373A1 (en) | 2017-10-02 | 2019-04-03 | Promaton Holding B.V. | Automated classification and taxonomy of 3d teeth data using deep learning methods |
US11270523B2 (en) | 2017-11-29 | 2022-03-08 | Sdc U.S. Smilepay Spv | Systems and methods for constructing a three-dimensional model from two-dimensional images |
US10916053B1 (en) | 2019-11-26 | 2021-02-09 | Sdc U.S. Smilepay Spv | Systems and methods for constructing a three-dimensional model from two-dimensional images |
US11403813B2 (en) | 2019-11-26 | 2022-08-02 | Sdc U.S. Smilepay Spv | Systems and methods for constructing a three-dimensional model from two-dimensional images |
EP3503038A1 (en) | 2017-12-22 | 2019-06-26 | Promaton Holding B.V. | Automated 3d root shape prediction using deep learning methods |
WO2019134987A1 (en) * | 2018-01-05 | 2019-07-11 | Deepmind Technologies Limited | Parallel video processing systems |
EP3561778A1 (en) | 2018-04-26 | 2019-10-30 | Promaton Holding B.V. | Automated correction of metal affected voxel representations of x-ray data using deep learning techniques |
EP3787543A4 (en) | 2018-05-02 | 2022-01-19 | Augmedics Ltd. | REGISTRATION OF A REFERENCE MARK FOR AN AUGMENTED REALITY SYSTEM |
ES2919428T3 (es) * | 2018-11-08 | 2022-07-26 | Holo Surgical Inc | Segmentación autónoma de estructuras tridimensionales del sistema nervioso a partir de imágenes médicas |
US11766296B2 (en) | 2018-11-26 | 2023-09-26 | Augmedics Ltd. | Tracking system for image-guided surgery |
KR102215068B1 (ko) * | 2019-02-18 | 2021-02-10 | 부산대학교 산학협력단 | 임플란트 진단용 영상 정합을 위한 장치 및 방법 |
CN109949223B (zh) * | 2019-02-25 | 2023-06-20 | 天津大学 | 基于反卷积稠密连接的图像超分辨率重构方法 |
CN109766877B (zh) * | 2019-03-12 | 2022-05-27 | 北京羽医甘蓝信息技术有限公司 | 基于深度学习的全景片人工牙体识别的方法和装置 |
EP3967235A4 (en) * | 2019-03-25 | 2022-11-30 | Bonewise Inc. | APPARATUS AND METHOD FOR ASSESSING BONE AGE OF A TOOTH, AND RECORDING MEDIA RECORDING INSTRUCTIONS FOR ASSESSING BONE AGE OF A TOOTH |
US11030801B2 (en) | 2019-05-17 | 2021-06-08 | Standard Cyborg, Inc. | Three-dimensional modeling toolkit |
WO2020235784A1 (ko) * | 2019-05-22 | 2020-11-26 | 주식회사 디오 | 신경 검출 방법 및 장치 |
KR102205427B1 (ko) * | 2019-06-26 | 2021-01-20 | 주식회사 디오 | 신경 위치 보정 방법 및 장치 |
KR102236973B1 (ko) * | 2019-05-22 | 2021-04-07 | 주식회사 디오 | 신경 검출 방법 및 장치 |
US11455502B2 (en) * | 2019-05-31 | 2022-09-27 | Rakuten Group, Inc. | Learning device, classification device, learning method, classification method, learning program, and classification program |
CN110211140B (zh) * | 2019-06-14 | 2023-04-07 | 重庆大学 | 基于3D残差U-Net和加权损失函数的腹部血管分割方法 |
US11980506B2 (en) | 2019-07-29 | 2024-05-14 | Augmedics Ltd. | Fiducial marker |
KR20210030147A (ko) * | 2019-09-09 | 2021-03-17 | 삼성전자주식회사 | 3d 렌더링 방법 및 장치 |
EP3859671A1 (en) * | 2019-10-07 | 2021-08-04 | J. Morita Manufacturing Corporation | Segmentation device and method of generating learning model |
EP3806034A1 (en) * | 2019-10-07 | 2021-04-14 | Nihon University | Segmentation device |
EP3828828A1 (en) | 2019-11-28 | 2021-06-02 | Robovision | Improved physical object handling based on deep learning |
US11382712B2 (en) | 2019-12-22 | 2022-07-12 | Augmedics Ltd. | Mirroring in image guided surgery |
US11704804B2 (en) * | 2020-04-02 | 2023-07-18 | GE Precision Healthcare LLC | Domain adaptation using post-processing model correction |
CN111583220B (zh) * | 2020-04-30 | 2023-04-18 | 腾讯科技(深圳)有限公司 | 影像数据检测方法和装置 |
