JP6458860B2 - 歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法 - Google Patents

歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法 Download PDF

Info

Publication number
JP6458860B2
JP6458860B2 JP2017504447A JP2017504447A JP6458860B2 JP 6458860 B2 JP6458860 B2 JP 6458860B2 JP 2017504447 A JP2017504447 A JP 2017504447A JP 2017504447 A JP2017504447 A JP 2017504447A JP 6458860 B2 JP6458860 B2 JP 6458860B2
Authority
JP
Japan
Prior art keywords
crown
vertex
type
shape
vertices
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
Application number
JP2017504447A
Other languages
English (en)
Other versions
JPWO2016143022A1 (ja
Inventor
稔久 藤原
稔久 藤原
達清 石村
達清 石村
貞義 原
貞義 原
亮介 大竹
亮介 大竹
鈴木　匡
匡 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JPWO2016143022A1 publication Critical patent/JPWO2016143022A1/ja
Application granted granted Critical
Publication of JP6458860B2 publication Critical patent/JP6458860B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • A61C13/34—Making or working of models, e.g. preliminary castings, trial dentures; Dowel pins [4]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C5/00—Filling or capping teeth
    • A61C5/70—Tooth crowns; Making thereof
    • A61C5/77—Methods or devices for making crowns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • 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
    • 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
    • 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

