KR102250520B1 - 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치 - Google Patents

Abstract

크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치가 개시된다. 일 실시 예에 따른 크라운 모델 자동 추천방법은, 기하 모델링 및 이미지 처리를 통해 보철이 필요한 대상치와 가장 어울리는 크라운 템플릿 모델을 자동으로 추천한다. 이에 따라, 사용자는 대상치 주변의 치아와 비슷한 형상의 크라운을 신속하고 편리하게 추천 받을 수 있어 크라운 디자인 시간을 줄일 수 있다.

Description

크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치 {Method for recommending crown model and prosthetic CAD apparatus therefor}

본 발명은 치과영상 처리 기술에 관한 것으로, 보다 상세하게는 보철물을 디자인하는 기술에 관한 것이다.

치과 분야에서 보철 시술이란 손상된 치아를 보철물을 사용하여 수복시키는 것을 말한다. 보철물은 크라운(Crown), 인레이(Inlay), 온레이(Onlay), 코핑(Coping), 폰틱(Pontic) 등이 있다. 실제 보철물 시술을 수행하기 전에 시뮬레이션을 통해 환자에게 알맞은 가상의 보철물을 선정하고, 보철물을 대상(Target) 위치에 가상으로 배치하는 과정을 거치게 된다. 이러한 과정은 보철 캐드(Computer Aided Design: CAD, 이하, 'CAD'라 칭함)를 통해 이루어진다.

한국공개특허 10-2016-0004864 (2016년 01월 13일 공개)

일 실시 예에 따라, 보철물 디자인 시에 자동으로 최적의 보철물을 사용자에 추천함에 따라 의한 사용자 조작을 최소화하고 그 정확도를 높일 수 있는 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치를 제안한다.

일 실시 예에 따른 크라운 모델 자동 추천방법은, 치과 영상에서 치아들을 분리하는 단계와, 치아들이 분리된 치과 영상에서 보철이 필요한 대상치의 동명치, 주변치 및 대합치 중 적어도 하나에 해당하는 분석대상 치아가 전치부인지 구치부인지 여부에 따라 전치부 또는 구치부 별로 치아 영상을 분석하여 치아 특징을 추출하는 단계와, 치아 특징이 추출된 치아 모델을 크라운 템플릿 리스트 내 템플릿 모델들과 그 특징을 비교하는 단계와, 치아 분석 및 비교결과를 반영하여 크라운 템플릿 리스트에서 크라운 템플릿 모델을 추천하는 단계를 포함한다.

치아 특징을 추출하는 단계에서, 대상치의 동명치, 주변치 및 대합치 순서대로 그 치아 형태를 분석할 수 있다.

치아 특징을 추출하는 단계는, 분석대상 치아가 전치부이면 순면형태를 분석하기 위하여 전치부의 정면의 경계점들을 추출하는 단계와, 경계점들 중에서 전치부의 수평 방향에 가장 멀리 떨어져 있는 2개 점과, 수직 방향에서 제일 높은 점을 포함하는 3개의 점으로 경계 박스를 생성하고 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 전치부 윗부분의 형상 특징을 추출하는 단계와, 경계점들 중에서 전치부의 수평 방향에 가장 멀리 떨어져 있는 2개의 점으로 경계 박스를 생성하고 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 전치부 윗부분 형상의 기울기 특징을 추출하는 단계를 포함할 수 있다.

치아 특징을 추출하는 단계는, 분석대상 치아가 전치부이면 순면형태를 분석하기 위하여 전치부의 정면의 경계점들을 추출하는 단계와, 경계점들 중에서 전치부의 수평 방향에 가장 왼쪽 점과 수직 방향에 있는 가장 높은 점을 연결한 직선으로 왼쪽 또는 오른쪽 경계 부분을 분리하는 단계와, 왼쪽 또는 오른쪽 경계 부분에 있는 경계점 중에서 이 직선과 가장 긴 거리를 구해서 전치부의 왼쪽 또는 오른쪽 경계의 형상 특징을 추출하는 단계를 포함할 수 있다.

치아 특징을 추출하는 단계는, 분석대상 치아가 전치부이면 마모도를 분석하기 위하여 전치부의 측면의 경계점들을 추출하는 단계와, 추출된 경계점들을 대상으로 전치부의 마모도 특징을 추출하는 단계를 포함할 수 있다.

치아 특징을 추출하는 단계는, 분석대상 치아가 구치부이면 구치부의 곡률 맵을 생성하는 단계와, 구치부의 곡률 맵에서 수평 방향과 수직 방향에 가장 멀리 있는 4개의 점들로 구성되는 경계 박스를 생성하는 단계와, 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 구치부 윗부분의 형상 특징을 추출하는 단계를 포함할 수 있다.