CN111784754B (zh) * | 2020-07-06 | 2024-01-12 | 浙江得图网络有限公司 | 基于计算机视觉的牙齿正畸方法、装置、设备及存储介质 |
EP3958209A1 (en) * | 2020-08-19 | 2022-02-23 | Volkswagen Ag | Computer-implemented methods, computing devices and computer programs for processing volumetric scanning data and analyzing a performance of structural elements |
WO2022125433A1 (en) * | 2020-12-07 | 2022-06-16 | SmileDirectClub LLC | Systems and methods for constructing a three-dimensional model from two-dimensional images |
CN112967219B (zh) * | 2021-03-17 | 2023-12-05 | 复旦大学附属华山医院 | 基于深度学习网络的二阶段牙体点云补全方法及系统 |
EP4060612A1 (en) | 2021-03-17 | 2022-09-21 | Robovision | Improved orientation detection based on deep learning |
EP4060608A1 (en) | 2021-03-17 | 2022-09-21 | Robovision | Improved vision-based measuring |
US11896445B2 (en) | 2021-07-07 | 2024-02-13 | Augmedics Ltd. | Iliac pin and adapter |
CN113538606B (zh) * | 2021-08-17 | 2022-07-22 | 数坤(北京)网络科技股份有限公司 | 图像关联方法、装置、计算机可读存储介质及电子设备 |
IT202200001826A1 (it) * | 2022-02-02 | 2023-08-02 | Exalens S R L | Metodo per l'analisi delle radiografie orali e relativo sistema di analisi |
CN114549523A (zh) * | 2022-04-25 | 2022-05-27 | 南京邮电大学 | 基于单步深度网络的曲面体层图正中多生牙自动检测方法 |
KR20230152854A (ko) * | 2022-04-27 | 2023-11-06 | 주식회사 에이치디엑스윌 | 콘빔ct 및 3차원 스캔의 동시 촬영을 통한 데이터 정합 장치 및 방법 |
KR20230161068A (ko) * | 2022-05-18 | 2023-11-27 | 서울대학교산학협력단 | 복셀 기반 방사선 선량 평가 방법 및 장치 |
CN114757960B (zh) * | 2022-06-15 | 2022-09-09 | 汉斯夫(杭州)医学科技有限公司 | 一种基于cbct图像的牙齿分割与重建方法及存储介质 |
CN115035001B (zh) * | 2022-08-11 | 2022-12-09 | 北京唯迈医疗设备有限公司 | 基于dsa成像设备的术中导航系统、计算装置和程序产品 |
EP4365855A1 (en) * | 2022-11-02 | 2024-05-08 | Trophy Sas | Method, system, and computer program for generating 3d models of dentures in occlusion conditions |
WO2024097286A1 (en) * | 2022-11-02 | 2024-05-10 | Carestream Dental Llc | Method, system, and computer program for generating 3d models of dentures in occlusion conditions |
CN116883246B (zh) * | 2023-09-06 | 2023-11-14 | 感跃医疗科技(成都)有限公司 | 一种用于cbct图像的超分辨率方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013537445A (ja) * | 2010-07-26 | 2013-10-03 | ケイジャヤ、エルエルシー | 内科医が直接用いるのに適応したビジュアライゼーション |
US20140227655A1 (en) * | 2013-02-12 | 2014-08-14 | Ormco Corporation | Integration of model data, surface data, and volumetric data |
Family Cites Families (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6721387B1 (en) | 2001-06-13 | 2004-04-13 | Analogic Corporation | Method of and system for reducing metal artifacts in images generated by x-ray scanning devices |
JP2007520300A (ja) | 2004-02-05 | 2007-07-26 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ボクセル組織クラスを分散するctにおける高減衰オブジェクトにより生じる画像全体のアーティファクトの縮小 |
US9492245B2 (en) | 2004-02-27 | 2016-11-15 | Align Technology, Inc. | Method and system for providing dynamic orthodontic assessment and treatment profiles |
US7711406B2 (en) | 2005-11-23 | 2010-05-04 | General Electric Company | System and method for detection of electromagnetic radiation by amorphous silicon x-ray detector for metal detection in x-ray imaging |
US7844429B2 (en) | 2006-07-19 | 2010-11-30 | Align Technology, Inc. | System and method for three-dimensional complete tooth modeling |
US9111372B2 (en) * | 2006-08-11 | 2015-08-18 | Visionary Technologies, Inc. | System and method for object identification and anomaly detection |
WO2009027889A2 (en) | 2007-08-31 | 2009-03-05 | Koninklijke Philips Electronics N.V. | Uncertainty maps for segmentation in the presence of metal artifacts |
