JP2022167627A - 情報処理装置、情報処理方法およびプログラム - Google Patents
情報処理装置、情報処理方法およびプログラム Download PDFInfo
- Publication number
- JP2022167627A JP2022167627A JP2021073556A JP2021073556A JP2022167627A JP 2022167627 A JP2022167627 A JP 2022167627A JP 2021073556 A JP2021073556 A JP 2021073556A JP 2021073556 A JP2021073556 A JP 2021073556A JP 2022167627 A JP2022167627 A JP 2022167627A
- Authority
- JP
- Japan
- Prior art keywords
- inference
- data
- image data
- information processing
- dental prosthesis
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 51
- 238000003672 processing method Methods 0.000 title claims abstract description 6
- 210000004513 dentition Anatomy 0.000 claims description 25
- 230000036346 tooth eruption Effects 0.000 claims description 25
- 239000003086 colorant Substances 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 abstract description 6
- 230000002950 deficient Effects 0.000 abstract 3
- 238000004040 coloring Methods 0.000 description 67
- 239000000463 material Substances 0.000 description 36
- 238000000034 method Methods 0.000 description 17
- 238000004519 manufacturing process Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 238000003860 storage Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000005520 cutting process Methods 0.000 description 5
- 239000011248 coating agent Substances 0.000 description 4
- 238000000576 coating method Methods 0.000 description 4
- 239000011347 resin Substances 0.000 description 4
- 229920005989 resin Polymers 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 239000000919 ceramic Substances 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 229910010413 TiO 2 Inorganic materials 0.000 description 1
- GEIAQOFPUVMAGM-UHFFFAOYSA-N ZrO Inorganic materials [Zr]=O GEIAQOFPUVMAGM-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
【課題】 学習済みの推論モデルを用いて歯科用補綴物の色を推論する情報処理装置、情報処理方法およびプログラムを提供することを目的とする。
【解決手段】 本発明に係る情報処理装置は、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部と、欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得部と、を有し、前記推論部は、前記学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする。
【選択図】 図6
【解決手段】 本発明に係る情報処理装置は、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部と、欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得部と、を有し、前記推論部は、前記学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする。
【選択図】 図6
Description
本発明は学習済みモデルを用いて歯科用補綴物の色の推論を行う情報処理装置、情報処理方法およびプログラムに関する。