치아 특징을 추출하는 단계는, 분석대상 치아가 구치부이면 구치부의 곡률 맵에서 수직 방향에 가장 멀리 있는 점들로 구성되는 경계 박스를 생성하고 생성된 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수직 방향 기울기 특징을 추출하는 단계와, 구치부의 곡률 맵에서 수평 방향에 가장 멀리 있는 점들로 구성되는 경계 박스를 생성하고 생성된 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수평 방향 기울기 특징을 추출하는 단계를 포함할 수 있다.

치아 특징을 추출하는 단계는, 분석대상 치아가 구치부이면 구치부의 곡률 맵에서 볼록 점과 오목 점을 분리하고, 볼록 점 수 및 오목 점 수의 비율을 추출할 수 있다.

치아 특징을 추출하는 단계는, 분석대상 치아가 구치부이면 구치부의 곡률 맵을 다수의 자식 박스로 분할한 후 자식 박스의 점 수와, 자식 박스의 볼록 점 수 및 오목 점 수의 비율 특징을 추출할 수 있다.

크라운 템플릿 모델을 추천하는 단계에서, 크라운 템플릿 모델 추천 리스트 중에서 사용자가 원하는 크라운 템플릿 모델이 없는 경우 수동 또는 자동으로 각 특징의 비중을 조절한 후 새로운 크라운 템플릿 모델을 추천할 수 있다.

다른 실시 예에 따른 보철 캐드 장치는, 보철물 디자인을 위한 영상 데이터를 획득하는 데이터 획득부와, 영상 데이터에서 보철이 필요한 대상치의 동명치, 주변치 및 대합치 순으로 분석대상 치아의 특징을 추출하고 추출된 치아 특징을 반영하여 크라운 템플릿 모델을 추천하는 제어부와, 제어부에 의해 추천된 크라운 템플릿 모델 정보를 표시하는 출력부를 포함한다.

제어부는, 분석대상 치아가 전치부이면 전치부의 정면의 경계점들을 추출하고, 추출된 경계점들을 이용하여 경계 박스의 높이 및 너비의 비율, 전치부 왼쪽 경계 점-직선 거리 및 전치부 오른쪽 경계 점-직선 거리 중 적어도 하나를 수치화하여 특징을 추출할 수 있다.

제어부는, 분석대상 치아가 구치부이면 구치부의 곡률 맵을 생성하고, 구치부의 곡률 맵에서 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 구치부 윗부분의 형상 특징을 추출하며, 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수직 방향 및 수평 방향의 기울기 특징을 추출할 수 있다.

제어부는, 분석대상 치아가 구치부이면 구치부의 곡률 맵을 생성하고, 구치부의 곡률 맵에서 볼록 점과 오목 점을 분리한 후, 볼록 점 수 및 오목 점 수의 비율을 추출하며, 구치부의 곡률 맵을 다수의 자식 박스로 분할한 후 자식 박스의 점 수와, 자식 박스의 볼록 점 수 및 오목 점 수의 비율 특징을 추출할 수 있다.

제어부는, 크라운 템플릿 모델 추천 리스트 중에서 사용자가 원하는 크라운 템플릿 모델이 없는 경우 수동 또는 자동으로 각 특징의 비중을 조절한 후 새로운 크라운 템플릿 모델을 추천할 수 있다.

일 실시 예에 따른 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치에 의하면, 기하 모델링 및 이미지 처리 등을 통해 보철이 필요한 대상치와 가장 어울리는 크라운 템플릿 모델을 자동으로 추천할 수 있다. 예를 들어, 대상치를 대상으로 대상치의 동명치, 주변치 및 대합치 등과 같은 분석대상 치아의 형태를 분석하는 알고리즘을 이용하여 대상치와 가장 어울리는 크라운 템플릿 모델을 사용자에게 추천한다. 이에 따라, 사용자는 대상치 주변의 치아와 비슷한 형상의 크라운을 신속하고 편리하게 추천 받을 수 있어 크라운 디자인 시간을 줄일 수 있다.

나아가, 추천된 템플릿 모델 중에서 사용자가 선택한 최종 결과물을 다시 학습하도록 하고 학습 결과를 추천에 반영함으로써, 사용자가 시스템을 사용할수록 사용자가 의도하고 원하는 크라운에 가까운 템플릿 모델을 정확하게 추천할 수 있어서 추천결과가 강건해지고 정확도가 높아지게 된다.