US8439672B2 (en) | 2008-01-29 | 2013-05-14 | Align Technology, Inc. | Method and system for optimizing dental aligner geometry |
US8108189B2 (en) | 2008-03-25 | 2012-01-31 | Align Technologies, Inc. | Reconstruction of non-visible part of tooth |
DK2722818T3 (da) * | 2009-09-04 | 2020-01-06 | Medicim Nv | Fremgangsmåde til digitalisering af dento-maxillofaciale objekter |
US8503750B2 (en) | 2009-10-06 | 2013-08-06 | General Electric Company | Method and apparatus for reduction of metal artifacts in CT images |
JP5820467B2 (ja) * | 2010-04-20 | 2015-11-24 | イメージング・サイエンシィズ・インターナショナル・エルエルシー | 表面走査情報を用いることによる歯科用3次元x線データセットからのアーチファクトの低減及び除去 |
DE102012206714A1 (de) | 2011-08-10 | 2013-02-14 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Verfahren, Recheneinheit, CT-System und C-Bogen-System zur Reduktion von Metallartefakten in CT-Bilddatensätzen |
US9135498B2 (en) | 2012-12-14 | 2015-09-15 | Ormco Corporation | Integration of intra-oral imagery and volumetric imagery |
US10368719B2 (en) * | 2013-03-14 | 2019-08-06 | Ormco Corporation | Registering shape data extracted from intra-oral imagery to digital reconstruction of teeth for determining position and orientation of roots |
US9269168B2 (en) * | 2013-03-15 | 2016-02-23 | Carestream Health, Inc. | Volume image reconstruction using data from multiple energy spectra |
US9349198B2 (en) | 2013-07-26 | 2016-05-24 | General Electric Company | Robust artifact reduction in image reconstruction |
EP3139855B1 (en) | 2014-05-09 | 2021-11-03 | 3Shape A/S | Scanning of edentulous patients |
DE102014007095A1 (de) | 2014-05-14 | 2015-11-19 | Universität Zu Lübeck | Verfahren und Vorrichtung zur Reduktion von Artefakten in computertomographischen Bildern |
US9934597B2 (en) | 2014-09-11 | 2018-04-03 | Carestream Health, Inc. | Metal artifacts reduction in cone beam reconstruction |
US9655580B2 (en) | 2014-10-24 | 2017-05-23 | General Electric Company | Systems and methods for metal artifact reduction |
US9498179B1 (en) | 2015-05-07 | 2016-11-22 | General Electric Company | Methods and systems for metal artifact reduction in spectral CT imaging |
WO2016182551A1 (en) * | 2015-05-11 | 2016-11-17 | Siemens Healthcare Gmbh | Method and system for landmark detection in medical images using deep neural networks |
US10013779B2 (en) | 2015-06-22 | 2018-07-03 | Toshiba Medical Systems Corporation | Metal artifact reduction for 3D-digtial subtraction angiography |
US10235606B2 (en) | 2015-07-22 | 2019-03-19 | Siemens Healthcare Gmbh | Method and system for convolutional neural network regression based 2D/3D image registration |
CN108140141B (zh) * | 2015-08-15 | 2019-09-06 | 易享信息技术有限公司 | 在深度神经网络中对表征输入放射体的三维3d数据进行分类的计算机实现的方法及系统 |
US10032271B2 (en) * | 2015-12-10 | 2018-07-24 | 3M Innovative Properties Company | Method for automatic tooth type recognition from 3D scans |
DE102016204226A1 (de) | 2016-03-15 | 2017-09-21 | Siemens Healthcare Gmbh | Vorrichtung und Verfahren zum Abgrenzen eines Metallobjekts für eine Artefaktreduktion in Tomographiebildern |
JP6780948B2 (ja) | 2016-03-28 | 2020-11-04 | キヤノンメディカルシステムズ株式会社 | X線ct装置 |
AU2017281290B2 (en) * | 2016-06-21 | 2022-03-17 | Nobel Biocare Services Ag | Method for estimating at least one of shape, position and orientation of a dental restoration |