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Description

本発明は、歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法に関する。
歯の治療に際し、歯科技工士は、歯科医からの依頼に応じて、歯冠に詰める補綴物を製作する。このとき、虫歯になる前の歯型が歯科医院内に保存されている場合や、支台歯として歯を削る前に歯型を採っている場合、歯を削る前の歯冠形状が「術前模型」として存在することになる。このような場合、歯科技工士は、補綴物について、術前模型に基づき上下の歯の咬合せを考慮して接触面の最適化を行なうことが可能である。
しかし、歯科医院や歯科技工所に依って、術前模型が存在するか否かの頻度にはバラツキがあり、術前模型が有る場合よりも術前模型が無い場合の方が多いと考えられる。術前模型が無い場合、歯科技工士は、補綴物について、歯科技工士の経験や技能に基づき上下の歯の咬合せを考慮して接触面の最適化を行なうことになる。なお、術前模型が無い場合であっても、独自のアルゴリズムに基づき歯冠形状を自動的に決定する技術も存在する。
特開平０９−１０２３１号公報 特開２０１４−５１２８９１号公報 特開２００９−５０６３２号公報
しかしながら、歯科技工士の経験や技能に基づき歯冠形状を決定したり、独自のアルゴリズムに基づき歯冠形状を決定したりしても、補綴物の歯冠形状を天然歯の歯冠形状に近づけることは難しい。このため、より自然な形状を有する補綴物の製作を可能にすることが望まれる。
そこで、以下のように歯冠形状を決定する技術が提案されている。当該技術では、不特定多数者の歯型情報を保存するデータベース（ＤＢ）が予め作成される。或る患者の治療対象の歯Ａの歯冠形状を決定する際、歯Ａに隣接する歯Ｂの歯冠形状が特定されるとともに、当該歯Ｂの歯冠形状と類似する他の患者の歯ＣがＤＢ内の歯型情報から検索される。そして、検索された歯Ｃに隣接する上記他の患者の歯Ｄの歯冠形状が、当該或る患者の歯Ａの歯冠形状としてＤＢ内の歯型情報から決定され、歯Ａについての補綴物の歯冠形状として出力される。
上述のごとく歯冠形状を検索して決定することを可能にするためには、一本一本の歯毎の歯冠形状と各歯の位置関係とを対応付けて登録されたＤＢを構築することが望まれる。現状では、歯と歯茎とを含む歯の形状データから一本ずつの歯を切り出す作業と、切り出された各歯の位置情報（例えばＦＤＩ方式（two-digit system）のＦＤＩ番号）を登録する作業とを人手で実行することによって、上述のようなＤＢが構築される。したがって、不特定多数者の歯冠形状に係るＤＢを構築するには、多大な手間および時間を要する。なお、ＦＤＩは、Federation Dentaire Internationale（国際歯科連盟）の略称である。
一つの側面で、本件明細書に開示の発明は、歯冠形状に係るデータベースの自動構築を実現することを目的とする。
一つの側面において、歯冠情報取得プログラムは、以下の処理（１）〜（４）をコンピュータに実行させる。
（１）少なくとも一本の歯の歯冠の形状を含む口腔内形状に関するデータの入力を受け付ける処理。
（２）前記データに含まれ前記口腔内形状を規定する複数の頂点のそれぞれにおける法線ベクトルまたは曲率を取得する処理。
（３）取得した法線ベクトルまたは曲率に基づき、前記複数の頂点から、前記少なくとも一本の歯の歯冠の形状を規定する頂点群を抽出する処理。
（４）抽出した前記頂点群を、前記口腔内形状における歯冠部分を特定する歯冠形状情報として出力する処理。
このとき、前記歯冠情報取得プログラムは、前記頂点群を抽出する際、前記複数の頂点のうちの隣接する二つの頂点における前記法線ベクトルの成す角度が所定角度未満である場合、もしくは、前記隣接する二つの頂点の一方から他方を見て当該他方の頂点における前記曲率が所定曲率未満である場合、前記隣接する二つの頂点の一方を含むセグメントと前記隣接する二つの頂点の他方を含むセグメントとを結合する処理を、結合すべき前記セグメントが存在しなくなるまで繰り返し実行する第一結合処理と、前記第一結合処理によって得られた複数の前記セグメントのうちの一セグメントに含まれる頂点を、前記歯の萌出方向と直交する平面上に射影し、射影した頂点の集合の凸包を算出し、算出した凸包内に一以上の頂点を含まれる他セグメントを、前記一セグメントの属する前記歯冠と同一の歯冠に属するセグメントと判定し、前記一セグメントと前記他セグメントとを結合し前記頂点群として抽出する第二結合処理とを、前記コンピュータに実行させる。
また、他の側面において、歯冠情報取得プログラムは、以下の処理（１１）〜（１７）をコンピュータに実行させる。
（１１）口腔内形状に関するデータの入力を受け付ける処理。
（１２）前記データに含まれ前記口腔内形状を規定する複数の頂点のそれぞれにおける法線ベクトルを取得する処理。
（１３）前記複数の頂点を含む第一頂点集合から一様に所定数の頂点を第二頂点集合として選択する処理。
（１４）選択した第二頂点集合に属する各頂点から前記歯の大きさに応じた所定距離以内に存在する頂点を、前記第一頂点集合から第三頂点集合として抽出する処理。
（１５）抽出した第三頂点集合に属する各頂点の前記法線ベクトルに関する頻度分布を算出する処理。
（１６）種別特定済みの歯冠について当該歯冠の種別と当該歯冠の形状を規定する各頂点の法線ベクトルに関する頻度分布との関係を予め記憶する記憶部を参照し、算出した頻度分布に基づいて、前記第二頂点集合に属する各頂点が、当該歯冠に含まれるか否かを判定するとともに、当該歯冠に含まれると判定した場合にどの種別の歯冠に含まれるかを推定する処理。
（１７）前記種別を推定された前記第二頂点集合に属する各頂点を、前記種別の歯冠に含まれる検出点として出力する処理。
一実施形態によれば、歯冠形状に係るデータベースの自動構築を実現することができる。
本発明の一実施形態としての歯冠情報取得機能を有する情報処理装置の機能構成の一例を示すブロック図である。 本発明の一実施形態としての歯冠情報取得機能を実現する情報処理装置のハードウェア構成の一例を示すブロック図である。 （Ａ）は歯型スキャンデータの例（上顎）を示す図、（Ｂ）は歯型スキャンデータ（三角形ポリゴンデータ）を拡大して示す図である。 歯冠を説明する図である。 本実施形態における歯冠データベースのデータ構造の例を示す図である。 図１に示す情報処理装置による歯冠情報取得処理およびデータベース登録処理を説明するフローチャートである。 （Ａ）は咬合状態の歯型スキャンデータの例を示す図、（Ｂ）は上顎の歯型スキャンデータの例を示す図、（Ｃ）は下顎と支台歯の歯型スキャンデータの例を示す図である。 図１に示す情報処理装置（歯冠形状取得部）による歯冠の切出し処理を説明するフローチャートである。 （Ａ）および（Ｂ）は本実施形態におけるリージョングローウィングセグメンテーション処理（第１結合処理）を説明する図である。 （Ａ）〜（Ｃ）は本実施形態における凸包算出処理およびセグメント結合処理（第２結合処理）を説明する図である。 （Ａ）は上顎または下顎の歯型スキャンデータの例を示す図、（Ｂ）は、（Ａ）に示す歯型スキャンデータの例から、本実施形態の切出し処理によって切出された歯冠セグメントを示す図である。 図１に示す情報処理装置（検出点取得部）による特徴点のＦＤＩ番号の推定処理を説明するフローチャートである。 本実施形態において抽出された特徴点と上顎の歯型スキャンデータとを重ね合わせて示す図である。 （Ａ）および（Ｂ）は本実施形態における特徴量記述子を説明する図である。 本実施形態において取得された各ＦＤＩ番号の検出点を上顎の歯型スキャンデータに重ね合わせて示す図である。 図１に示す情報処理装置（歯冠種別推定部）による歯冠セグメントのＦＤＩ番号の推定処理を説明するフローチャートである。 本実施形態において切り出された歯冠セグメントと本実施形態において取得された検出点とを重ね合わせて示す図である。 （Ａ）〜（Ｃ）は、各歯冠セグメント中の特徴点の数に対する、各歯冠セグメント中の各ＦＤＩ番号の検出点の数の割合の値の具体例を示す図である。 本実施形態における歯冠セグメントのＦＤＩ番号の推定処理の結果の具体例を示す図である。 図１に示す情報処理装置（歯冠種別判定部）による歯冠セグメントのＦＤＩ番号の判定処理を説明するフローチャートである。 本実施形態における歯冠セグメントのＦＤＩ番号の判定処理の結果の具体例を示す図である。
以下に、図面を参照し、本願の開示する歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法の実施形態について、詳細に説明する。ただし、以下に示す実施形態は、あくまでも例示に過ぎず、実施形態で明示しない種々の変形例や技術の適用を排除する意図はない。すなわち、本実施形態を、その趣旨を逸脱しない範囲で種々変形して実施することができる。また、各図は、図中に示す構成要素のみを備えるという趣旨ではなく、他の機能を含むことができる。そして、各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
〔１〕歯冠情報取得機能を実現する本実施形態の情報処理装置のハードウェア構成
まず、図２を参照しながら、本実施形態の歯冠情報取得機能を実現する情報処理装置（コンピュータ）１０のハードウェア構成について説明する。図２は、当該ハードウェア構成の一例を示すブロック図である。
コンピュータ１０は、例えば、プロセッサ１１，ＲＡＭ（Random Access Memory）１２，ＨＤＤ（Hard Disk Drive）１３，グラフィック処理装置１４，入力インタフェース１５，光学ドライブ装置１６，機器接続インタフェース１７およびネットワークインタフェース１８を構成要素として有する。これらの構成要素１１〜１８は、バス１９を介して相互に通信可能に構成される。
プロセッサ（処理部）１１は、コンピュータ１０全体を制御する。プロセッサ１１は、マルチプロセッサであってもよい。プロセッサ１１は、例えばＣＰＵ（Central Processing Unit），ＭＰＵ（Micro Processing Unit），ＤＳＰ（Digital Signal Processor），ＡＳＩＣ（Application Specific Integrated Circuit），ＰＬＤ（Programmable Logic Device），ＦＰＧＡ（Field Programmable Gate Array）のいずれか一つであってもよい。また、プロセッサ１１は、ＣＰＵ，ＭＰＵ，ＤＳＰ，ＡＳＩＣ，ＰＬＤ，ＦＰＧＡのうちの２種類以上の要素の組み合わせであってもよい。
ＲＡＭ（記憶部）１２は、コンピュータ１０の主記憶装置として使用される。ＲＡＭ１２には、プロセッサ１１に実行させるＯＳ（Operating System）プログラムやアプリケーションプログラムの少なくとも一部が一時的に格納される。また、ＲＡＭ１２には、プロセッサ１１による処理に必要な各種データが格納される。アプリケーションプログラムには、コンピュータ１０によって本実施形態の歯冠情報取得機能を実現するためにプロセッサ１１によって実行される歯冠情報取得プログラム（図１の符号３１参照）が含まれてもよい。
ＨＤＤ（記憶部）１３は、内蔵したディスクに対して、磁気的にデータの書き込み及び読み出しを行なう。ＨＤＤ１３は、コンピュータ１０の補助記憶装置として使用される。ＨＤＤ１３には、ＯＳプログラム，アプリケーションプログラム、及び各種データが格納される。なお、補助記憶装置としては、フラッシュメモリ等の半導体記憶装置（ＳＳＤ：Solid State Drive）を使用することもできる。
グラフィック処理装置１４には、モニタ１４ａが接続されている。グラフィック処理装置１４は、プロセッサ１１からの命令に従って、画像をモニタ１４ａの画面に表示させる。モニタ１４ａとしては、ＣＲＴ（Cathode Ray Tube）を用いた表示装置や液晶表示装置等が挙げられる。
入力インタフェース１５には、キーボード１５ａおよびマウス１５ｂが接続されている。入力インタフェース１５は、キーボード１５ａやマウス１５ｂから送られてくる信号をプロセッサ１１に送信する。なお、マウス１５ｂは、ポインティングデバイスの一例であり、他のポインティングデバイスを使用することもできる。他のポインティングデバイスとしては、タッチパネル，タブレット，タッチパッド，トラックボール等が挙げられる。