도 1은 사용자가 크라운을 디자인하는 프로세스를 도시한 도면,
도 2는 도 1의 크라운 디자인 시 분석 대상이 되는 동명치와 주변치를 포함하는 치아 모델 데이터를 도시한 도면,
도 3은 도 1의 크라운 디자인 시 분석대상이 되는 대합치를 포함하는 치아 모델 데이터를 도시한 도면,
도 4는 도 1의 프로세스를 통해 디자인된 크라운의 템플릿 모델 리스트를 도시한 도면,
도 5는 본 발명의 일 실시 예에 따른 보철 캐드 장치의 구성을 도시한 도면,
도 6은 본 발명의 일 실시 예에 따른 크라운 자동 추천방법의 흐름을 도시한 도면,
도 7은 본 발명의 일 실시 예에 따른 치아의 특징점 선택을 통한 수동 치아분리 예를 도시한 도면,
도 8은 본 발명의 일 실시 예에 따른 자동 치아분리 프로세스를 도시한 도면,
도 9는 본 발명의 일 실시 예에 따른 스캔 데이터의 특징점 추출 예를 도시한 도면,
도 10은 본 발명의 일 실시 예에 따른 도 8의 치열 궁선 계산 프로세스를 도시한 도면,
도 11은 본 발명의 일 실시 예에 따른 도 8의 치아 영역 분리 프로세스에 따른 입력 및 출력물을 도시한 도면,
도 12는 본 발명의 일 실시 예에 따른 전치부에 대한 치아 특징 분석 및 비교 단계를 통해 추출되는 전치부 치아의 특징을 설명하는 도면,
도 13은 본 발명의 일 실시 예에 따른 전치부의 AABB 박스의 높이(Height)와 너비(Width)의 비율 (3점)을 도시한 도면,
도 14는 본 발명의 일 실시 예에 따른 전치부의 AABB 박스의 높이와 너비의 비율(2점)을 도시한 도면,
도 15는 본 발명의 일 실시 예에 따른 전치부의 왼쪽 경계 점-직선 거리를 도시한 도면,
도 16은 본 발명의 일 실시 예에 따른 전치부의 오른쪽 경계 점-직선 거리를 도시한 도면,
도 17은 본 발명의 일 실시 예에 따른 전치부의 마모도를 도시한 도면,
도 18은 본 발명의 일 실시 예에 따른 전치부 추천 결과의 예를 도시한 도면,
도 19는 본 발명의 일 실시 예에 따른 구치부에 대한 치아 특징 분석 및 비교 단계를 통해 추출되는 구치부 치아의 특징을 설명하는 도면,
도 20은 본 발명의 일 실시 예에 따른 구치부의 AABB 박스의 높이 및 너비의 비율(Height/Width)을 도시한 도면,
도 21은 본 발명의 일 실시 예에 따른 구치부의 AABB 박스 높이 및 너비의 비율(Height/Width)(수직방향: Vertical) 및 높이 및 너비의 비율(Height/Width) (수평방향: Horizontal)을 각각 도시한 도면,
도 22는 본 발명의 일 실시 예에 따른 구치부의 볼록 점 수 및 오목 점 수의 비율을 도시한 도면,
도 23은 본 발명의 일 실시 예에 따른 구치부의 자식 박스의 곡률 점 개수를 도시한 도면,
도 24는 본 발명의 일 실시 예에 따른 구치부의 자식 박스의 오목 점 비율(Child Box Convex Concave points Ratio)을 도시한 도면,
도 25는 본 발명의 일 실시 예에 따른 구치부 추천 결과의 예를 도시한 도면,
도 26은 본 발명의 일 실시 예에 따른 크라운 템플릿 추천 시나리오의 예를 도시한 도면,
도 27은 본 발명의 일 실시 예에 따른 각 특징에 대한 비중을 사용자가 수정하는 예를 도시한 도면,
도 28은 본 발명의 일 실시 예에 따른 각 특징에 대한 비중을 자동으로 수정하는 예를 도시한 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이며, 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램인스트럭션들(실행 엔진)에 의해 수행될 수도 있으며, 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다.

이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치를 지향할 수 있는 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다.

그리고 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장치를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명되는 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록 또는 각 단계는 특정된 논리적 기능들을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있으며, 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하며, 또한 그 블록들 또는 단계들이 필요에 따라 해당하는 기능의 역순으로 수행되는 것도 가능하다.

이하, 첨부 도면을 참조하여 본 발명의 실시 예를 상세하게 설명한다. 그러나 다음에 예시하는 본 발명의 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 다음에 상술하는 실시 예에 한정되는 것은 아니다. 본 발명의 실시 예는 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공된다.

도 1 내지 도 4는 사용자에 의한 크라운 모델 디자인 예를 도시한 도면이다.

보다 세부적으로 도 1은 사용자가 크라운을 디자인하는 프로세스를 도시한 도면이고, 도 2는 도 1의 크라운 디자인 시 분석 대상이 되는 동명치와 주변치를 포함하는 치아 모델 데이터를 도시한 도면이고, 도 3은 도 1의 크라운 디자인 시 분석대상이 되는 대합치를 포함하는 치아 모델 데이터를 도시한 도면이며, 도 4는 도 1의 프로세스를 통해 디자인된 크라운의 템플릿 모델 리스트를 도시한 도면이다.