従来、インレー、クラウン、ブリッジ等の歯科用補綴物は歯科技工士による鋳造など、人手によって作製されていた。それに対し、コンピュータを用いて、インレー、クラウン、ブリッジ等の歯科用補綴物の設計を行い、切削加工によって歯科用補綴物を作製するCAD/CAMシステムが注目されている(特許文献1)。
特許文献1に記載のCAD/CAMシステムは、支台歯形成や窩洞形成した歯牙の三次元形状の情報、場合によっては隣在歯や対合歯の三次元形状の情報を読み取る。そして読み取った歯牙の形状等の情報を基に目的の歯科用補綴物をコンピュータで設計し、レジン硬化体、セラミック焼結体、金属体等のブロック状材料を自動切削加工機にセットして切削加工して歯科用補綴物を作製することが開示されている。
特許文献1には、CAD/CAMシステムによって、歯牙等の三次元形状の情報に基づいてブロック材料を切削加工することで歯科用補綴物を形成するものの、歯科用補綴物の着色に関しては、歯科技工士が、残存する歯との整合性を見ながら行っているためコストがかかる。本発明は、学習済みの推論モデルを用いて歯科用補綴物の色を推論する情報処理装置、情報処理方法およびプログラムを提供することを目的とする。
本発明の目的を達成するために、本発明に係る情報処理装置は、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部と、欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得部と、を有し、前記推論部は、前記学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする。
本発明によれば、学習済みモデルを用いて歯科用補綴物の色を推論することができる。
以下、添付図面を参照して本発明の好適な実施形態について説明する。
[第一の実施形態]
図1は、本発明に係る歯科用補綴物製造システムの構成を示す。
図1は、本発明に係る歯科用補綴物製造システムの構成を示す。
本発明の歯科用補綴物製造システムは、口腔内の情報を取得する口腔内情報の取得部100と、取得した口腔内情報に基づいて、歯科用補綴物の三次元形状データや歯科用補綴物の色データを生成するデータ生成部200とを含む。さらに歯科用補綴物製造システムは生成された三次元形状データに基づいて歯科用補綴物の形成を行う形成部300と、生成された色データに基づいて形成された歯科用補綴物の表面に着色を行う着色部400とから構成される。また形成部300と着色部400とは、両加工を行う同一の装置から構成されてもよい。
以下より、図2に示した歯科用補綴物製造システムによる歯科用補綴物の生成フローについて図3のイメージ図を参照しながら説明をする。
ステップS200において、口腔内情報の取得部100は、記憶装置等から被検者の口腔内情報を取得する。口腔内情報の取得部100が取得する情報は、欠損領域を含む歯列の情報であり、歯の三次元形状の情報や、歯の色情報を含む画像データである。口腔内情報の取得部100は、取得した口腔内情報を推論対象の画像データとして、データ生成部200へと送信する。なお、ここで、口腔内情報の取得部100が取得する口腔内情報は、口腔内スキャナ等(図3の301参照)の撮像手段を用いて撮影された画像データであってもよい。図3の301は、ユーザの口腔内情報を取得するイメージを示している。
ステップS201において、データ生成部200は取得した推論対象の画像データに対して、学習済みの推論モデルを用いて歯科用補綴物の色を推論する。ここで、学習済みの推論モデルは、欠損領域を含む歯列を撮影した学習画像データと該欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルである。後に詳述するが、推論モデルは、正解データとして、歯科用補綴物の色を示す画素値に対応する正解ラベルを適用したCNN(Convolutional Neural Network)に基づくモデルであってもよい。もしくは、推論モデルは正解データとして、正解画像データを学習したpix2pixのようなGAN(Genarative Adversarial Network)に基づくモデルであってもよい。データ生成部200は、さらに、推論した色および形状に基づいて、歯の三次元形状データと歯の色データを生成する(図3の302参照)。なお、データ生成部200における学習済みの推論モデルによる推論処理と、該推論処理に基づくデータの生成とは、異なる装置から構成されてもよい。データ生成部200は、例えば歯の形状のマスタ情報と、送信された歯の三次元形状情報との差分に基づいて、歯課用補綴物の三次元形状を推論し、歯の三次元形状データを生成してもよい。データ生成部200は歯の三次元形状データおよび歯の色データを生成すると、生成した三次元形状データを形成部300へ送信し、推論した色データを着色部400へ送信する。ここで、図3の302において、歯科用補綴物を濃色、現存する歯を淡色で示している。
ステップS202において、形成部300は、取得した歯の三次元形状データに基づいて、形成部300が歯科用補綴物の母材を切削や研削することで歯科用補綴物を形成する。形成部300によって歯科用補綴物が形成されると、形成した歯科用補綴物を着色部400に送る。
ステップS203において、着色部400は、取得した学習済みモデルによって推論された歯科用補綴物の色データに基づいて、形成部300から取得した歯科用補綴物の表面に着色を行う。図3の303には、形成部300によって歯科用補綴物の母材から歯科用補綴物を形成し、形成した歯科用補綴物に対して着色部400が着色するイメージを示している。本フローによる歯科用補綴物の着色によって、図3の304にイメージとして示すような適合性の高い歯科用補綴物が生成することができる。