光学ドライブ装置１６は、レーザ光等を利用して、光ディスク１６ａに記録されたデータの読み取りを行なう。光ディスク１６ａは、光の反射によって読み取り可能にデータを記録された可搬型の非一時的な記録媒体である。光ディスク１６ａには、ＤＶＤ（Digital Versatile Disc），ＤＶＤ−ＲＡＭ，ＣＤ−ＲＯＭ（Compact Disc Read Only Memory），ＣＤ−Ｒ（Recordable）／ＲＷ（ReWritable）等が挙げられる。
機器接続インタフェース１７は、コンピュータ１０に周辺機器を接続するための通信インタフェースである。例えば、機器接続インタフェース１７には、メモリ装置１７ａやメモリリーダライタ１７ｂを接続することができる。メモリ装置１７ａは、機器接続インタフェース１７との通信機能を搭載した非一時的な記録媒体、例えばＵＳＢ（Universal Serial Bus）メモリである。メモリリーダライタ１７ｂは、メモリカード１７ｃへのデータの書き込み、またはメモリカード１７ｃからのデータの読み出しを行なう。メモリカード１７ｃは、カード型の非一時的な記録媒体である。
ネットワークインタフェース１８は、ネットワーク１８ａに接続される。ネットワークインタフェース１８は、ネットワーク１８ａを介して、他のコンピュータまたは通信機器との間でデータの送受信を行なう。
以上のようなハードウェア構成を有するコンピュータ１０によって、図６〜図２１を参照しながら後述する本実施形態の歯冠情報取得機能を実現することができる。
なお、コンピュータ１０は、例えばコンピュータ読み取り可能な非一時的な記録媒体に記録されたプログラム（歯冠情報取得プログラム等）を実行することにより、本実施形態の歯冠情報取得機能を実現する。コンピュータ１０に実行させる処理内容を記述したプログラムは、様々な記録媒体に記録しておくことができる。例えば、コンピュータ１０に実行させるプログラムをＨＤＤ１３に格納しておくことができる。プロセッサ１１は、ＨＤＤ１３内のプログラムの少なくとも一部をＲＡＭ１２にロードし、ロードしたプログラムを実行する。
また、コンピュータ１０（プロセッサ１１）に実行させるプログラムを、光ディスク１６ａ，メモリ装置１７ａ，メモリカード１７ｃ等の非一時的な可搬型記録媒体に記録しておくこともできる。可搬型記録媒体に格納されたプログラムは、例えばプロセッサ１１からの制御により、ＨＤＤ１３にインストールされた後、実行可能になる。また、プロセッサ１１が、可搬型記録媒体から直接プログラムを読み出して実行することもできる。
〔２〕歯冠情報取得機能を有する本実施形態の情報処理装置の機能構成
次に、図１を参照しながら、本実施形態の歯冠情報取得機能を有する情報処理装置（コンピュータ）１０の機能構成について説明する。図１は、当該機能構成の一例を示すブロック図である。
コンピュータ１０は、歯科用三次元（３Ｄ）スキャナによって得られた、少なくとも一本の歯の歯冠の形状を含む口腔内形状に関するデータ（以下、歯型スキャンデータと呼称する）３２から歯冠情報を取得し、歯冠データベース３３を自動的に作成する機能を果たす。このため、コンピュータ１０は、図１に示すように、少なくとも処理部２０，記憶部３０，入力部４０および表示部５０としての機能を有している。
処理部２０は、例えば図２に示すようなプロセッサ１１であり、上述した歯冠情報取得プログラム３１を実行することで、後述する歯冠形状取得部２１，検出点取得部２２，歯冠種別推定部２３，歯冠種別判定部２４としての機能を果たす。
記憶部３０は、例えば図２に示すようなＲＡＭ１２，ＨＤＤ１３であり、歯冠情報取得機能を実現するための各種情報を記憶し保存する。当該各種情報としては、上述した歯冠情報取得プログラム３１のほか、歯型スキャンデータ３２，歯冠データベース３３，学習済みニューラルネットワーク情報３４などが含まれる。
入力部４０は、例えば図２に示すようなキーボード１５ａおよびマウス１５ｂであり、ユーザによって操作され、歯冠情報を取得するための各種指示を行なう。なお、マウス１５ｂに代え、タッチパネル，タブレット，タッチパッド，トラックボール等が用いられてもよい。
表示部５０は、例えば図２に示すようなモニタ１４ａであり、ユーザが本実施形態のコンピュータ１０を用いて歯冠情報を取得する際に、その取得経過に伴う各種状況を表示する。
歯冠情報取得プログラム３１は、上述のごとく、処理部２０（プロセッサ１１）に、後述する歯冠形状取得部２１，検出点取得部２２，歯冠種別推定部２３，歯冠種別判定部２４による処理を実行させるものである。
歯型スキャンデータ３２は、図３（Ａ）に示すように、歯科用３Ｄスキャナによって得られるもので、例えば３Ｄサーフェスメッシュデータとして出力される。歯型スキャンデータ３２は、例えば図３（Ｂ）に示すように、三角形ポリゴンの集合である。歯型スキャンデータ３２を保存するファイルの形式としては、stl, ply, off, 3dsなどが存在するが、その他にも各企業が独自に開発した様々な形式が存在する。このような歯型スキャンデータ３２は、歯科技工所や歯科医院などで歯科用のＣＡＤ（Computer Aided Design）／ＣＡＭ（Computer Aided Manufacturing）を運用する場合、不特定多数者それぞれの歯型情報として、歯科用３Ｄスキャナによって蓄積されていく。なお、図３（Ａ）には、歯型スキャンデータ３２の例（上顎）が示され、図３（Ｂ）には、歯型スキャンデータ３２の三角形ポリゴンデータが拡大されて示される。
本実施形態のコンピュータ１０は、上述した歯型スキャンデータ３２から歯冠に係る情報（歯冠情報）を取得する。ここで、図４を参照しながら「歯冠」について説明する。歯冠とは、図４に示すように、歯全体のうち、歯肉から外に現れ口腔内に露出（萌出）している部分をいう。ヒトでは、歯冠の部分はエナメル質によって覆われている。歯冠よりも下方の部分は「歯根」と呼ばれ、歯冠と歯根との境界線は「歯頸線」と呼ばれる。
歯冠データベース３３は、後述する機能（図１参照）や処理（図６〜図２１参照）によって作成される。歯冠データベース３３は、不特定多数者から取得された大量の歯冠形状情報を症例毎に登録保存するもので、例えば図５に示すように、フォルダ（レコード）を症例毎に有する。一つの症例は、歯型スキャンデータ３２から切り出された一組（一人分）の歯冠部分（歯冠セグメント）に対応する。各フォルダには、症例を特定可能なフォルダ名（図５では例えばrecord_000024, record_000025, …, record_000055）が付与される。また、各フォルダ（図５では例えばフォルダ名record_000052のフォルダ）には、切り出された歯冠部分毎の歯冠形状情報（後述する頂点群）を含むファイルが保存される。各ファイルには、歯冠の種別に対応するＦＤＩ番号（図５では11, 12, 13, 14, …, 44）がファイル名として付与されている。なお、図５に示す各ファイルの形式は、例えばplyである。図５は、本実施形態における歯冠データベース３３のデータ構造の例を示す。
ここで、ＦＤＩ番号は、歯冠の種別（切歯，大臼歯など）と歯冠の位置（上顎，下顎，左右）とに関する情報を表すための記号の一種である。ＦＤＩ番号は、国際歯科連盟（ＦＤＩ）が定めた方式で、歯の種類および位置を二桁の番号で表示する。十の位の数字で歯の植立位置が示され、一の位の数字で歯の種類が示される。
つまり、十の位の数字“1”は植立位置が上顎右側であることを示し、十の位の数字“2”は植立位置が上顎左側であることを示し、十の位の数字“3”は植立位置が下顎左側であることを示し、十の位の数字“4”は植立位置が下顎右側であることを示す。また、一の位の数字“1”は歯の種類が中切歯であることを示し、一の位の数字“2”は歯の種類が側切歯であることを示し、一の位の数字“3”は歯の種類が犬歯であること示し、一の位の数字“4”は歯の種類が第一小臼歯であることを示す。同様に、一の位の数字“5”は歯の種類が第二小臼歯であることを示し、一の位の数字“6”は歯の種類が第一大臼歯であることを示し、一の位の数字“7”は歯の種類が第二大臼歯であることを示し、一の位の数字“8”は歯の種類が第三大臼歯であることを示す。
学習済みニューラルネットワーク情報３４は、後述するように、処理部２０が検出点取得部２２として機能する際に用いられ、種別特定済みの歯冠について当該歯冠の種別と当該歯冠の形状を規定する各頂点の法線ベクトルに関する頻度分布との関係を与える。
次に、処理部２０（プロセッサ１１）によって実現される、歯冠形状取得部２１，検出点取得部２２，歯冠種別推定部２３および歯冠種別判定部２４としての機能について説明する。
歯冠形状取得部２１は、歯型スキャンデータ３２に含まれ口腔内形状を規定する複数の頂点から、少なくとも一本の歯の歯冠の形状を規定する頂点群を、前記口腔内形状における歯冠部分を特定する歯冠形状情報（歯冠セグメント）として取得する。このため、歯冠形状取得部２１は、以下の処理Ａ１〜Ａ４を実行する。なお、頂点は、例えば、歯型スキャンデータ３２の三角形ポリゴン（図３（Ｂ）参照）の頂点である。
処理Ａ１は、歯型スキャンデータ３２の入力を受け付ける処理である。
処理Ａ２は、処理Ａ１で受け付けた歯型スキャンデータ３２に含まれ口腔内形状を規定する複数の頂点のそれぞれにおける法線ベクトルまたは曲率を取得する処理である。
処理Ａ３は、処理Ａ２で取得した法線ベクトルまたは曲率に基づき、複数の頂点から、少なくとも一本の歯の歯冠の形状を規定する頂点群を歯毎に抽出する処理である。
処理Ａ４は、処理Ａ３で歯毎に抽出した頂点群を、口腔内形状における歯冠部分を特定する歯冠形状情報（歯冠セグメント）として出力する処理である。
処理Ａ３で頂点群を歯毎に抽出する際、歯冠形状取得部２１は、以下の処理Ａ３１およびＡ３２を、所定回数（例えば４回）、繰り返し実行してもよい。その際、歯冠形状取得部２１は、処理Ａ３２によって得られた頂点群を、処理Ａ３１における前記複数の頂点に置き換える。また、歯冠形状取得部２１は、処理Ａ３１およびＡ３２を実行する都度、後述する所定角度または所定曲率などのパラメータを変更してもよい。
処理Ａ３１は、複数の頂点のうちの隣接する二つの頂点における法線ベクトルの成す角度が所定角度未満である場合に、当該隣接する二つの頂点の一方を含むセグメントと当該隣接する二つの頂点の他方を含むセグメントとを結合する処理を、結合すべきセグメントが存在しなくなるまで繰り返し実行する第一結合処理である。これに代え、第一結合処理Ａ３１は、複数の頂点のうちの隣接する二つの頂点の一方から他方を見て当該他方の頂点における曲率が所定曲率未満である場合に隣接セグメントどうしを結合する処理を、結合すべきセグメントが存在しなくなるまで繰り返し実行してもよい。なお、第一結合処理Ａ３１の詳細については図９（Ａ）および図９（Ｂ）を参照しながら後述する。
処理Ａ３２は、凸包の算出処理、凸包に基づく判定処理、およびセグメントの結合処理を行なう第二結合処理である。ここで、凸包の算出処理では、第一結合処理Ａ３１によって得られた複数のセグメントのうちの一セグメントに含まれる頂点が、歯の萌出方向と直交する平面上に射影され、射影された頂点の集合の凸包が算出される。凸包に基づく判定処理では、算出された凸包内に一以上の頂点を含まれる他セグメントが、一セグメントの属する歯冠と同一の歯冠に属するセグメントと判定される。他セグメントが一セグメントの属する歯冠と同一の歯冠に属するセグメントと判定された場合、セグメントの結合処理において、一セグメントと他セグメントとが、結合され、前記少なくとも一本の歯の歯冠の形状を規定する頂点群として抽出される。なお、第二結合処理Ａ３２の詳細については図１０（Ａ）〜図１０（Ｃ）を参照しながら後述する。
なお、歯冠形状取得部２１は、処理Ａ５として以下の処理を行なってもよい。つまり、処理Ａ５は、上述した第一結合処理Ａ３１または第二結合処理Ａ３２によって得られたセグメントの中心位置または平均位置が歯の萌出方向について所定範囲外に存在する場合、当該セグメントを削除する処理である。セグメントの中心位置または平均位置が歯の萌出方向について所定範囲外に存在する場合、当該セグメントは、歯冠に属していない、すなわち歯茎等に属していると判定され削除される。
検出点取得部２２は、複数の頂点を含む第一頂点集合Ｕから所定数の頂点（特徴点）を一様に選択して第二頂点集合Ａを抽出する。そして、検出点取得部２２は、抽出した第二頂点集合Ａの各頂点（特徴点）Ａ［ｉ］を含む歯冠の種別を推定する。さらに、検出点取得部２２は、種別を推定された第二頂点集合Ａに属する各頂点Ａ［ｉ］を、前記種別の歯冠に含まれる検出点として取得する。このため、検出点取得部２２は、以下の処理Ｂ１〜Ｂ７を実行する。なお、第一頂点集合Ｕは、例えば、歯型スキャンデータ３２が含む全ての三角形ポリゴン（図３（Ｂ）参照）の頂点である。
処理Ｂ１は、歯型スキャンデータ３２の入力を受け付ける処理である。