도 1을 참조하면, 보철 캐드 프로그램을 통한 사용자의 크라운 디자인 과정은 사용자가 먼저 보철이 필요한 대상치(Target Tooth)와 유사한 치아형태를 갖고 있는 치아 모델을 동명치, 주변치 및 대합치 순서대로 그 형태를 분석한다. 이를 위해 보철 캐드 프로그램에서 보철이 필요한 대상치와 동일한 치아번호를 갖고 있는 크라운 템플릿 모델 리스트(Crown template model list)를 나열하면, 사용자가 리스트 중에서 대상치와 가장 유사한다고 생각되는 크라운 템플릿 모델을 선택하게 된다. 템플릿은 라이브러리(Library)라고 부를 수도 있다. 대상치는 보철이 필요한 손상된 치아이다. 동명치는 대상치와 반대 측에 위치하는 실제 치아이다. 반대 측이라 함은, 대상치가 상악 좌측에 있는 경우 정중선을 기준으로 그와 대칭되는 상악 우측 위치가 되고, 대상 치가 하악 우측에 있는 경우는 정중선을 기준으로 그와 대칭되는 하악 좌측 위치가 된다. 예를 들어, 정중선을 기준으로 4 분할하여 10번대, 20번대, 30번대, 40번대 치아로 각각 분류한 치식번호의 경우, 33번대 치아의 대상치는 43번 치아이다. 주변치는 대상치의 좌우에 위치하는 실제 치아이다. 대합치는 대상치와 대합관계에 있는 상측 또는 하측에 위치하는 실제 치아이다.

도 2에 도시된 바와 같이 보철이 필요한 대상치와 가장 유사한 치아는 동명치이며, 우선으로 고려하는 치아이다. 동명치를 고려할 수 없는 상황에서는 보철이 필요한 대상치의 주변치를 고려하게 된다.

동명치 및 주변치에서 대상치와 유사한 치아를 선택하기 어려운 경우, 사용자는 도 3에 도시된 바와 같이 대상치의 대합치를 고려할 수 있다. 사용자는 보철이 필요한 대상치의 형태를 예측하면서 보철 캐드 프로그램에서 제시하는 크라운 템플릿 모델 형태를 하나하나씩 도 4에 도시된 바와 같이 비교하고, 최종적으로 보철이 필요한 대상치와 가장 유사하다고 생각되는 치아 크라운 모델을 선택한다.

도 1 내지 도 4를 참조로 하여 전술한 사용자에 의한 크라운 모델 디자인 프로세스는 다음과 같은 문제가 발생할 수 있다. 사람마다 치아 형태가 상이하기 때문에 크라운 템플릿도 다양하게 제공되어야 한다. 현재 상용화되어 있는 보철물 캐드 프로그램들은 이러한 크라운의 템플릿 모델에 대한 다양한 리스트를 미리 준비해서 사용자에게 보여주고, 사용자는 해당 리스트에서 원하는 템플릿의 형상을 직접 선택한다. 이렇게 양이 많고 종류가 다양한 템플릿 리스트에서 보철이 필요한 대상치와 가장 유사한 치아를 선택하는데 많은 시간과 노력이 필요하다. 제공되는 크라운 템플릿 모델의 형태가 다양하다는 것은, 사용자가 동명치, 주변치 및 대합치와 직접 비교하면서 수동으로 크라운 모델을 선택하는 과정에서 불편함을 줄 수 있다.

도 5는 본 발명의 일 실시 예에 따른 보철 캐드 장치의 구성을 도시한 도면이다.

도 5를 참조하면, 보철 캐드 장치(1)는 실제 치과에서 치아 보철에 도움을 주기 위해 캐드 공정을 수행한다. 보철 캐드 공정이란 환자의 3차원 치아 데이터를 획득하고, 컴퓨터 프로그램에 의한 제어를 통해 라이브러리에서 가상의 보철 모델을 불러들인 후 치아 데이터의 대상치 위치에 가상으로 배치하는 일련의 프로세스를 의미한다. 3차원 치아 데이터는 손상된 대상 치아를 포함하는 치아들의 3차원 정보를 가진 데이터이다.

보철 캐드 장치(1)는 보철 캐드 프로그램과 같은 치과 프로그램을 실행 가능한 전자장치이다. 전자장치는 컴퓨터, 노트북 컴퓨터, 랩탑 컴퓨터, 태블릿(Tablet) PC, 스마트폰, 휴대폰, PMP(Personal Media Player), PDA(Personal Digital Assistants) 등이 있다. 치과 프로그램은 보철 캐드 프로그램 이외에, 가이드 프로그램, 스캔 프로그램, 의료영상 처리 프로그램 등이 있다. 또한, 치과 보철 수술용 이외에 다른 일반적인 의료용 프로그램에 적용될 수 있다.