ここで、図4を用いて歯科用補綴物製造システムの各部を実現する装置の一例について説明をする。口腔内情報の取得部100の機能は例えば、口腔内スキャナ1000(図5を用いて後述)によって実現される。口腔内スキャナ1000で撮影した口腔内情報は、データ生成部200の機能を有する情報処理装置2000(図6等を用いて後述)に送信される。また情報処理装置によって生成された歯科用補綴物の三次元形状データは、形成部300の機能を有する歯科用CAM3000(図11を用いて後述)に送信される。また情報処理装置2000が保有する学習済みの推論モデルによって推論された歯科用補綴物の色データは、着色部400の機能を有する着色装置4000(図13を用いて後述)に送信される。また情報処理装置2000における歯科用補綴物の色の推論と、歯科用補綴物のデータ生成とは、異なる装置によって実現されてもよい。例えば、情報処理装置2000が保有する学習済みの推論モデルによる出力を、歯科用CAD等の他の装置に送信し、歯科用CADが歯科用補綴物の色や形状等のデータを生成する。なお、歯科用補綴物製造システムの各部を実現する装置は上述に限定されるものではない。以下より、上述した歯科用補綴物製造システムを構成する各装置について説明をする。
<口腔内スキャナ1000>
まず、図5を用いて歯科用補綴物製造システムにおける口腔内情報取得部100の機能を実現する口腔内スキャナ1000の概略図について説明をする。口腔内スキャナ1000は記憶部501と操作部502と通信用IF(Interface)503と撮影制御部504を具備している。記憶部501は取得した歯の情報等を記憶し、操作部502は、ユーザによる操作を受け付ける。通信IF503は、LANカード等で実現され、外部装置(例えば歯科用CAD2000)との間の通信を司る。撮影制御部504は歯画像データを取得する。
まず、図5を用いて歯科用補綴物製造システムにおける口腔内情報取得部100の機能を実現する口腔内スキャナ1000の概略図について説明をする。口腔内スキャナ1000は記憶部501と操作部502と通信用IF(Interface)503と撮影制御部504を具備している。記憶部501は取得した歯の情報等を記憶し、操作部502は、ユーザによる操作を受け付ける。通信IF503は、LANカード等で実現され、外部装置(例えば歯科用CAD2000)との間の通信を司る。撮影制御部504は歯画像データを取得する。
撮影制御部504によって取得された画像データは記憶部501に記憶され、通信IF503を用いて推論対象の画像データとして情報処理装置2000に送信される。なお、口腔内情報の取得部100はあらかじめ撮影された口腔内情報を記憶装置等から取得することで代替されてもよい。また口腔内スキャナ1000は口腔内の情報を取得するためのスキャナであり、必ずしも口腔内に差し込んで撮影される必要はない。例えば口腔内情報の取得部100は、口腔内の印章をとり、それをスキャンして歯の三次元形状情報を取得してもよい。
<情報処理装置2000>
次に歯科用補綴物製造システムにおけるデータ生成部200の機能を実現する情報処理装置の概略図の一例を示す。図6に示すように情報処理装置2000は通信IF601、ROM602、RAM603、記憶部604、操作部605、表示部606と制御部607を具備している。
次に歯科用補綴物製造システムにおけるデータ生成部200の機能を実現する情報処理装置の概略図の一例を示す。図6に示すように情報処理装置2000は通信IF601、ROM602、RAM603、記憶部604、操作部605、表示部606と制御部607を具備している。
通信IF601は、LANカード等で実現され、外部の口腔内スキャナ1000や、歯科用CAM3000、着色装置4000との間の通信を司る。ただし通信を行う必要がない場合は、通信IF601は構成として必須ではない。ROM602は、不揮発性のメモリ等で実現され、各種プログラム等を記憶する。RAM603は、揮発性のメモリ等で実現され、各種情報を一時的に記憶する。記憶部604は、HDD(Hard Disk Drive)やSSD(Solid State Drive)等で実現され、各種情報を記憶する。操作部605は、キーボードやマウス等で実現され、表示部606は、ディスプレイ等で実現され、各種情報をユーザに表示する。操作部605や表示部606は、本図面で示すように歯科用CAD2000の構成として機能してもよいし、歯科用CAD2000とは異なる装置から構成されてもよい。
制御部607は、推論対象の画像データを取得する推論対象データの取得部608と、欠損領域を含む歯列を撮影した学習画像データと欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部609とを含み構成される。また推論部609は、学習済みの推論モデルへ推論対象の画像データを入力することにより、推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする。また情報処理装置2000は、デ推論された歯科用補綴物の色や、三次元形状に基づいて、歯科用補綴物のデータを生成するデータ生成部610と、生成したデータや、推論部609によって推論された歯科用補綴物の色の情報を表示部606に表示処理するための表示制御611と、を含み構成される。
尚、データ生成部610の機能は異なる装置によって実現されてもよい。