処理Ｂ２は、処理Ｂ１で受け付けた歯型スキャンデータ３２に含まれ口腔内形状を規定する複数の頂点のそれぞれにおける法線ベクトルを取得する処理である。
処理Ｂ３は、複数の頂点を含む第一頂点集合Ｕから一様に所定数の頂点（特徴点）を第二頂点集合Ａとして選択する処理である。
処理Ｂ４は、処理Ｂ３で選択した第二頂点集合Ａに属する各頂点（特徴点）Ａ［ｉ］から歯の大きさに応じた所定距離δ（例えば３〜５mm程度）以内に存在する頂点を、第一頂点集合Ｕから第三頂点集合Ｂ（Ａ［ｉ］）として抽出する処理である。
処理Ｂ５は、処理Ｂ４で抽出した第三頂点集合Ｂ（Ａ［ｉ］）に属する各頂点の法線ベクトルに関する頻度分布（二次元ヒストグラム）を算出する処理である。
処理Ｂ６は、記憶部３０（学習済みニューラルネットワーク情報３４）を参照し、処理Ｂ５で算出した頻度分布に基づいて、第二頂点集合Ａに属する各頂点Ａ［ｉ］が、歯冠に含まれるか否かを判定するとともに、歯冠に含まれると判定した場合にどの種別（ＦＤＩ番号）の歯冠に含まれるかを推定する処理である。記憶部３０には、種別特定済みの歯冠について当該歯冠の種別と当該歯冠の形状を規定する各頂点の法線ベクトルに関する頻度分布との関係が予め記憶される。当該関係は学習済みのニューラルネットワークによって与えられる。
処理Ｂ７は、種別（ＦＤＩ番号）を推定された第二頂点集合Ａに属する各頂点Ａ［ｉ］を、種別（ＦＤＩ番号）の歯冠に含まれる検出点として出力する処理である。
処理Ｂ５で頻度分布（二次元ヒストグラム）を算出する際、検出点取得部２２は、以下の処理Ｂ５１およびＢ５２を実行してもよい。なお、処理Ｂ５で頻度分布を算出する処理の詳細については図１４（Ａ）および図１４（Ｂ）を参照しながら後述する。
処理Ｂ５１は、第三頂点集合Ｂ（Ａ［ｉ］）に属する各頂点の法線ベクトルの主成分分解によって、第二頂点集合Ａに属する各頂点Ａ［ｉ］についての局所座標系を定める処理である。
処理Ｂ５２は、処理Ｂ５１で定めた局所座標系に基づいて、第三頂点集合Ｂ（Ａ［ｉ］）に属する各頂点の法線ベクトルに関する頻度分布（二次元ヒストグラム）を、第二頂点集合Ａに属する各頂点Ａ［ｉ］における特徴量記述子として算出する処理である。
歯冠種別推定部２３は、歯冠形状取得部２１が歯冠形状情報（歯冠セグメント）として取得した頂点群と、検出点取得部２２が取得した検出点（特徴点）とを重ね合わせることで、歯冠毎に当該歯冠の種別を推定する。その際、歯冠種別推定部２３は、歯冠毎に、当該歯冠について取得した頂点群の頂点数に対する、各種別（各ＦＤＩ番号）について取得した検出点の数の比を算出し、算出した比に基づいて、歯冠毎に当該歯冠の種別を推定する。このような歯冠の種別の推定処理の詳細については図１６〜図１９を参照しながら後述する。
歯冠種別判定部２４は、歯冠種別推定部２３が歯冠毎に推定した当該歯冠の種別（ＦＤＩ番号）と、複数の歯冠の全体の配置関係とに基づいて、各歯冠の種別を判定（決定）する。そして、歯冠種別判定部２４は、判定した各歯冠の種別（ＦＤＩ番号）を、歯冠形状取得部２１が取得した歯冠形状情報（歯冠セグメント）とともに出力する。上述のような歯冠の種別の判定処理（決定処理）の詳細については図２０および図２１を参照しながら後述する。
〔３〕歯冠情報取得機能を有する本実施形態の情報処理装置の動作
次に、図６〜図２１を参照しながら、上述した歯冠情報取得機能を有する本実施形態のコンピュータ１０の動作について説明する。
〔３−１〕本実施形態の情報処理装置による処理全体の流れ
まず、図６に示すフローチャート（ステップＳ１〜Ｓ７）に従って、図１に示すコンピュータ（情報処理装置）１０による処理全体の流れ（歯冠情報取得処理およびデータベース登録処理）について説明する。ステップＳ１〜Ｓ７の処理は、全ての症例の歯型スキャンデータ３２のそれぞれについて繰り返し実行される。
ステップＳ１において、処理対象の一症例についての歯型スキャンデータ３２が、歯科用３Ｄスキャナ（図示略）から記憶部３０へ入力される。このとき、図７（Ａ）〜図７（Ｃ）に示すような上顎，下顎，支台歯それぞれの歯型スキャンデータ３２が、stlファイルやplyファイルなどの形式で保存されており、三角形ポリゴンデータとして記憶部３０に読み込まれる。なお、図７（Ａ）は咬合状態の歯型スキャンデータ３２の例を示す図、図７（Ｂ）は上顎の歯型スキャンデータ３２の例を示す図、図７（Ｃ）は下顎と支台歯の歯型スキャンデータ３２の例を示す図である。ステップＳ１の処理は、上述した歯冠形状取得部２１による処理Ａ１および検出点取得部２２による処理Ｂ１に対応する。
ステップＳ２において、三角形ポリゴンデータとして読み込まれた歯型スキャンデータ３２から法線付き点群が作成される。法線付き点群の座標値は、三角形ポリゴンデータの頂点を代入することで算出される。また、法線付き点群の単位法線ベクトルは、三角形ポリゴンデータの各ポリゴンの単位法線ベクトルを算出した上で、各頂点を要素とするポリゴンの単位法線ベクトルを平均することで算出される。ステップＳ２の処理は、上述した歯冠形状取得部２１による処理Ａ２および検出点取得部２２による処理Ｂ２に対応する。
ステップＳ３において、図１１（Ａ）および図１１（Ｂ）に示すごとく上顎と下顎の歯型スキャンデータ３２から歯冠の部分だけを切り出す処理が、歯冠形状取得部２１としての機能によって自動的に実行される。ステップＳ３の処理により取得される歯冠の部分のポリゴンは「歯冠セグメント」と呼称される。ステップＳ３の処理は、上述した歯冠形状取得部２１による処理Ａ３（処理Ａ３１，Ａ３２を含む）に対応する。ステップＳ３の処理の詳細については図８〜図１１（Ｂ）を参照しながら後述する。
ステップＳ３の処理によって切り出される歯冠セグメントは、理想的には各歯冠ごとに分けられている。ただし、ステップＳ３の処理によって歯冠の部分だけが歯冠セグメントとして切り出されるわけではなく、一つの歯冠が複数の歯冠セグメントに分割されて切り出されたり、歯冠ではない箇所（歯茎等）が歯冠セグメントとして出力されたりする場合がある。この場合、各歯冠セグメントの種別（ＦＤＩ番号）を判定することはできない。
ステップＳ４において、上顎もしくは下顎の歯型スキャンデータ３２から特徴点を抽出し、各特徴点が歯型スキャンデータ３２中のどのＦＤＩ番号の歯に属するかを推定する処理が、検出点取得部２２としての機能によって自動的に実行される。或るＦＤＩ番号の歯（歯冠）に属すると推定された特徴点は、当該ＦＤＩ番号に対する「検出点」と呼称される。ステップＳ４の処理は、上述した検出点取得部２２による処理Ｂ３〜Ｂ６（処理Ｂ５１，Ｂ５２を含む）に対応する。ステップＳ４の処理の詳細については図１２〜図１５を参照しながら後述する。
なお、図６において、ステップＳ３およびステップＳ４の処理は、並列的に実行されているが、ステップＳ３の処理を実行してからステップＳ４の処理が実行されてもよいし、逆にステップＳ４の処理を実行してからステップＳ３の処理が実行されてもよい。
ステップＳ５において、ステップＳ３で切り出された歯冠セグメントと、ステップＳ４で得られた各ＦＤＩ番号の検出点とを重ね合わせることにより、歯冠セグメントのＦＤＩ番号の候補を推定する処理が、歯冠種別推定部２３としての機能によって自動的に実行される。その際、各歯冠セグメントに含まれる全ての特徴点の数に対する、各ＦＤＩ番号の検出点の数の割合（比）から、各歯冠セグメントのＦＤＩ番号の候補が推定される。このとき、各歯冠セグメントのＦＤＩ番号の候補として複数のＦＤＩ番号が推定される場合がある。ステップＳ５の処理の詳細については図１６〜図１９を参照しながら後述する。
ステップＳ５での推定処理を完了した時点では、各歯冠セグメントのＦＤＩ番号の候補は複数存在する場合があり、各歯冠セグメントのＦＤＩ番号は、まだ決定されておらず曖昧なままである。つまり、ステップＳ５では、各歯冠セグメントのＦＤＩ番号の絞り込みは行なわれていたが、各歯冠セグメントのＦＤＩ番号の決定はされていない。
そこで、ステップＳ６においては、一つの症例の上下顎の歯型スキャンデータ３２から得られた全ての歯冠セグメント、および支台歯の位置関係から、各歯冠セグメントのＦＤＩ番号を判定し最終的に決定する処理が、歯冠種別判定部２４としての機能によって自動的に実行される。つまり、ステップＳ６では、一つの歯型スキャンデータ３２から得られた歯冠セグメント全体の位置関係とステップＳ５で得られた各歯冠セグメントのＦＤＩ番号の候補とを入力とした時に最も尤もらしい各歯冠セグメントへのＦＤＩ番号の割り振りが決定される（図１９および図２１参照）。ステップＳ６の処理の詳細については図２０および図２１を参照しながら後述する。
そして、ステップＳ７において、ステップＳ６で各歯冠セグメントに割り振られたＦＤＩ番号を含むファイル名を付与されたポリゴンデータファイル（図５参照）が、歯冠データベース３３における処理対象の症例のフォルダ（図５参照）に出力され登録される。各ポリゴンデータファイルには、ファイル名のＦＤＩ番号に応じた歯冠についてステップＳ３で切り出された歯冠形状情報（歯冠セグメント，頂点群）が保存される。
上述したステップＳ１〜Ｓ７の処理は全ての症例の歯型スキャンデータ３２のそれぞれについて繰り返し実行される。これにより、例えば図５に示すような歯冠データベース３３が作成されるとともに、当該歯冠データベース３３に対し、各症例の歯冠形状情報（ポリゴンデータファイル）が登録される。
〔３−２〕歯冠の自動切出し処理
次に、図８に示すフローチャート（ステップＳ１１〜Ｓ１４）に従って、図９（Ａ）〜図１１（Ｂ）を参照しながら、図１に示すコンピュータ１０（歯冠形状取得部２１）による歯冠の切出し処理（図６のステップＳ３の処理）について説明する。なお、ステップＳ１１の処理は、上述した歯冠形状取得部２１による処理Ａ１およびＡ２に対応し、ステップＳ１４の処理は、上述した歯冠形状取得部２１による処理Ａ４に対応する。また、ステップＳ１２およびＳ１３の処理は、上述した歯冠形状取得部２１による処理Ａ３１およびＡ３２に対応し、所定角度または所定曲率などのパラメータを変更しながら、例えば４回、繰り返し実行される。繰り返し実行回数は、４回に限定されるものではない。さらに、図８に示す処理は、上顎の歯型スキャンデータ３２および下顎の歯型スキャンデータ３２のそれぞれについて、別個に実行される。
まず、ステップＳ１１において、歯冠形状取得部２１は、処理対象の症例について、歯型スキャンデータ３２の法線付き点群を取得する（図６のステップＳ１，Ｓ２参照）。法線付き点群は、当該点群に属する点毎に、各点のＸＹＺ座標値と各点における単位法線ベクトルとの計６自由度を有するデータである。
この後、ステップＳ１２において、歯冠形状取得部２１は、図９（Ａ）および図９（Ｂ）に示すように、前述した第１結合処理Ａ３１に相当するリージョングローウィングセグメンテーション（region growing segmentation）処理を実行する。図９（Ａ）および図９（Ｂ）は、本実施形態におけるリージョングローウィングセグメンテーション処理を説明する図である。
リージョングローウィングセグメンテーション処理では、まず、一つの症例の歯型スキャンデータ３２から取得した法線付き点群の全ての点が、一点ずつ、異なるセグメントに属するものとして登録される。この後、或る点Ｘに注目した時、点Ｘに隣接する点Ｙが参照される。そして、当該点Ｙにおける曲率が所定曲率未満である場合、もしくは、点Ｙの法線ベクトルと点Ｘの法線ベクトルとの成す角度が所定角度未満である場合、点Ｘは、隣接点Ｙと滑らかに繋がっていると判断される。この場合、点Ｘを含むセグメントと、隣接点Ｙを含むセグメントとが結合される。以上の結合処理が、結合すべきセグメントが存在しなくなるまで繰り返し実行される。
このようなリージョングローウィングセグメンテーション処理を行なうことにより、例えば、図９（Ａ）に示すような点群は、図９（Ｂ）に示すような三つのセグメント（後述する小セグメント）＃１，＃２，＃３に断片化される。図９（Ｂ）において、セグメント＃１には、丸付き数字１で示す頂点が含まれ、セグメント＃２には、丸付き数字２で示す頂点が含まれ、セグメント＃３には、丸付き数字３で示す頂点が含まれる。
上述のごとく歯型スキャンデータ３２に対しリージョングローウィングセグメンテーション処理を施す場合、隣接する頂点どうしが滑らかに繋がっているか否かを判定する閾値となる所定曲率や所定角度を、入力パラメータとして適切に設定することが望まれる。図８に示す処理において、曲率の閾値（所定曲率）や角度の閾値（所定角度）は、ステップＳ１２およびＳ１３のループを４回繰り返す都度、以下のように設定変更されてもよい。例えば、１〜４回目の曲率の閾値（所定曲率）としてそれぞれ0.004, 0.004, 0.004, 0.020が設定される。隣接する二点の法線ベクトルの成す角度で判定を行なう場合、１〜４回目の角度の閾値（所定角度）として、いずれも５度が設定される。