이하, 전술한 특징을 가지는 보철 캐드 장치(1)의 구성에 대해 도 5를 참조로 하여 후술한다.

도 5를 참조하면, 일 실시 예에 따른 보철 캐드 장치(1)는 데이터 획득부(10), 저장부(12), 제어부(14), 입력부(16) 및 출력부(18)를 포함한다.

데이터 획득부(10)는 환자로부터 치과 영상 데이터를 획득한다. 보철 수술을 위해 필요한 치과 영상 데이터는 CT 데이터, 구강 모델 데이터 등이 있다. 데이터 획득부(10)는 CT 데이터와 구강 모델 데이터를 프로그램에서 실행하거나 웹 페이지 및 서버에 저장된 데이터를 로딩할 수 있다.

구강 모델 데이터는 손상된 치아를 포함한 실제 치아들의 정보를 가진 데이터이다. 구강 모델 데이터는 환자의 구강을 본떠 생성한 석고 모형을 3D 스캐너(3D Scanner)로 스캐닝하여 획득될 수 있다. 다른 예로서, 구강 내 3D 스캐너(3D Intra-oral scanner)를 이용하여 환자의 구강 내부를 스캐닝하여 획득될 수 있다. 획득된 구강 모델 데이터는 저장부(12)에 저장될 수 있다.

CT 데이터는 CT(Computed Tomography, 컴퓨터 단층 촬영)를 사용하여 환자의 두부 단층 이미지들을 생성하고, 각각의 단층 이미지에서 치아 부분의 경계를 분할(Segmentation)한 후 하나로 취합함에 따라 획득될 수 있다. 이러한 구강 모델 데이터와 CT 데이터는 환자가 입을 벌린 상태에서 상악 치아 아래에서 상악 치아를 촬영하여 얻은 영상, 입을 벌린 상태에서 하악 치아 위에서 하악 치아를 촬영하여 얻은 영상, 입을 다문 상태에서 국소부위를 촬영하여 얻은 영상, 구강 방사선 사진 등을 포함한다. 획득된 CT 데이터는 저장부(12)에 저장될 수 있다.

저장부(12)에는 보철 캐드 장치(1)의 동작 수행을 위해 필요한 정보와 동작 수행에 따라 생성되는 정보 등의 각종 데이터가 저장된다. 일 실시 예에 따른 저장부(12)에는 개별 환자의 구강 모델 데이터와 CT 데이터가 저장되고, 치과 치료 시뮬레이션 시 전체 구강 모델 데이터들 및 CT 데이터들 중에서 특정 환자의 구강 모델 데이터 및 CT 데이터를 사용자 요청에 따라 제어부(14)에 제공할 수 있다. 이때, 저장부(12)에는 개별 환자의 상측 치열의 영상 및 하측 치열의 영상이 저장되어 있고, 특정 환자의 구강 모델 데이터 및 CT 데이터에 매칭되는 상측 치열의 영상 및 하측 치열의 영상을 사용자 요청에 따라 제어부(14)에 제공할 수 있다. 또한 저장부(12)에는 다수의 보철 모델 데이터로 구성된 보철 템플릿 리스트(Template List)을 가지고, 제어부(14)에 이를 제공할 수 있다.

제어부(14)는 컴퓨터 프로그램에 의한 제어를 통하여 보철 수술 계획을 수립하면서 각 구성요소를 제어한다. 제어부(14)는 출력부(18)를 통해 화면에 보이는 화면정보를 관리하고, 의료 영상에 가상의 보철물 객체를 식립하는 시뮬레이션을 수행한다. 가상의 객체가 식립되는 의료 영상은 보철 수술 계획 수립을 위해 생성된 환자의 치아 배열이 나타난 2차원, 3차원 등의 다차원 영상을 의미한다. 보철 수술 계획에는 X-ray, CT, 파노라믹 영상, 구강 스캔 영상, 재구성을 통해 생성된 영상, 복수의 영상을 정합한 영상 등 다양한 종류의 영상이 활용될 수 있다.

일 실시 예에 따른 제어부(14)는 사용자가 크라운을 선택하는 작업을 최소화 할 수 있도록 보철이 필요한 대상치의 동명치, 주변치 및 대합치 등의 분석대상 치아를 분석한 후 크라운의 템플릿 리스트 중에서 분석대상 치아와 가장 유사한 크라운 템플릿 모델을 자동으로 추천한다. 이때, 제어부(14)는 보철이 필요한 대상치의 동명치, 주변치 및 대합치 순으로 분석대상 치아의 특징을 추출하고 추출된 치아 특징을 반영하여 크라운 템플릿 모델을 추천할 수 있다.