ここで、図7を用いて、情報処理装置2000によって、歯科用補綴物の色を推論し、データ生成するまでのフローに関して説明をする。尚、情報処理装置2000における各部の構成が複数の装置から構成されても、一部の構成のみを実現した装置として構成されてもよい。
ステップS7001において、推論対象データの取得部608は、撮像手段を用いて得られた推論対象の画像データを取得する。推論対象データの取得部608は、推論対象の画像データを取得すると、推論部609へと推論対象の画像データを送信し、本ステップを終了する。
ステップS7002において、推論部609は、学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論する。ここで、学習に関しては後述するが、推論部609は、欠損領域を含む歯列を撮影した学習画像データと欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する。ここで、推論モデルは機械学習に基づくモデルであり、例えばCNNに基づくモデルや、GANに基づくモデルである。また、推論部609が有する推論モデルは、複数あってもよい。例えば、推論部609が歯列に対して欠損領域が所定値よりも小さい場合と、大きい場合とで推論モデルをそれぞれ有する場合について考える。欠損領域とは、例えば、標準的な歯列データに基づく歯列と、前記欠損領域を含む歯列との対比によって算出される値である。歯列に対して欠損領域が大きい場合には、当該欠損領域に配置する歯科用補綴物の色を推論する場合に、配置の対象となる歯の近傍の歯と、噛み合わせの対象となる対応の歯の色をより加味した推論が好ましい場合がある。一方で、欠損領域が小さい場合には、歯科用補綴物の配置の対象となる歯の色を、加味した推論が好ましい場合がある。そのため、欠損領域の大きさで教師データを異ならせた推論モデルを複数有することによって、歯科用補綴物の色の推論精度が向上する。
推論部609は、歯科用補綴物の色を推論するとデータ生成部610にデータを送信する。なお、データ生成部610は異なる装置から構成されてもよく、また情報処理装置2000はここまでの機能を実現した独立した装置として機能してもよい。
ステップS7003において、データ生成部610は、送信された歯科用補綴物の色の情報に基づいて、歯科用補綴物の色データを生成すると表示制御部611を介して生成した色データを表示部606へ表示させる。また、生成した色データは、着色装置4000へ送信され、後述するが着色装置4000は、形成された歯科用補綴物に対して、推論された色情報に基づく着色を行う。
またここで、推論部609によって推論される歯科用補綴物の表面の色は、候補として複数あってもよい。その場合には、表示制御部611は表示部606に対して複数の歯科用補綴物の表面の色候補を表示する。また、推論部609から各色の尤度情報をさらに取得することで、表示制御部611は、複数の色候補を尤度情報と合わせて表示することができる。ユーザは、複数の色候補から、操作部605等を介して、ユーザが色データを選択できる選択受付を行ってもよい。
ここで、図8や図9を用いて、推論部609における学習済みの推論モデルを学習する構成に関して説明をする。図8は、学習をする際の情報処理装置2000の構成を示しており、制御部807は、教師データを取得する教師データ取得部808、取得した教師データに基づいて、機械学習に基づく推論モデルを学習する学習部809とから構成される。なお、推論部609を有する情報処理装置と、本情報処理装置2000とは同じ情報処理装置であっても、異なる情報処理装置であってもよい。例えば、学習部809によって生成された学習済みの推論モデルをクラウドや、他の情報処理装置にコピーすることで推論機能が実現される。
学習部809は、推論モデルを学習し、学習済みの推論モデルを生成すると、記憶部604に対して、モデルの情報と学習によって取得されたパラメータの情報とを対応づけて記憶する。なお、教師データとは、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にしたデータを指す。また、機械学習に基づく推論モデルは、CNNに基づくモデルでも、GANに基づくモデルでもよい。推論モデルがCNNに基づくモデルの場合には、正解データは、歯科用補綴物の色を示す画素値に対応する正解ラベルから構成されるデータである。また推論モデルがGANに基づくモデルである場合には、正解データは、歯列の画像データである。学習部809は、学習画像と正解データとを対にした学習によって学習済みの推論モデルを生成する。以下、図9を用いて、学習のフローに関して説明をする。
ステップS9000において、教師データの取得部808は、教師データを記憶部604等より取得をする。ここで、教師データとは、学習画像データと正解データとを対にしたデータである。教師データの取得部808は、教師データを学習部809に送信する。
ここで教師データの取得部808は、健常者の歯列の一部の領域をマスクし、該マスク領域を欠損領域とした学習画像データを生成してもよい。この場合には、該マスク領域にマスクされた色の情報が正解データとなる。また、マスクの大きさや、マスクの形状、角度、歯列画像のサイズや角度、輝度等の変更処理の組み合わせによって学習画像データを拡張してもよい。