上述した入力パラメータは、歯型スキャンデータ３２のメッシュ長（例えば、三角形ポリゴンメッシュの一辺の長さの代表的な値）によって異なり、歯科用３Ｄスキャナの仕様に応じて調整することが好ましい。
なお、ステップＳ１２の処理によって断片化された法線付き点群、例えば図９（Ｂ）に示すセグメント＃１〜＃３のそれぞれを、「小セグメント」と呼称する。
ついで、ステップＳ１３において、歯冠形状取得部２１は、閾値違反の小セグメントを削除するとともに、各小セグメントの凸包を算出し、当該凸包に基づく小セグメントの結合を行なう。
閾値違反の小セグメントを削除する処理は、上述した歯冠形状取得部２１による処理Ａ５に対応する。当該処理では、咬合面に最も近いと推定される咬合方向（歯の萌出方向；図９，図１０のＺ軸方向）に直交する平面が定義される。そして、当該平面から咬合方向に所定距離以上離れた位置（所定範囲外の位置）に、小セグメントに属する頂点のＺ座標の平均位置または中心位置が存在する場合、当該小セグメントは、処理対象外である（例えば歯茎等に属している）と判定され、処理対象から削除される。
また、ステップＳ１３における凸包算出処理およびセグメント結合処理は、上述した歯冠形状取得部２１による第２結合処理Ａ３２に対応し、図１０（Ａ）〜図１０（Ｃ）に示すように実行される。図１０（Ａ）〜図１０（Ｃ）は、本実施形態における凸包算出処理およびセグメント結合処理を説明する図である。図９（Ｂ）と同様、図１０（Ａ）〜図１０（Ｃ）において、丸付き数字１はセグメント＃１に含まれる頂点を示し、丸付き数字２はセグメント＃２に含まれる頂点を示し、丸付き数字３はセグメント＃３に含まれる頂点を示す。
単純に、リージョングローウィングセグメンテーション処理を施しただけでは、歯型スキャンデータ３２から歯冠をうまく切り出せない場合がある。例えば、歯冠の頬側と舌側とが、異なる小セグメントに含まれるように断片化される場合が多いほか、特に、臼歯の咬合面側に多数の小セグメントが発生する。このため、これらの小セグメントを歯冠毎に結合させる処理を行なうことが好ましい。
そこで、ステップＳ１３において、図１０（Ａ）に示すような、各小セグメントに含まれる頂点が、図１０（Ｂ）に示すように、歯の咬合方向（萌出方向；Ｚ軸方向）と直交する平面（ＸＹ平面）上に射影される。この後、図１０（Ｂ）に示すように、一の小セグメントについてＸＹ平面に射影された頂点の集合の凸包が算出される。そして、算出された凸包内に一以上の頂点を含まれる他の小セグメントが、上記一の小セグメントの属する歯冠と同一の歯冠に属するセグメントと判定される。他の小セグメントが一の小セグメントの属する歯冠と同一の歯冠に属するセグメントと判定された場合、一の小セグメントと他の小セグメントとが、結合され、一の歯冠の形状を規定する頂点群として抽出される。
例えば、図１０（Ｂ）では、小セグメント＃１に属する頂点（丸付き数字１）の射影像について算出された凸包内には、小セグメント＃３に属する頂点（丸付き数字３）の射影像の全てが含まれる。また、同凸包内には、小セグメント＃２に属する頂点（丸付き数字２）の射影像の一部が含まれる。このため、三つの小セグメント＃１〜＃３は、同一の歯冠に属するセグメントであると判定され、例えば、図１０（Ｃ）に示すように、一つのセグメント＃１として結合される。
本実施形態において、上述したステップＳ１２およびＳ１３の処理は、図８に示すように、４回、繰り返し実行される。１回目の処理で、歯茎等の歯冠以外の部分が取り除かれるが、一本の歯の歯冠について１００個程度の小セグメントが抽出される。そして、２〜４回目の処理で、小セグメントの結合処理が繰り返され、より高い確度で歯冠の部分が切り出される。
このとき、上述のようにステップＳ１２およびＳ１３の処理を繰り返す度に、より大きな歯冠断片（歯冠セグメント）が得られるように、リージョングローウィングセグメンテーション処理での入力パラメータによる条件設定が行なわれてもよい。当該入力パラメータ（所定曲率，所定角度等）は、上述したように所定の値に予め設定されてもよいし、処理を繰り返す都度、当該処理の結果に応じて手動もしくは自動で設定変更されてもよい。
以上のようにして、本実施形態によれば、例えば、図１１（Ａ）に示すような歯型スキャンデータ３２から、最終的に、図１１（Ｂ）に示すような、歯茎等の歯冠以外の部分を取り除いた歯冠の形状を成す歯冠セグメントが切り出されることになる。なお、図１１（Ａ）は上顎または下顎の歯型スキャンデータ３２の例を示す図、図１１（Ｂ）は、図１１（Ａ）に示す歯型スキャンデータ３２の例から、本実施形態の切出し処理によって切出された歯冠セグメントを示す図である。
ステップＳ１２およびＳ１３の処理を繰り返し実行することで抽出された歯冠セグメント（頂点群）は、ステップＳ１４において、歯冠形状情報として出力され、記憶部３０等において保存される。歯冠セグメントは、入力された法線付き点群のインデクスであってもよいし、点群またはポリゴンデータを含むファイルであってもよい。
〔３−３〕特徴点（検出点）のＦＤＩ番号の推定処理
次に、図１２に示すフローチャート（ステップＳ２１〜Ｓ２５）に従って、図１３〜図１５を参照しながら、図１に示すコンピュータ１０（検出点取得部２２）による特徴点のＦＤＩ番号の推定処理（図６のステップＳ４の処理）について説明する。なお、ステップＳ２１の処理は、上述した検出点取得部２２による処理Ｂ１およびＢ２の処理に対応し、ステップＳ２２の処理は、上述した検出点取得部２２による処理Ｂ３に対応する。また、ステップＳ２３の処理は、上述した検出点取得部２２による処理Ｂ４およびＢ５（処理Ｂ５１およびＢ５２を含む）に対応する。ステップＳ２４およびＳ２５の処理は、それぞれ上述した検出点取得部２２による処理Ｂ６およびＢ７に対応する。さらに、図１２に示す処理は、上顎の歯型スキャンデータ３２および下顎の歯型スキャンデータ３２のそれぞれについて、別個に実行される。
まず、ステップＳ２１において、歯冠形状取得部２１は、処理対象の症例について、歯型スキャンデータ３２の法線付き点群を取得する（図６のステップＳ１，Ｓ２参照）。法線付き点群は、当該点群に属する点毎に、各点のＸＹＺ座標値と各点における単位法線ベクトルとの計６自由度を有するデータである。当該ステップＳ２１の処理は、図８に示すステップＳ１１の処理と共通化されてもよい。
この後、ステップＳ２２において、検出点取得部２２は、歯型スキャンデータ３２から得た法線付き点群（第一頂点集合）Ｕから、一様に（言い換えると「集合の全領域から満遍なく」）サンプリングを行なって、所定数の頂点を特徴点（第二頂点集合Ａ）として選択し抽出する。ここで、第一頂点集合Ｕにおける頂点数が例えば２０万〜６０万程度である場合、第二頂点集合Ａにおける頂点数（つまり前記所定数）は例えば１万程度である。
また、ここで抽出される特徴点は、下記ステップＳ２３で特徴量記述子の算出対象になる点である。法線付き点群Ｕ中の全ての点について特徴量記述子を算出すると計算量が不必要に多くなる。このため、本実施形態では、特徴量記述子の算出対象の頂点は、法線付き点群Ｕから一様にサンプルした特徴点に絞られている。図１３に、本実施形態において抽出された特徴点（図１３中の黒丸の点）と上顎の歯型スキャンデータ３２とを重ね合わせて示す。
ついで、ステップＳ２３において、検出点取得部２２は、ステップＳ２２で抽出された各特徴点について特徴点記述子（頻度分布；後述する二次元ヒストグラム）を算出する。ここで、図１１（Ａ），図１４（Ａ）および図１４（Ｂ）を参照しながら、本実施形態における特徴量記述子について説明する。
特徴量記述子（descriptor）とは、主にコンピュータビジョンの分野で用いられる用語である。種々の特徴量記述子が提案されているが、ここでは、３Ｄ点群または３Ｄサーフェスメッシュにおける特徴量記述子について説明する。３Ｄ点群や３Ｄサーフェスメッシュのデータそのものは、コンピュータプログラムにとって極めて解釈し難く、入力データが表す空間中のどこに何があるのかは未知であり、また、非常に扱い難い。３Ｄ点群や３Ｄサーフェスメッシュにおいて、特徴量記述子は、局所的な形状情報を圧縮して表現するものである。特徴量記述子を用いることで得られる重要な効果は、形状情報の対応付けが可能になることである。
例えば図１１（Ａ）に示す、３Ｄ点群や３Ｄサーフェスメッシュの歯型スキャンデータの領域Ｐ１と領域Ｐ２とは、そのままでは形状について相互に対応付けることが極めて難しく、形状の比較を行なうことができない。そこで、本実施形態では、図１１（Ａ）の領域Ｐ１および領域Ｐ２における特徴点について、それぞれ図１４（Ａ）および図１４（Ｂ）に示すような特徴量記述子（頻度分布；二次元ヒストグラム）が算出される。そして、算出された特徴量記述子によって、領域Ｐ１と領域Ｐ２とは、形状について相互に対応付けることが可能になり、形状の比較を行なうことが可能になる。
特徴量記述子を算出するためには、当該特徴量記述子を算出したい点（頂点，特徴点）での局所座標系が作成される。歯型スキャンデータ３２は、絶対座標系に対して様々な方向に移動・回転された状態でデータ化されており、また、ポリゴン抜けなどのノイズを含むほか、症例毎に形状が違っている。局所座標系は、上述のようなノイズや症例毎の形状の相違に対してロバストであることが望ましい。例えば、犬歯の頂端で局所座標系を作成する場合、症例間で同様の向きで局所座標系が定まっていることが望ましい。
ロバストな局所座標系を作成する手法としては、特徴量記述子を算出したい点周辺の点群（上述した第三頂点集合Ｂ（Ａ［ｉ］））の法線ベクトルの主成分分解によって局所座標系を定める手法がある。ここで、主成分分解とは、或る次元数の空間中でバラついている標本集団を入力とした時、最もバラつく方向を検出し、その方向を基底とする直交座標系を定める方法である。
ステップＳ２３では、まず、特徴量記述子を算出したい点周辺、例えば当該点から所定距離δ以内に存在する法線付き点群が抽出される（前述した処理Ｂ４に対応）。ここで、当該点は上述した点Ａ［ｉ］であり、当該点Ａ［ｉ］から所定距離δ以内に存在する法線付き点群は、第三頂点集合Ｂ（Ａ［ｉ］））である。そして、第三頂点集合Ｂ（Ａ［ｉ］）に属する各頂点の法線ベクトルの主成分分解によって、第二頂点集合Ａに属する各頂点Ａ［ｉ］についての局所座標系が定められる（前述した処理Ｂ５１に対応）。
そして、検出点取得部２２は、局所座標系から見た時の各法線の向きを極座標系θとφにより表現する。これにより、各頂点Ａ［ｉ］周辺の所定距離δ内に存在する法線付き点群の、θ-φを階級値（bin）とする二次元ヒストグラム（頻度分布；特徴量記述子）が、例えば図１４（Ａ）および図１４（Ｂ）に示すように、算出される（前述した処理Ｂ５２に対応）。なお、図１４（Ａ）および図１４（Ｂ）において、横軸は、θ-φを一次元化した値（θ-φ座標系の区分）であり、縦軸は、θ-φ座標系の区分内に頂点が出現する頻度である。
ついで、ステップＳ２４において、検出点取得部２２は、各特徴点で得られた特徴量記述子に対して学習済みニューラルネットワークによりＦＤＩ番号の推定処理を行なう（前述した処理Ｂ６に対応）。
ここで、ステップＳ２４の処理で用いられるニューラルネットワークについて簡単に説明する。ニューラルネットワークとは、多くの数値のベクトルデータが得られた時にそこにパターンがある場合、そのパターンを学習し、学習したパターンに基づいた出力を行なう学習アルゴリズムの一つである。
各ＦＤＩ番号の歯冠の部分に属する特徴点を歯型スキャンデータから検出し特定する、ニューラルネットワークによる検出器は、例えば、以下の手順（ｉ）〜（iii）で作成される。
（ｉ）数千件の歯型スキャンデータから、各ＦＤＩ番号の歯冠の中心位置における特徴量記述子（二次元ヒストグラム）を取得する。
（ii）各ＦＤＩ番号と特徴量記述子との対応をニューラルネットワークに学習させる。
（iii）手順（ii）で得られる学習済みのニューラルネットワークが、所定の検出性能を有することを確認し、当該学習済みのニューラルネットワークを検出器として用いる。
以上の手順で作成した検出器により、各ＦＤＩ番号の歯冠の部分を歯型スキャンデータ３２から特定する場合、学習の段階で、歯茎の部分が含まれた状態で特徴量記述子が算出される場合がある。このように歯茎の部分が含まれた状態で算出された特徴量記述子に基づいて学習されたニューラルネットワークを用いる場合、実際の検出時には学習の際に算出した特徴量記述子と同じ手法で算出した特徴量記述子をニューラルネットワークへ入力することが望ましい。このため、歯冠形状情報の取得時にも、歯茎の部分の法線付き点群を含む歯型スキャンデータが必要になる。