제어부(14)는 분석대상 치아가 전치부인지 구치부인지 여부에 따라 그 특징 추출 방식을 다르게 할 수 있다. 전치와 구치는 해부학적으로 놓여진 위치가 상이하다. 해부학적 위치에 따르면, 전치는 정준선을 기준으로 양쪽의 세 개씩, 좌우 총 6개의 치아를 말한다. 구치는 전치 뒤에 있는 치아(소구치와 대구치)를 말한다. 전치와 구치는 형태학적 특징이 상이하다. 형태학적 특징에 따르면, 치관의 형태를 보고 전치와 구치를 구별할 수 있는데, 전치는 교두를 가지고 있지 않고 절단면 또는 첨두가 있다. 그리고 구치는 교두가 존재한다. 또한, 대합 치와의 교합 면의 넓이를 보고 전치와 구치를 구별할 수도 있다.

분석대상 치아가 전치부인 경우의 특징 추출 방식 예를 들면, 제어부(14)는 전치부의 정면의 경계점들을 추출하고, 추출된 경계점들을 이용하여 경계 박스의 높이 및 너비의 비율, 전치부 왼쪽 경계 점-직선 거리 및 전치부 오른쪽 경계 점-직선 거리 중 적어도 하나를 수치화하여 특징을 추출한다.

분석대상 치아가 구치부인 경우의 특징 추출 방식 예를 들면, 제어부(14)는 분석대상 치아가 구치부이면 구치부의 곡률 맵을 생성하고, 구치부의 곡률 맵에서 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 구치부 윗부분의 형상 특징을 추출할 수 있다. 또한 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수직 방향 및 수평 방향의 기울기 특징을 추출할 수 있다.

다른 예로, 분석대상 치아가 구치부인 경우 제어부(14)는 구치부의 곡률 맵에서 볼록 점과 오목 점을 분리한 후, 볼록 점 수 및 오목 점 수의 비율을 추출할 수 있다. 또한 구치부의 곡률 맵을 다수의 자식 박스로 분할한 후 자식 박스의 점 수와, 자식 박스의 볼록 점 수 및 오목 점 수의 비율 특징을 추출할 수 있다.

제어부(14)는 크라운 템플릿 모델 추천 리스트 중에서 사용자가 원하는 크라운 템플릿 모델이 없는 경우 수동 또는 자동으로 각 특징의 비중을 조절한 후 새로운 크라운 템플릿 모델을 추천할 수 있다.

출력부(18)는 영상 데이터를 화면을 표시한다. 이때, 출력부(18)는 실제 보철 치료 시술을 수행하기 전에 가상의 객체를 영상 데이터의 식립 위치에 배치하는 시뮬레이션을 표시할 수 있다. 출력부(18)는 제어부(14)에 의해 생성된 크라운 템플릿 모델 추천정보를 화면에 표시할 수 있다.

입력부(16)는 사용자 조작신호를 입력 받는다. 예를 들어, 각 특징의 비율 조정을 위한 사용자 조작을 입력 받는다.

도 6은 본 발명의 일 실시 예에 따른 크라운 자동 추천방법의 흐름을 도시한 도면이다.

도 6을 참조하면, 보철 캐드 장치는 사용자가 크라운을 선택하는 작업을 최소화 할 수 있도록 대상치의 동명치, 주변치 및 대합치 등의 분석대상 치아를 분석한 후 크라운의 템플릿 리스트 중에서 분석대상 치아와 가장 유사한 크라운 템플릿 모델을 자동으로 추천하는 기술을 제안한다. 이를 위해, 크라운 자동 추천방법은 치아분리 단계(S610), 치아 특징 추출 단계(S620) 및 치아 모델 비교 단계(S630) 및 크라운 템플릿 추천 단계(S640)를 포함한다.

치아분리 단계(S610)는 사용자 입력에 의한 수동 치아분리와, 사용자 입력이 없는 자동 치아분리를 포함한다. 사용자 입장에서 수동으로 치아를 분리하면 과정이 복잡하고 시간이 오래 걸리게 되는 반면, 자동 치아분리는 그 과정이 쉽고 작업이 빠르게 되는 장점이 있다.

치아 특징 추출 단계(S620)에서 보철 캐드 장치는 치아들이 분리된 치과 영상에서 보철이 필요한 대상치의 동명치, 주변치 및 대합치 중 적어도 하나에 해당하는 분석대상 치아가 전치부인지 구치부인지 여부에 따라 전치부 또는 구치부 별로 치아 영상을 분석하여 치아 특징을 추출한다. 이때, 대상치의 동명치, 주변치 및 대합치 순서대로 그 치아 형태를 분석할 수 있다.