ステップS9001において、学習部809は、教師データを用いて推論モデルに対して学習処理を実施し、学習済みモデルを生成する。学習部809は学習済みモデルを生成すると、推論モデルの情報と、パラメータの情報とを対応づけて記憶部604で記憶をする。なお、学習部809は、学習画像データにおける歯列に対する欠損領域の大きさに応じて、複数の推論モデルを学習してもよい。例えば、歯列に対して欠損領域が所定の基準以下の学習画像データを教師データとして含む第一の教師データを学習させた第一の推論モデルを生成する。また学習部809は、歯列に対する欠損領域が所定の基準よりも大きい学習画像データを教師データとして含む第二の教師データとして含む第二の教師データを学習させた第二の推論モデルを生成する。ここで、含むとは、教師データの構成として、他の教師データを含んでいても、異なる教師データによって追加学習がなされた場合であっても本件の対象である。
ここから、欠損領域の大きさに応じて異なる教師データによって生成された複数のモデルがある場合の、推論部609の推論フローに関して図10を用いて説明をする。ここで、図7と同様の処理には同様の図番を付し、適宜説明を省略するものとする。
ステップS10001において、推論部609は、取得した推論対象のデータにおける歯列に対する欠損領域の大きさを算出する。ここで、歯列に対する欠損領域の大きさは例えば、標準的な歯列データに基づく歯列と、前記欠損領域を含む歯列との対比によって算出される値である。また、欠損領域を検出する推論モデルによって、該処理が代替されてもよい。推論部609は、歯列に対する欠損領域が所定の値以下か否かを判定し、所定の値以下であった場合には、ステップS10002へと処理を進め、上述した第一の教師データによって学習された第一の推論モデルによって歯科用補綴物の色を推論する。他方で、所定の値よりも大きい値であった場合には、ステップS10003へと処理を進め、上述した第二の教師データによって学習された第二の推論モデルによって歯科用補綴物の色を推論する。
(変形例1)
上述の実施形態において、推論部609は、歯列に対する欠損領域と、複数の推論モデルの教師データに、所定の欠損領域の大きさの学習画像が含まれるか否かによって、推論を行う推論モデルを選択し、推論を行う旨、説明をした。
上述の実施形態において、推論部609は、歯列に対する欠損領域と、複数の推論モデルの教師データに、所定の欠損領域の大きさの学習画像が含まれるか否かによって、推論を行う推論モデルを選択し、推論を行う旨、説明をした。
ここでは、異なる教師データによって生成された複数の学習済みモデルに対して、検証用の画像データを推論させ、複数の学習済みの推論モデルの精度と、欠損領域の大きさを対応づけて記憶しておいて、推論対象の画像データにおける欠損領域の大きさに対して、精度の高い推論モデルを用いて推論を行わせてもよい。そうすることで、推論対象の画像データに対して、より精度の高い歯科用補綴物の色を推論が実現される。
<歯科用CAM3000>
歯科用CAM3000について、図11を用いて構成の一例について説明し、図12を用いて歯科用補綴物の形成工程について説明をする。
歯科用CAM3000について、図11を用いて構成の一例について説明し、図12を用いて歯科用補綴物の形成工程について説明をする。
歯科用CAM3000は通信IF701、加工部702、記憶部703、操作部704、表示部705と制御部706を具備している。制御部706は加工制御部707と表示制御部708を具備している。
ステップS801において、歯科用CAM3000は通信IF801を通じて歯科用CAD2000よって生成された3次元形状データを受信する。受信した3次元形状データは記憶部803に記憶される。また歯科用CAM3000は歯の色データをさらに取得してもよい。歯の色データは後述のステップにて用いられる。
ステップS802において、歯科用CAM3000は、受信した三次元形状データや色データに基づいて望ましい補綴物の母材を選択する。該補綴物の母材の選択は、ユーザによる母材の選択によって代替されてもよい。また事前に補綴物の母材がセットされている場合等、本ステップは適宜省略可能である。ここで、歯科用CAM3000によって選択される補綴物の部材は、歯科用CAM3000が歯科用CAD2000から受信した歯の色データに近い補綴物の母材が望ましい。例えば歯科用補綴物の母材として選択されるのは、色データに近く白色度が高い補綴物の母材である。また歯科用補綴物の母材には、セラミックスおよび/または樹脂を含有していてもよい。
ステップS803において、歯科用CAM3000は、受信した3次元形状データに基づき制御部806を構成する加工制御部807によって加工部802を制御し、歯科用補綴物の母材を加工することで歯科用補綴物を形成する。加工部802による加工・形成の結果は表示制御部808を通じて表示部805で表示することができる。ここで加工部802は補綴物の母材を切削および/または研削で加工することで歯科用補綴物を形成しても良い。また加工部802は補綴物の母材を光照射により原料を逐次焼結または溶融して凝固させることを繰り返すことで、歯科用補綴物の加工・形成してもよい。加工部802は、付加造形法によって歯科用補綴物を形成してもよい。また制御部806は操作部804を通じて制御されてもよい。歯科用CAM3000によって形成された歯科用補綴物は着色装置4000による着色工程に用いられる。
<着色装置4000>
図13を用いて歯科用補綴物製造システムにおける着色部400の機能を実現する着色装置4000の一例について説明し、図13を用いて本装置を含む歯科用補綴物の着色工程について説明をする。
図13を用いて歯科用補綴物製造システムにおける着色部400の機能を実現する着色装置4000の一例について説明し、図13を用いて本装置を含む歯科用補綴物の着色工程について説明をする。