本実施形態では、上述したように、記憶部３０に、ＦＤＩ番号特定済みの歯冠について当該歯冠のＦＤＩ番号と当該歯冠の形状を規定する各頂点の法線ベクトルに関する二次元ヒストグラム（特徴量記述子）との関係が予め記憶される。当該関係が、上述のごとく作成された学習済みのニューラルネットワークによって与えられ、当該ニューラルネットワークに係る情報３４が、記憶部３０に予め保存される。検出点取得部２２は、記憶部３０（学習済みニューラルネットワーク情報３４）を参照し、ステップＳ２３で算出した特徴量記述子（二次元ヒストグラム）に基づいて、各特徴点Ａ［ｉ］が、歯冠に含まれるか否かを判定する。そして、検出点取得部２２は、歯冠に含まれると判定した場合にどのＦＤＩ番号の歯冠に含まれるかを推定する。
このようにして、本実施形態では、上下顎の各ＦＤＩ番号の歯冠上の特徴点における特徴量記述子を高確率で検出する学習済みニューラルネットワークと、ステップＳ２３で得られた特徴量記述子とに基づいて、各ＦＤＩ番号の歯冠に属する各特徴点Ａ［ｉ］が推定される。
ここで用いられるニューラルネットワークとしては、例えば、上顎の１番、上顎の２番、上顎の３番、上顎の４番、上顎の５番、上顎の６，７番、下顎の１番、下顎の２番、下顎の３番、下顎の４番、下顎の５番、下顎の６，７番をそれぞれ検出する、全部で１２種類のニューラルネットワークが、別個に学習させて作成される。また、ここで用いられるニューラルネットワークは、例えば、入力層，中間層および出力層の３層を有し、入力層に１４５ノードが設定され、中間層に１００ノードが設定され、出力層に３ノードが設定される。
ステップＳ２４でＦＤＩ番号を推定された特徴点Ａ［ｉ］は、ステップＳ２５において、当該ＦＤＩ番号の歯冠に含まれる検出点として出力され、記憶部３０等において保存される。当該出力結果としては、例えば図１５に示すように、ＦＤＩ番号毎に検出された検出点に関する情報が得られる。ここで、図１５は、本実施形態において取得された各ＦＤＩ番号の検出点（図１５中の黒丸の点）を上顎の歯型スキャンデータ３２に重ね合わせて示す図である。
なお、各ＦＤＩ番号の検出点の座標値に関するデータを「検出点」と呼称する場合がある。また、出力される各ＦＤＩ番号の検出点に関する情報は、点群の座標値を保存するファイルであってもよく、入力された法線付き点群のインデックスであってもよい。
〔３−４〕歯冠セグメントのＦＤＩ番号の推定処理
次に、図１６に示すフローチャート（ステップＳ３１〜Ｓ３４）に従って、図１７〜図１９を参照しながら、図１に示すコンピュータ１０（歯冠種別推定部２３）による歯冠セグメントのＦＤＩ番号の推定処理（図６のステップＳ５の処理）について説明する。なお、図１６に示す処理は、上顎の歯型スキャンデータ３２および下顎の歯型スキャンデータ３２のそれぞれについて、別個に実行される。
まず、ステップＳ３１において、歯冠種別推定部２３は、図８のステップＳ１４で出力された歯冠セグメントと、図１２のステップＳ２５で出力された各ＦＤＩ番号の検出点とを、記憶部３０等から取得する。
そして、歯冠種別推定部２３は、例えば図１７に示すように、取得した歯冠セグメントと各ＦＤＩ番号の検出点とを重ね合わせることで、以下のように、歯冠セグメントのＦＤＩ番号の候補を推定する。なお、図１７は、上顎の歯型スキャンデータ３２から切り出された歯冠セグメントの一部と、同上顎の歯型スキャンデータ３２から得られた検出点とを重ね合わせて示す図である。図１７中に表記された数字（1〜6）は、上顎の歯冠のＦＤＩ番号の一の位の数値に対応している。また、図１７において当該数字（1〜6）を表記された位置が、当該数字を一の位に有するＦＤＩ番号の検出点の位置に対応している。数字6は、例えば図１５に示す上顎6,7番のＦＤＩ番号に相当する。
ここで、歯冠種別推定部２３は、上述のごとく歯冠セグメントと検出点とを重ね合わせることで、各ＦＤＩ番号の各検出点がどの歯冠セグメントに含まれるかに関する情報を得ることが可能である。また、歯冠種別推定部２３は、図１２のステップＳ２２で抽出される各特徴点（第二頂点集合Ａに属する頂点）が、各歯冠セグメントのうちのどの歯冠セグメントに含まれるかに関する情報を取得することも可能である。
そこで、歯冠種別推定部２３は、ステップＳ３２において、各歯冠セグメントについて、下記数式のようなベクトルＦを算出する。当該ベクトルＦは、各歯冠セグメント中の特徴点の数に対する、各歯冠セグメント中の各ＦＤＩ番号の検出点の数の割合（比）を要素Ｆ1，Ｆ2，Ｆ3，Ｆ4，Ｆ5，Ｆ67として有する。また、図１８（Ａ）〜図１８（Ｃ）に、３種類の歯冠セグメントについて得られる当該ベクトルＦの要素Ｆ1，Ｆ2，Ｆ3，Ｆ4，Ｆ5，Ｆ67の値の具体例を示す。
Figure 0006458860
そして、歯冠種別推定部２３は、ステップＳ３３において、歯冠セグメント毎に算出されたベクトルＦに基づいて、例えば、以下のように各歯冠セグメントのＦＤＩ番号の候補を推定する。ここでは、上顎の歯冠セグメントのＦＤＩ番号（歯の種類を示す一の位の番号）の候補を推定するための条件の例を示す。なお、下顎の歯冠セグメントのＦＤＩ番号の候補を推定するための条件も同様に設定される。
１番がＦＤＩ番号の候補として推定される条件：
Ｆ1が0.2以上、Ｆ3が0.1以下、Ｆ5，Ｆ67がともに0.05以下
２番がＦＤＩ番号の候補として推定される条件：
Ｆ1が0.1以上、Ｆ3が0.2以下、Ｆ5，Ｆ67がともに0.05以下
３番がＦＤＩ番号の候補として推定される条件：
Ｆ3が0.2以上、Ｆ1が0.1以下、Ｆ5，Ｆ67がともに0.05以下
４番がＦＤＩ番号の候補として推定される条件：
Ｆ5が0.05以上0.5以下、Ｆ3が0.5以下、Ｆ1，Ｆ67がともに0.05以下
５番がＦＤＩ番号の候補として推定される条件：
Ｆ5が0.15以上0.6以下、Ｆ1，Ｆ3がともに0.05以下、Ｆ67が0.4以下
６番がＦＤＩ番号の候補として推定される条件：
Ｆ67が0.1以上0.6以下、Ｆ1，Ｆ3がともに0.05以下、Ｆ5が0.3以下
７番がＦＤＩ番号の候補として推定される条件：
Ｆ67が0.1以上0.8以下、Ｆ1が0.05以下、Ｆ3が0.1以下、Ｆ5が0.3以下
上述のような推定処理によって、例えば、歯冠セグメントＡ，Ｂ，Ｃのそれぞれについて、以下のようなＦＤＩ番号の候補が推定される。
歯冠セグメントＡのＦＤＩ番号候補： 16 or 26 or 17 or 27
歯冠セグメントＢのＦＤＩ番号候補： 11 or 21 or 12 or 22
歯冠セグメントＣのＦＤＩ番号候補： 13 or 23 or 14 or 24 or 15 or 25
上顎の各歯冠セグメントについてＦＤＩ番号の推定処理を行なった結果（歯冠セグメント毎のＦＤＩ番号の候補）の具体例を図１９に示す。
ステップＳ３３で各歯冠セグメントについてＦＤＩ番号の推定処理を行なった結果（ＦＤＩ番号の候補）は、ステップＳ３４において出力され、記憶部３０等において保存される。
〔３−５〕歯冠セグメントのＦＤＩ番号の判定処理
次に、図２０に示すフローチャート（ステップＳ４１〜Ｓ４３）に従って、図２１を参照しながら、図１に示すコンピュータ１０（歯冠種別判定部２４）による歯冠セグメントのＦＤＩ番号の判定処理（図６のステップＳ６の処理）について説明する。なお、図２０に示す処理は、上顎の歯型スキャンデータ３２および下顎の歯型スキャンデータ３２のそれぞれについて、別個に実行される。
まず、ステップＳ４１において、歯冠種別判定部２４は、歯冠セグメントと支台歯の歯型スキャンデータ３２、および、図１６のステップＳ３４で出力された各歯冠セグメントのＦＤＩ番号候補の推定結果を、記憶部３０等から取得する。
そして、歯冠種別判定部２４は、ステップＳ４２において、各歯冠セグメントの中心位置、および、事前にＦＤＩ番号の分かっている支台歯の歯型スキャンデータの中心位置から歯冠全体の配置関係を算出し、算出した配置関係に基づいて、各歯冠セグメントのＦＤＩ番号を判定し最終的に決定する。その際、例えば、以下のような判定条件に基づいて、各歯冠セグメントへのＦＤＩ番号の割り振りが決定される。
・ＦＤＩ番号13の隣りにＦＤＩ番号16は存在しない。
・ＦＤＩ番号14と15は、ＦＤＩ番号13から見て同じ方向に存在し、ＦＤＩ番号25は同じ方向に存在しない。
・ＦＤＩ番号16と26は、所定距離以上、離れている。
歯冠種別判定部２４は、このような判定条件に基づいて、多くのＦＤＩ番号候補から最も尤もらしい各歯冠セグメントへのＦＤＩ番号の割り振りを自動的に決定する。その際、入力された各歯冠セグメントの候補以外は、判定の対象から外すことで、実用的な時間内かつ十分な精度でＦＤＩ番号の決定処理を実行することができる。
上顎の各歯冠セグメントについてＦＤＩ番号の判定処理を行なった結果（各歯冠セグメント毎のＦＤＩ番号）の具体例を図２１に示す。図２１に示される判定処理の結果は、図１９に示した推定処理の結果に対し、上述した判定処理を行なって得られたものである。
ステップＳ４２で各歯冠セグメントについてＦＤＩ番号の判定処理を行なった結果（各歯冠セグメントのＦＤＩ番号）は、ステップＳ４３において出力され、記憶部３０等において保存される。
〔４〕歯冠情報取得機能を有する本実施形態の情報処理装置の効果
このように、本実施形態のコンピュータ１０（歯冠形状取得部２１）によれば、各症例の歯型スキャンデータ３２から、歯茎等の歯冠以外の部分を取り除いた歯冠部分（歯冠セグメント）が、確実かつ正確に切り出される。
また、本実施形態のコンピュータ１０（検出点取得部２２）によれば、上下顎の各ＦＤＩ番号の歯冠上の特徴点における特徴量記述子を高確率で検出する学習済みニューラルネットワークと、処理対象の歯型スキャンデータ３２から得られた特徴量記述子とに基づいて、各ＦＤＩ番号の歯冠に属する各特徴点Ａ［ｉ］が検出点として推定される。
さらに、本実施形態のコンピュータ１０（歯冠種別推定部２３および歯冠種別判定部２４）によれば、歯冠形状取得部２１によって切り出された歯冠セグメントと、検出点取得部２２によって得られた各ＦＤＩ番号の検出点とに基づいて、歯型スキャンデータ３２における各歯冠セグメントのＦＤＩ番号が確実かつ正確に特定される。
これにより、本実施形態のコンピュータ１０によれば、図６に示すステップＳ１〜Ｓ７の処理を多数の症例の歯型スキャンデータ３２のそれぞれについて繰り返し実行することにより、例えば図５に示すような歯冠データベース３３が自動的に作成され構築される。また、当該歯冠データベース３３に対し、各症例の歯冠形状情報（ポリゴンデータファイル）が自動的に登録される。
したがって、本実施形態のコンピュータ１０によれば、歯冠形状を検索するシステムを構築することができるとともに、学術研究等を目的とする歯冠形状の統計処理を行なうためのデータを自動収集することができるほか、歯科用ＣＡＤソフトウェアにおける歯冠部分の認識機能や切り出し機能を実現することができるなど、様々な作用効果を得ることができる。
〔５〕その他
以上、本発明の好ましい実施形態について詳述したが、本発明は、係る特定の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲内において、種々の変形、変更して実施することができる。
例えば、上述した歯冠形状取得部２１としての機能を一症例の歯型スキャンデータ３２の一部へ局所的に作用させることにより、歯冠の部分へのマウスクリック等で、クリックした歯冠の部分のみを自動的に切り出し、データとして出力するように構成してもよい。
また、上述した検出点取得部２２としての機能を用いて、口腔内の形状に関するデータ（歯型スキャンデータ３２）の前後軸や左右軸、前歯、奥歯等の位置をデータとして出力するように構成してもよい。
１０ コンピュータ（歯冠情報取得機能を有する情報処理装置）
１１ プロセッサ（処理部）
１２ ＲＡＭ（記憶部）
１３ ＨＤＤ（記憶部）
１４ グラフィック処理装置
１４ａ モニタ（表示部）
１５ 入力インタフェース
１５ａ キーボード（入力部）
１５ｂ マウス（入力部）
１６ 光学ドライブ装置
１６ａ 光ディスク
１７ 機器接続インタフェース
１７ａ メモリ装置
１７ｂ メモリリーダライタ
１７ｃ メモリカード
１８ ネットワークインタフェース
１８ａ ネットワーク
１９ バス
２０ 処理部
２１ 歯冠形状取得部
２２ 検出点取得部
２３ 歯冠種別推定部
２４ 歯冠種別判定部
３０ 記憶部
３１ 歯冠情報取得プログラム
３２ 歯型スキャンデータ
３３ 歯冠データベース
３４ 学習済みニューラルネットワーク情報
４０ 入力部
５０ 表示部