US11291532B2 (en) * | 2016-07-27 | 2022-04-05 | James R. Glidewell Dental Ceramics, Inc. | Dental CAD automation using deep learning |
EP4360589A2 (en) * | 2016-08-22 | 2024-05-01 | Kolibree SAS | Oral hygiene system for compliance monitoring |
US20200022790A1 (en) | 2016-10-10 | 2020-01-23 | 3Shape A/S | Common Placement Support for Artificial Teeth |
US10660728B2 (en) | 2016-10-20 | 2020-05-26 | Baliram Maraj | Systems and methods for dental treatment utilizing mixed reality and deep learning |
CN106618760B (zh) | 2016-12-07 | 2019-11-08 | 上海牙典医疗器械有限公司 | 一种设计正畸矫治方案的方法 |
CN108205806B (zh) | 2016-12-20 | 2020-10-09 | 北京大学 | 一种锥束ct图像三维颅面结构的自动解析方法 |
EP4046587A1 (en) | 2016-12-30 | 2022-08-24 | Carestream Dental Technology Topco Limited | Reconstruction of a virtual computed-tomography volume to track orthodontics treatment evolution |
US10758322B2 (en) | 2017-03-20 | 2020-09-01 | Align Technology, Inc. | Virtually representing an orthodontic treatment outcome using automated detection of facial and dental reference objects |
KR102581685B1 (ko) | 2017-06-30 | 2023-09-25 | 프로메이톤 홀딩 비.브이. | 딥 러닝을 이용한 3d 구강 악안면 구조의 분류 및 3d 모델링 |
FR3069359B1 (fr) | 2017-07-21 | 2019-08-23 | Dental Monitoring | Procede d'analyse d'une image d'une arcade dentaire |
FR3069355B1 (fr) | 2017-07-21 | 2023-02-10 | Dental Monitoring | Procédé d’entrainement d’un réseau de neurones par enrichissement de sa base d’apprentissage pour l’analyse d’une image d’arcade dentaire |
EP3462373A1 (en) | 2017-10-02 | 2019-04-03 | Promaton Holding B.V. | Automated classification and taxonomy of 3d teeth data using deep learning methods |
US10997727B2 (en) | 2017-11-07 | 2021-05-04 | Align Technology, Inc. | Deep learning for tooth detection and evaluation |
US11120551B2 (en) | 2017-11-27 | 2021-09-14 | Rensselaer Polytechnic Institute | Training a CNN with pseudo ground truth for CT artifact reduction |
EP3503038A1 (en) | 2017-12-22 | 2019-06-26 | Promaton Holding B.V. | Automated 3d root shape prediction using deep learning methods |
CN108305684A (zh) | 2018-02-28 | 2018-07-20 | 成都贝施美医疗科技股份有限公司 | 正畸治疗模拟方法、装置及终端设备 |
EP3561778A1 (en) | 2018-04-26 | 2019-10-30 | Promaton Holding B.V. | Automated correction of metal affected voxel representations of x-ray data using deep learning techniques |
CN110473283B (zh) | 2018-05-09 | 2024-01-23 | 无锡时代天使医疗器械科技有限公司 | 牙齿三维数字模型的局部坐标系设定方法 |
EP3591616A1 (en) | 2018-07-03 | 2020-01-08 | Promaton Holding B.V. | Automated determination of a canonical pose of a 3d dental structure and superimposition of 3d dental structures using deep learning |
EP3620130A1 (en) | 2018-09-04 | 2020-03-11 | Promaton Holding B.V. | Automated orthodontic treatment planning using deep learning |
EP3671531A1 (en) | 2018-12-17 | 2020-06-24 | Promaton Holding B.V. | Semantic segmentation of non-euclidean 3d data sets using deep learning |
EP3767521A1 (en) | 2019-07-15 | 2021-01-20 | Promaton Holding B.V. | Object detection and instance segmentation of 3d point clouds based on deep learning |
US10932890B1 (en) | 2019-11-14 | 2021-03-02 | Pearl Inc. | Enhanced techniques for determination of dental margins in intraoral scans |
-
2018
- 2018-07-02 KR KR1020207002868A patent/KR102581685B1/ko active IP Right Grant
- 2018-07-02 CN CN201880052277.5A patent/CN110998602B/zh active Active
- 2018-07-02 ES ES18733658T patent/ES2807263T3/es active Active
- 2018-07-02 EP EP18733658.1A patent/EP3449421B1/en active Active