着色装置4000は通信IF901、操作部902、記憶部903、回転部904、吐出部905、制御部906を具備している。制御部906は位置検出部907、形状検出部908、回転制御部909、吐出制御部910を具備している。
以下、図14を用いて、データ生成部200によって生成された色データに基づいて、形成された歯科用補綴物に着色する工程の具体例について説明をする。
ステップS1001において着色装置4000は通信IF901を通じて情報処理装置2000によって生成された歯科用補綴物の色データを受信する。
着色装置4000は、受信した色データを記憶部903に記録する。着色装置4000は、歯科用CAM3000で加工・形成した歯科用補綴物を回転部904で保持する。位置検出部907では歯科用CAM3000で加工・形成された歯科用補綴物の位置データを検出する。形状検出部908では、位置検出部907によって検出された歯科用補綴物の位置データ、または歯科用CAD2000より3次元形状データを受信することで、歯科用補綴物の形状を検出する。位置検出部907によって検出された位置データと受信した3次元形状データを組み合わせると、形状検出部908による歯科用補綴物の形状の検出精度が向上する。形状検出部908による歯科用補綴物の形状の検出は三次元形状データの受信によって代替されてもよい。
ステップS1002において着色装置4000は、形成装置3000で形成された歯科用補綴物の表面に、情報処理装置2000で生成された色データに基づく着色を行う。具体的には、着色装置4000は、形状検出部908で検出した歯科用補綴物の形状に応じて回転制御部909で回転部904を制御し、吐出部905を吐出制御部910で制御しながら歯科用CAM3000で加工・形成した歯科用補綴物を色データに基づく色材で着色する。歯科用補綴物を着色するとステップS1003へと処理を進める。なお、吐出部905の吐出方法はインクジェットでもいいし、スプレーでもよい。ここで吐出部905には色材量が少ない時はインクジェットが使用されてもよい。また色材量が多い時は吐出部905としてスプレーが使用されてもよい。また吐出部905はインクジェットとスプレーを切り替え可能な機構としてそれぞれを有していてもよい。また着色装置4000の歯科用補綴物の着色に係る色材は2種以上用いて歯科用補綴物の色データの再現性を向上させてもよい。さらに着色装置4000は、歯科用補綴物に対して色材を塗布する塗布部(不図示)を有してもよい。着色装置4000が色材を塗布する場合には、塗布部は異なる複数の色材を用いて多層塗布が行ってもよい。塗布部による多層塗布により、歯科用補綴物に対して色データに対する着色の再現性が向上する。また複数の色材として、互いに屈折率が異なる色材を用いてもよい。屈折率が異なる色材を歯科用補綴物の着色に用いることで反射率が高まるので、少ない塗布量で着色の再現性を実現することができる。また着色装置4000によって歯科用補綴物を着色するための色材は、歯の色データと色材とを紐づけるルックアップテーブルを参照することで選択されてもよい。着色装置4000はルックアップテーブルを事前に保有している場合には、色材を決定に係る演算コストを削減することができる。色材はB、Si、あるいは樹脂のいずれかを含み構成されてもよい。歯科用補綴物を着色するための色材にB、Si、あるいは樹脂を含むことで広い色空間を実現できる。
また、着色装置4000によって、歯科用補綴物に着色するための色材は散乱材を含んでいてもよい。散乱材を含む色材の着色により、より少ない塗布量で着色の再現性が実現できる。散乱材には、屈折率の高い散乱材が用いられてもよい。屈折率の高い散乱材として、TiO2、SiO2、ZrO2のうち、少なくともいずれかを含んでいてもよい。
ステップS1003において、着色装置4000は、着色処理が完了したか否かを判定する。着色処理が完了したと判定された場合には本処理を終了し、着色処理が完了していないと判定された場合には、ステップS1002へと処理を進め、着色処理を行う。
以下に、実施例を挙げて本発明をより具体的に説明するが、本発明は、以下の実施例により限定されるものではない。
(実施例1)
歯の三次元形状データを用いて、Ybファイバーレーザーを原料に照射して三次元造形を行った。原料としては表1の粉末1を用いた。歯の三次元形状データと同様の補綴物が造形できていることを三次元形状測定機で確認した。造形した補綴物に色材をインクジェットプリンタにより着色した。
歯の三次元形状データを用いて、Ybファイバーレーザーを原料に照射して三次元造形を行った。原料としては表1の粉末1を用いた。歯の三次元形状データと同様の補綴物が造形できていることを三次元形状測定機で確認した。造形した補綴物に色材をインクジェットプリンタにより着色した。
(実施例2)
実施例1と同様に原料として粉末2を用いて補綴物を作製した。
実施例1と同様に原料として粉末2を用いて補綴物を作製した。
実施例1~2の補綴物が歯科用補綴物として使用可能であることを確認した。
(変形例)
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
608 推論対象データの取得部
609 推論部
609 推論部
Claims (15)
- 欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルを有する推論部と、
欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得部と、を有し、