Claims (10)

  1. 少なくとも一本の歯の歯冠の形状を含む口腔内形状に関するデータの入力を受け付け、
    前記データに含まれ前記口腔内形状を規定する複数の頂点のそれぞれにおける法線ベクトルまたは曲率を取得し、
    取得した法線ベクトルまたは曲率に基づき、前記複数の頂点から、前記少なくとも一本の歯の歯冠の形状を規定する頂点群を抽出し、
    抽出した前記頂点群を、前記口腔内形状における歯冠部分を特定する歯冠形状情報として出力する、
    処理をコンピュータに実行させ、
    前記頂点群を抽出する際、
    前記複数の頂点のうちの隣接する二つの頂点における前記法線ベクトルの成す角度が所定角度未満である場合、もしくは、前記隣接する二つの頂点の一方から他方を見て当該他方の頂点における前記曲率が所定曲率未満である場合、前記隣接する二つの頂点の一方を含むセグメントと前記隣接する二つの頂点の他方を含むセグメントとを結合する処理を、結合すべき前記セグメントが存在しなくなるまで繰り返し実行する第一結合処理と、
    前記第一結合処理によって得られた複数の前記セグメントのうちの一セグメントに含まれる頂点を、前記歯の萌出方向と直交する平面上に射影し、射影した頂点の集合の凸包を算出し、算出した凸包内に一以上の頂点を含まれる他セグメントを、前記一セグメントの属する前記歯冠と同一の歯冠に属するセグメントと判定し、前記一セグメントと前記他セグメントとを結合し前記頂点群として抽出する第二結合処理とを、前記コンピュータに実行させる、歯冠情報取得プログラム。
  2. 前記第二結合処理によって得られた前記頂点群を前記複数の頂点に置き換え、前記第一結合処理および前記第二結合処理を所定回数繰り返し実行する、
    処理を前記コンピュータに実行させる、請求項１に記載の歯冠情報取得プログラム。
  3. 前記第一結合処理または前記第二結合処理によって得られた前記セグメントの中心位置もしくは平均位置が前記歯の萌出方向について所定範囲外に存在する場合、当該セグメントを前記歯冠に属していないと判定して削除する、
    処理を前記コンピュータに実行させる、請求項１または請求項２に記載の歯冠情報取得プログラム。
  4. 口腔内形状に関するデータの入力を受け付け、
    前記データに含まれ前記口腔内形状を規定する複数の頂点のそれぞれにおける法線ベクトルを取得し、
    前記複数の頂点を含む第一頂点集合から一様に所定数の頂点を第二頂点集合として選択し、
    選択した第二頂点集合に属する各頂点から前記歯の大きさに応じた所定距離以内に存在する頂点を、前記第一頂点集合から第三頂点集合として抽出し、
    抽出した第三頂点集合に属する各頂点の前記法線ベクトルに関する頻度分布を算出し、
    種別特定済みの歯冠について当該歯冠の種別と当該歯冠の形状を規定する各頂点の法線ベクトルに関する頻度分布との関係を予め記憶する記憶部を参照し、算出した頻度分布に基づいて、前記第二頂点集合に属する各頂点が、当該歯冠に含まれるか否かを判定するとともに、当該歯冠に含まれると判定した場合にどの種別の歯冠に含まれるかを推定し、
    前記種別を推定された前記第二頂点集合に属する各頂点を、前記種別の歯冠に含まれる検出点として出力する、
    処理をコンピュータに実行させる、歯冠情報取得プログラム。
  5. 前記頻度分布を算出する際、
    前記第三頂点集合に属する各頂点の前記法線ベクトルの主成分分解によって、前記第二頂点集合に属する各頂点についての局所座標系を定め、
    定めた局所座標系に基づいて、前記第三頂点集合に属する各頂点の前記法線ベクトルに関する頻度分布を、前記第二頂点集合に属する各頂点における特徴量記述子として算出する、
    処理を前記コンピュータに実行させる、請求項４に記載の歯冠情報取得プログラム。
  6. 少なくとも一本の歯の歯冠の形状を含む口腔内形状に関するデータに含まれ前記口腔内形状を規定する複数の頂点から、前記少なくとも一本の歯の歯冠の形状を規定する頂点群を、前記口腔内形状における歯冠部分を特定する歯冠形状情報として取得し、
    前記複数の頂点を含む第一頂点集合から一様に選択された所定数の頂点を含む第二頂点集合の各頂点を含む前記歯冠の種別を推定することで、前記種別を推定された前記第二頂点集合に属する各頂点を、前記種別の歯冠に含まれる検出点として取得し、
    前記歯冠形状情報として取得した前記頂点群と取得した前記検出点とを重ね合わせることで、前記歯冠毎に当該歯冠の種別を推定し、
    前記歯冠毎に推定した当該歯冠の種別を出力する、
    処理をコンピュータに実行させる、歯冠情報取得プログラム。
  7. 前記歯冠毎に当該歯冠の種別を推定する際、
    前記歯冠毎に、当該歯冠について取得した前記頂点群の頂点数に対する、各種別について取得した前記検出点の数の比を算出し、
    算出した比に基づいて、前記歯冠毎に当該歯冠の種別を推定する、
    処理を前記コンピュータに実行させる、請求項６に記載の歯冠情報取得プログラム。
  8. 前記歯冠毎に推定した当該歯冠の種別と、複数の前記歯冠の全体の配置関係とに基づいて、各歯冠の種別を判定し、
    取得した前記歯冠形状情報、および、判定した各歯冠の種別を出力する、
    処理を前記コンピュータに実行させる、請求項６または請求項７に記載の歯冠情報取得プログラム。
  9. 少なくとも一本の歯の歯冠の形状を含む口腔内形状に関するデータに含まれ前記口腔内形状を規定する複数の頂点から、前記少なくとも一本の歯の歯冠の形状を規定する頂点群を、前記口腔内形状における歯冠部分を特定する歯冠形状情報として取得する歯冠形状取得部と、
    前記複数の頂点を含む第一頂点集合から一様に選択された所定数の頂点を含む第二頂点集合の各頂点を含む前記歯冠の種別を推定することで、前記種別を推定された前記第二頂点集合に属する各頂点を、前記種別の歯冠に含まれる検出点として取得する検出点取得部と、
    前記歯冠形状情報として取得した前記頂点群と取得した前記検出点とを重ね合わせることで、前記歯冠毎に当該歯冠の種別を推定する歯冠種別推定部と、
    前記歯冠毎に推定した当該歯冠の種別と、複数の前記歯冠の全体の配置関係とに基づいて、各歯冠の種別を判定する歯冠種別判定部と、を有し、
    取得した前記歯冠形状情報、および、判定した各歯冠の種別を出力する、情報処理装置。
  10. 少なくとも一本の歯の歯冠の形状を含む口腔内形状に関するデータに含まれ前記口腔内形状を規定する複数の頂点から、前記少なくとも一本の歯の歯冠の形状を規定する頂点群を、前記口腔内形状における歯冠部分を特定する歯冠形状情報として取得し、
    前記複数の頂点を含む第一頂点集合から一様に選択された所定数の頂点を含む第二頂点集合の各頂点を含む前記歯冠の種別を推定することで、前記種別を推定された前記第二頂点集合に属する各頂点を、前記種別の歯冠に含まれる検出点として取得し、
    前記歯冠形状情報として取得した前記頂点群と取得した前記検出点とを重ね合わせることで、前記歯冠毎に当該歯冠の種別を推定し、
    前記歯冠毎に推定した当該歯冠の種別と、複数の前記歯冠の全体の配置関係とに基づいて、各歯冠の種別を判定し、
    取得した前記歯冠形状情報、および、判定した各歯冠の種別を出力する、歯冠情報取得方法。
JP2017504447A 2015-03-09 2015-03-09 歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法 Active JP6458860B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/056794 WO2016143022A1 (ja) 2015-03-09 2015-03-09 歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法