치아 특징 추출 단계(S620)에서 분석대상 치아가 전치부인 경우, 보철 캐드 장치는 순면형태를 분석하기 위하여 전치부의 정면의 경계점들을 추출할 수 있다. 그리고 경계점들 중에서 전치부의 수평 방향에 가장 멀리 떨어져 있는 2개 점과, 수직 방향에서 제일 높은 점을 포함하는 3개의 점으로 경계 박스를 생성하고 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 전치부 윗부분의 형상 특징을 추출할 수 있다. 또한, 경계점들 중에서 전치부의 수평 방향에 가장 멀리 떨어져 있는 2개의 점으로 경계 박스를 생성하고 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 전치부 윗부분 형상의 기울기 특징을 추출할 수 있다.

다른 예로, 분석대상 치아가 전치부인 경우, 보철 캐드 장치는 순면형태를 분석하기 위하여 전치부의 정면의 경계점들을 추출한다. 이어서, 경계점들 중에서 전치부의 수평 방향에 가장 왼쪽 점과 수직 방향에 있는 가장 높은 점을 연결한 직선으로 왼쪽 또는 오른쪽 경계 부분을 분리한다. 그리고 왼쪽 또는 오른쪽 경계 부분에 있는 경계점 중에서 이 직선과 가장 긴 거리를 구해서 전치부의 왼쪽 또는 오른쪽 경계의 형상 특징을 추출할 수 있다. 나아가, 전치부의 측면의 경계점들을 추출하고 추출된 경계점들을 대상으로 전치부의 마모도 특징을 추출할 수 있다.

치아 특징 추출 단계(S620)에서 분석대상 치아가 구치부이면, 보철 캐드 장치는 구치부의 곡률 맵을 생성한다. 이어서, 구치부의 곡률 맵에서 수평 방향과 수직 방향에 가장 멀리 있는 4개의 점들로 구성되는 경계 박스를 생성한다. 그리고 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 구치부 윗부분의 형상 특징을 추출할 수 있다.

다른 예로, 분석대상 치아가 구치부이면 구치부의 곡률 맵에서 수직 방향에 가장 멀리 있는 점들로 구성되는 경계 박스를 생성하고 생성된 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수직 방향 기울기 특징을 추출할 수 있다. 구치부의 곡률 맵에서 수평 방향에 가장 멀리 있는 점들로 구성되는 경계 박스를 생성하고 생성된 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수평 방향 기울기 특징을 추출할 수 있다. 또한, 구치부의 곡률 맵에서 볼록 점과 오목 점을 분리하고, 볼록 점 수 및 오목 점 수의 비율을 추출할 수 있다.

또 다른 예로, 분석대상 치아가 구치부이면 구치부의 곡률 맵을 다수의 자식 박스로 분할한 후 자식 박스의 점 수와, 자식 박스의 볼록 점 수 및 오목 점 수의 비율 특징을 추출할 수 있다.

이어서, 보철 캐드 장치는 치아 특징이 추출된 치아 모델을 크라운 템플릿 리스트 내 템플릿 모델들과 그 특징을 비교한다(S630). 그리고 치아 분석 및 비교결과를 반영하여 크라운 템플릿 리스트에서 크라운 템플릿 모델을 추천한다(S640). 이때, 다수 개의 크라운 템플릿 모델을 추천할 수 있고, 순위를 할당하여 순위대로 크라운 템플릿을 추천할 수 있다. 나아가, 크라운 템플릿 모델 추천 리스트 중에서 사용자가 원하는 크라운 템플릿 모델이 없는 경우, 수동 또는 자동으로 각 특징의 비중을 조절한 후 새로운 크라운 템플릿 모델을 추천할 수 있다.

도 7은 본 발명의 일 실시 예에 따른 치아의 특징점 선택을 통한 수동 치아분리 예를 도시한 도면이다.

도 7을 참조하면, 사용자가 한 개의 치아에 끝점 2개를 마우스로 클릭하면, 보철 캐드 장치는 Dijkstra, Geometric Snake 등의 알고리즘을 이용하여 두 점을 잇는 폐곡선들 중에 곡률이 가장 큰 점들을 잇는 폐곡선을 생성하여 치아와 잇몸을 분리한다.

도 8은 본 발명의 일 실시 예에 따른 자동 치아분리 프로세스를 도시한 도면이다.

도 8을 참조하면, 자동 치아분리는 스캔 데이터의 특징점 추출 단계(S810), 치열 궁선 계산 단계(S820), 특징점 그룹화 단계(S830) 및 치아 영역 분리 단계(S840)를 포함하여 총 4단계로 구성될 수 있다.