前記推論部は、前記学習済みの推論モデルへ前記推論対象の画像データを入力することにより、前記推論対象の画像データに対応する歯科用補綴物の色を推論することを特徴とする情報処理装置。 - 前記教師データを取得する教師データ取得部と、
取得した前記教師データを用いて、前記機械学習に基づく推論モデルを学習する学習部をさらに有することを特徴とする請求項1に記載の情報処理装置。 - 前記推論モデルは、CNNに基づく推論モデルであることを特徴とする請求項1または2に記載の情報処理装置。
- 前記正解データは、前記歯科用補綴物の色を示す画素値に対応する正解ラベルから構成されるデータであることを特徴とする請求項1乃至3のいずれか一項に記載の情報処理装置。
- 前記学習画像データは、歯列の一部の領域をマスクし、該マスク領域を前記欠損領域とした画像データを含むことを特徴とする請求項1乃至4のいずれか一項に記載の情報処理装置。
- 前記教師データは、前記マスク領域を前記欠損領域とした学習画像データと、前記歯列の画像データを正解データとして構成されることを特徴とする請求項5に記載の情報処理装置。
- 前記推論モデルは、GANに基づく推論モデルであることを特徴とする請求項5または6に記載の情報処理装置。
- 前記推論部は、複数の異なる学習済みの推論モデルから、推論する推論モデルを選択し、該選択された推論モデルを用いて推論を行うことを特徴とすることを特徴とする請求項1乃至7のいずれか一項に記載の情報処理装置。
- 前記推論部は、前記推論対象の画像データにおける歯列の欠損領域の大きさに基づいて、前記複数の学習済みモデルから推論モデルを選択することを特徴とする請求項8に記載の情報処理装置。
- 前記推論部は、前記歯列に対する欠損領域の大きさが、所定の値より大きいか否かに応じて、推論モデルを選択することを特徴とする請求項9に記載の情報処理装置。
- 前記複数の推論モデルは、前記歯列に対する欠損領域の大きさが前記所定の値以下の学習画像データを教師データとして含む第一の教師データに基づいて学習された第一の推論モデルと、前記歯列に対する欠損領域の大きさが前記所定の値より大きい学習画像データを教師データとして含む第二の教師データに基づいて学習された第二の推論モデルとを含み構成されることを特徴とする請求項10に記載の情報処理装置。
- 前記推論部は、前記複数の学習済みモデルに対して、検証用の画像データを推論させ、該検証用の画像データに対する複数の学習済みモデルの推論の精度と、該検証用の画像データにおける歯列の欠損領域の大きさとに基づいて、推論対象の画像データに対して推論するモデルを選択することを特徴とする請求項8乃至11の何れか一項に記載の情報処理装置。
- 前記欠損領域の大きさとは、標準的な歯列データに基づく歯列と、前記欠損領域を含む歯列との対比によって算出される値であることを特徴とする請求項8乃至11のいずれか一項に記載の情報処理装置。
- 欠損領域を含む歯列を撮影した、推論対象の画像データを取得する推論対象データの取得ステップと、
機械学習に基づく推論モデルを、欠損領域を含む歯列を撮影した学習画像データと前記欠損領域に配置する歯科用補綴物の色に関する情報である正解データとを対にした教師データを用いて学習した学習済みの推論モデルに対して、前記推論対象の画像データを入力することにより、前記歯科用補綴物の色を推論する推論ステップと、
を有することを特徴とする情報処理方法。 - 請求項14に記載の情報処理方法をコンピュータで実行するためのプログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021073556A JP2022167627A (ja) | 2021-04-23 | 2021-04-23 | 情報処理装置、情報処理方法およびプログラム |
CN202280025489.0A CN117119995A (zh) | 2021-03-29 | 2022-03-17 | 假牙颜色估计方法、信息处理装置、假牙制造方法、信息处理方法和程序 |
DE112022001266.8T DE112022001266T5 (de) | 2021-03-29 | 2022-03-17 | Zahnersatzfarbschätzungsverfahren, informationsverarbeitungsvorrichtung, zahnersatzherstellungsverfahren, informationsverarbeitungsverfahren und programm |
PCT/JP2022/012232 WO2022209951A1 (ja) | 2021-03-29 | 2022-03-17 | 歯科用補綴物の色の推定方法、情報処理装置、歯科用補綴物の製造方法、情報処理方法およびプログラム |
US18/476,130 US20240016587A1 (en) | 2021-03-29 | 2023-09-27 | Dental prosthetic color estimation method, information processing apparatus, dental prosthetic manufacturing method, information processing method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021073556A JP2022167627A (ja) | 2021-04-23 | 2021-04-23 | 情報処理装置、情報処理方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022167627A true JP2022167627A (ja) | 2022-11-04 |