Publications (2)

Publication Number Publication Date
JPWO2016143022A1 JPWO2016143022A1 (ja) 2017-12-28
JP6458860B2 true JP6458860B2 (ja) 2019-01-30

Family

ID=56878807

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017504447A Active JP6458860B2 (ja) 2015-03-09 2015-03-09 歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法

Country Status (4)

Country Link
US (1) US10285781B2 (ja)
EP (1) EP3269325A4 (ja)
JP (1) JP6458860B2 (ja)
WO (1) WO2016143022A1 (ja)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3269325A4 (en) * 2015-03-09 2018-06-06 Fujitsu Limited Crown information acquisition program, information processing device, and crown information acquisition method
DE102017203475A1 (de) * 2017-03-03 2018-09-06 Sirona Dental Systems Gmbh Verfahren zur Konstruktion einer Restauration
PL3595574T3 (pl) * 2017-03-17 2024-01-03 Nobel Biocare Services Ag Automatyczny system i sposób mapowania łuków zębowych
JP6314276B1 (ja) * 2017-06-13 2018-04-18 デンタルサポート株式会社 補綴物３次元モデル生成装置、補綴物作製システム、補綴物３次元モデル生成方法及び補綴物３次元モデル生成プログラム
EP3503038A1 (en) * 2017-12-22 2019-06-26 Promaton Holding B.V. Automated 3d root shape prediction using deep learning methods
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
JP6650996B1 (ja) * 2018-12-17 2020-02-19 株式会社モリタ製作所 識別装置、スキャナシステム、識別方法、および識別用プログラム
JP6900445B2 (ja) * 2018-12-17 2021-07-07 株式会社モリタ製作所 識別装置、歯牙種類識別システム、識別方法、および識別用プログラム
CN109726683B (zh) * 2018-12-29 2021-06-22 北京市商汤科技开发有限公司 目标对象检测方法和装置、电子设备和存储介质
JP7220569B2 (ja) * 2019-01-08 2023-02-10 株式会社モリタ製作所 撮像支援装置、スキャナシステム、および撮像支援方法
JP7265359B2 (ja) * 2019-01-08 2023-04-26 株式会社モリタ製作所 データ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラム
CN113767424A (zh) 2019-02-27 2021-12-07 3 形状股份有限公司 使用沙漏预测器生成对象的方法
JP6936826B2 (ja) 2019-03-18 2021-09-22 株式会社モリタ製作所 画像処理装置、表示システム、画像処理方法、および画像処理プログラム
CN110135397B (zh) * 2019-05-27 2022-07-08 上海埃蒙迪材料科技股份有限公司 一种识别三维牙齿模型中牙冠部分的方法
CN110334444B (zh) * 2019-07-05 2020-03-20 四川大学 一种天然牙型数据库的构建方法及系统
JP6831431B2 (ja) * 2019-10-17 2021-02-17 株式会社モリタ製作所 識別装置、歯牙種類識別システム、識別方法、および識別用プログラム
JP6831433B2 (ja) * 2019-10-17 2021-02-17 株式会社モリタ製作所 識別装置、歯牙種類識別システム、識別方法、および識別用プログラム
JP6831432B2 (ja) * 2019-10-17 2021-02-17 株式会社モリタ製作所 識別装置、歯牙種類識別システム、識別方法、および識別用プログラム
US10950061B1 (en) * 2020-07-23 2021-03-16 Oxilio Ltd Systems and methods for planning an orthodontic treatment
CN112155762B (zh) * 2020-09-30 2021-09-24 深圳云甲科技有限公司 一种牙冠预备体倒凹的计算机辅助移除方法
KR102493440B1 (ko) * 2020-10-28 2023-01-31 주식회사 메디트 3차원 모델로부터 대상체 영역을 결정하는 방법 및 3차원 모델 처리 장치

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0910231A (ja) 1995-06-28 1997-01-14 Shiyuukai 歯冠補綴物の製作方法
US6802713B1 (en) * 1998-10-08 2004-10-12 Align Technology, Inc. Defining tooth-moving appliances computationally
EP1304088A1 (de) * 2001-10-09 2003-04-23 Mörmann, Werner Verfahren und Vorrichtung zum Herstellen von Passkörpern zur Restauration von Zähnen
WO2003040968A1 (fr) * 2001-11-06 2003-05-15 Naoto Morikawa Systeme de traitement de forme et procede pour representer une forme
US7004754B2 (en) * 2003-07-23 2006-02-28 Orametrix, Inc. Automatic crown and gingiva detection from three-dimensional virtual model of teeth
JP5125324B2 (ja) 2007-08-29 2013-01-23 大日本印刷株式会社 歯形情報本人同定システム
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
WO2012112867A2 (en) * 2011-02-18 2012-08-23 3M Innovative Properties Company Orthodontic digital setups
EP3269325A4 (en) * 2015-03-09 2018-06-06 Fujitsu Limited Crown information acquisition program, information processing device, and crown information acquisition method
WO2018039383A1 (en) * 2016-08-24 2018-03-01 Align Technology, Inc. Method to visualize and manufacture aligner by modifying tooth position

Also Published As

Publication number Publication date
US10285781B2 (en) 2019-05-14
US20170367789A1 (en) 2017-12-28
EP3269325A4 (en) 2018-06-06
WO2016143022A1 (ja) 2016-09-15
EP3269325A1 (en) 2018-01-17
JPWO2016143022A1 (ja) 2017-12-28

Similar Documents

Publication Publication Date Title
JP6458860B2 (ja) 歯冠情報取得プログラム、情報処理装置、及び歯冠情報取得方法
US10932890B1 (en) Enhanced techniques for determination of dental margins in intraoral scans
US11896455B2 (en) Method and system for braces removal from dentition mesh
CN105447908B (zh) 基于口腔扫描数据和cbct数据的牙列模型生成方法
US10157330B2 (en) Method and apparatus for shape analysis, storage and retrieval of 3D models with application to automatic dental restoration design
US11058514B2 (en) Method and system for dentition mesh braces removal
US9629698B2 (en) Method and apparatus for generation of 3D models with applications in dental restoration design
US8135569B2 (en) System and method for three-dimensional complete tooth modeling
US9191648B2 (en) Hybrid stitching
US7004754B2 (en) Automatic crown and gingiva detection from three-dimensional virtual model of teeth
US6227850B1 (en) Teeth viewing system
JP2017526495A (ja) 口腔内三次元スキャンを用いた歯牙摩耗の検出
US20220122264A1 (en) Tooth segmentation using tooth registration
CN110276758B (zh) 基于点云空间特征的牙咬合分析系统
CN112515787B (zh) 一种三维牙颌数据分析方法
US20230127167A1 (en) Processing digital dental impression
EP4233782A1 (en) Oral image processing device and oral image processing method
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
US20230087800A1 (en) Automated tooth administration in a dental restoration workflow
US20230309800A1 (en) System and method of scanning teeth for restorative dentistry
WO2024146859A1 (en) Method and system for tooth wear detection
CN116457835A (zh) 从三维模型确定对象体区域的方法和三维模型处理装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170925

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170925

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180619

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180717

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181127

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181210

R150 Certificate of patent or registration of utility model

Ref document number: 6458860

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150