- 2018-07-02 CA CA3068526A patent/CA3068526A1/en active Pending
- 2018-07-02 WO PCT/EP2018/067850 patent/WO2019002631A1/en unknown
- 2018-07-02 IL IL271743A patent/IL271743B1/en unknown
- 2018-07-02 JP JP2020522411A patent/JP2020525258A/ja active Pending
- 2018-07-02 BR BR112019028132-0A patent/BR112019028132A2/pt unknown
- 2018-07-02 US US16/627,173 patent/US11379975B2/en active Active
-
2024
- 2024-01-19 JP JP2024006813A patent/JP2024056701A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013537445A (ja) * | 2010-07-26 | 2013-10-03 | ケイジャヤ、エルエルシー | 内科医が直接用いるのに適応したビジュアライゼーション |
US20140227655A1 (en) * | 2013-02-12 | 2014-08-14 | Ormco Corporation | Integration of model data, surface data, and volumetric data |
Non-Patent Citations (4)
Title |
---|
HOSNTALAB MOHAMMAD ET AL.: "A Hybrid Segmentation Framework for Computer-Assisted Dental Procedures", IEICE TRANSACTIONS ON INFORMATION AND SYSTEMS, vol. 92, no. 10, JPN6022015409, 1 October 2009 (2009-10-01), pages 2137 - 2151, ISSN: 0004758757 * |
LITJENS GEERT ET AL.: "A Survey of Deep Learning in Medical Image Analysis", ARXIV, JPN6022015405, 4 June 2017 (2017-06-04), ISSN: 0004758755 * |
PAVALOIU IONEL-BUJOREL ET AL.: "AUTOMATIC SEGMENTATION FOR 3D DENTAL RECONSTRUCTION", 2015 6TH INTERNATIONAL CONFERENCE ON COMPUTING, COMMUNICATION AND NETWORKING, JPN6022015404, 1 February 2016 (2016-02-01), pages 1 - 6, ISSN: 0004758754 * |
PAVALOIU IONEL-BUJOREL ET AL.: "Neural Network Based Edge Detection for CBCT Segmentation", 2015 E-HEALTH AND BIOENGINEERING CONFERENCE, JPN6022015407, 28 January 2016 (2016-01-28), pages 1 - 4, ISSN: 0004758756 * |
Also Published As
Publication number | Publication date |
---|---|
ES2807263T3 (es) | 2021-02-22 |
JP2024056701A (ja) | 2024-04-23 |
CA3068526A1 (en) | 2019-01-03 |
EP3449421B1 (en) | 2020-04-29 |
KR102581685B1 (ko) | 2023-09-25 |
US11379975B2 (en) | 2022-07-05 |
IL271743A (en) | 2020-02-27 |
EP3449421A1 (en) | 2019-03-06 |
BR112019028132A2 (pt) | 2020-07-28 |
WO2019002631A1 (en) | 2019-01-03 |
CN110998602A (zh) | 2020-04-10 |
CN110998602B (zh) | 2023-12-01 |
IL271743B1 (en) | 2024-04-01 |
US20210150702A1 (en) | 2021-05-20 |
KR20200035265A (ko) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11379975B2 (en) | Classification and 3D modelling of 3D dento-maxillofacial structures using deep learning methods | |
JP7451406B2 (ja) | 深層学習法を使用する自動3d歯根形状予測 | |
US11568533B2 (en) | Automated classification and taxonomy of 3D teeth data using deep learning methods | |
US11494957B2 (en) | Automated correction of metal affected voxel representations of x-ray data using deep learning techniques | |
KR20210028226A (ko) | 딥 러닝을 사용하여 3d 객체의 정규 자세 및 3d 객체의 중첩을 자동 결정 | |
WO2020238817A1 (en) | Systems and methods for processing x-ray images | |
JP7493464B2 (ja) | 3dオブジェクトの正準ポーズの自動化判定、および深層学習を使った3dオブジェクトの重ね合わせ | |
JP7494125B2 (ja) | ディープラーニング技法を用いたx線データの金属影響ボクセル表現の自動補正 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210614 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220425 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220721 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221025 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230123 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230424 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230721 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230919 |