Family
ID=83852389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021073556A Pending JP2022167627A (ja) | 2021-03-29 | 2021-04-23 | 情報処理装置、情報処理方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2022167627A (ja) |
CN (1) | CN117119995A (ja) |
-
2021
- 2021-04-23 JP JP2021073556A patent/JP2022167627A/ja active Pending
-
2022
- 2022-03-17 CN CN202280025489.0A patent/CN117119995A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN117119995A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114730466A (zh) | 数字模型中牙齿特征的自动检测、生成和/或校正 | |
WO2021108016A1 (en) | Method, system and computer readable storage media for creating three-dimensional dental restorations from two dimensional sketches | |
EP3685796B1 (en) | Computer implemented method for customized coloration of dental restorations, device thereof, and dental restoration | |
JP5864085B2 (ja) | 歯科用補綴物の製作方法、歯科用補綴物の製作システム、歯科用補綴物、及び歯科用補綴物製作装置 | |
KR20180060502A (ko) | 인공치아 가공용 데이터변환장치 및 이를 이용한 인공치아 디자인 방법 | |
CN102438545A (zh) | 用于有效计划、可视化和优化牙修复体的系统和方法 | |
KR101854729B1 (ko) | 인공치아 디자인 시스템 | |
US20210378800A1 (en) | Combined intraoral and impression scanning system and method | |
JP2022525764A (ja) | 歯科対象物に自然色および光学的深さを与える方法 | |
CN117320662A (zh) | 通过智能推荐配置牙科工作流程 | |
JP2022167627A (ja) | 情報処理装置、情報処理方法およびプログラム | |
TWI744859B (zh) | 牙齒目標檢測方法及利用牙齒目標的影像整合方法及裝置 | |
WO2022209951A1 (ja) | 歯科用補綴物の色の推定方法、情報処理装置、歯科用補綴物の製造方法、情報処理方法およびプログラム | |
WO2024042192A1 (en) | Generation of a three-dimensional digital model of a replacement tooth | |
JP2022070463A (ja) | 歯科用補綴物製造システム、歯科用補綴物製造方法及びプログラム | |
CN114343896B (zh) | 用于构造牙科修复体的方法 | |
KR102291698B1 (ko) | 신속한 보철치료를 위한 보철물 제작 장치와 방법, 그 보철물 제작을 위한 서버 및 그 동작 방법 | |
KR102582709B1 (ko) | 삼차원 구강 모델을 처리하는 방법 및 장치 | |
KR20220059908A (ko) | 데이터 처리 장치 및 데이터 처리 방법 | |
JP7170892B2 (ja) | 口腔および印象の複合スキャンシステムおよび方法 | |
US20230255732A1 (en) | Dental prosthesis fabrication system, dental prosthesis fabrication method, dental prosthesis coloring method, dental prosthesis coloring system, and program | |
JP2022152229A (ja) | 歯科用補綴物の色の推定方法、情報処理装置、歯科用補綴物の製造方法 | |
KR102544203B1 (ko) | 구강 이미지 처리 장치 및 구강 이미지 처리 방법 | |
JP2004030158A (ja) | 歯科用補綴物の材料を特定するための方法、装置及びプログラム | |
US20240090947A1 (en) | System and method for providing a dental crown |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20231213 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240412 |