특징점 추출 단계(S810)는 스캔 데이터의 치아 모서리에 해당하는 점들을 찾는 단계이다. 해당 점들은 스캔 데이터의 치아를 교합 면 방향에서 바라보았을 때 주변 영역보다 높이 올라온 극점들이다. 이 극점을 찾기 위해 유역(Watershed) 알고리즘 등을 사용할 수 있다. 유역 알고리즘을 이용한 스캔 데이터의 특징점 추출방법은 도 9를 참조로 하여 후술한다. 치열 궁선 계산 단계(S820)는 도 10을 참조로 하여 후술한다. 특징점 그룹화 단계(S830) 및 치아 영역 분리 단계(S840)는 도 11을 참조로 하여 후술한다.

도 9는 본 발명의 일 실시 예에 따른 스캔 데이터의 특징점 추출 예를 도시한 도면이다.

도 9를 참조하면, 일 실시 예에 따른 보철 캐드 장치는 유역 알고리즘과 같은 이미지 처리 알고리즘을 이용하여 스캔 데이터의 특징점을 추출한다. 유역 알고리즘은 높은 곳에서 물을 흘려 보내면 골짜기 물이 고이는 것과 마찬가지로 치아 데이터 위에서 한 정점에서 출발하여 교합면 방향의 엣지(edge)를 따라 이동하여 바닥까지 도달하는 샘플들의 수를 기록한 후에 일정 개수 이상의 샘플들을 가지는 골짜기를 특징점으로 선택하는 알고리즘이다.

도 10은 본 발명의 일 실시 예에 따른 도 8의 치열 궁선 계산 프로세스를 도시한 도면이다.

도 10을 참조하면, 보철 캐드 장치는 이미지 기반 알고리즘을 이용하여 치열 궁선을 계산할 수 있다. 예를 들어, 치열 영역의 특징점들을 추출하고 추출된 특징점들을 연결하여 치열 궁선(Dental arch line)을 얻을 수 있다. 특징점은 도 9를 참조로 하여 구한 특징점을 이용할 수 있다.

특징점 추출 단계(도 8의 S810)에서 얻은 특징점들은 치아의 경계가 구분되어 있지 않은 데이터이다. 추후 치아 영역을 분리하기 위해서는 이 특징점들이 각 치아에 맞게 분리가 되어야 한다. 일 실시 예에 따른 보철 캐드 장치는 특징점들을 분리하기 위해 Inspection Spoke 알고리즘을 사용한다. Inspection Spoke는 치열 궁선 위의 한 점을 지나는 직선을 따라 치아 메시 데이터의 높이를 측정하여 가장 높은 값을 측정하는 방법이다.

도 11은 본 발명의 일 실시 예에 따른 도 8의 치아 영역 분리 프로세스에 따른 입력 및 출력물을 도시한 도면이다.

도 11을 참조하면, 치아 영역 추출 단계에서 고조파 장(Harmonic Field) 알고리즘을 이용하여 개별 치아 영역을 식별할 수 있다. 고조파 장은 포이송(Poisson) 방정식인 Δf = 0을 만족하는 스칼라 장(Scalar Field)으로 정의된다. 아무런 조건값이 주어지지 않았을 때 이 방정식의 해는 상수 함수가 되거나 주기 함수가 된다. 여기에 특정 지점에서 0 이 아닌 값을 조건값으로 설정하면 정확한 해는 존재하지 않더라도 근사해를 이용하여 다양한 응용에 활용할 수 있다. 근사해는 일반적으로 조건값들을 부드럽게 이어주는 형태의 장(Field)이 된다. 치아 영역 추출에서는 스칼라 장(Scalar Field)을 메시 데이터 위의 정점(Vertex)에서 계산하게 된다. 이때 치아 영역을 구분할 수 있도록 한 그룹 내의 특징점들, 그 외 그룹의 특징점들, 그리고 입력 메시 데이터의 바깥 경계점들에 각각 조건 값을 설정한다. 이렇게 설정된 조건값들을 가지고 Δf = 0의 근사 해를 구하여 치아 영역을 추출한다.

도 7 내지 도 11을 참조로 하여 전술한 바와 같은 수동 및 자동 방법을 이용하여 스캔 데이터로부터 치아와 잇몸을 분리할 수 있다. 크라운 디자인 작업을 진행할 대상치의 위치를 3차원 상에서 알 수 있다면 분리된 치아로부터 주변치, 대합치, 동명치 정보를 획득하여 크라운 디자인을 하는데 활용할 수 있다. 일 실시 예에 따른 보철 캐드 장치는 치아 분리 이후 치아 특징을 분석 및 비교하는 프로세스를 수행한다. 이때, 분석대상 치아가 전치부인지 구치부인지에 따라 서로 상이한 치아 특징 및 비교 프로세스를 수행할 수 있다.

이하, 도 12 내지 도 18을 참조로 하여 전치부에 대한 치아 특징 분석 및 비교 프로세스에 대해 후술하고, 도 19 내지 도 25를 참조로 하여 구치부에 대한 치아 특징 분석 및 비교 프로세스에 대해 후술하고자 한다.

도 12는 본 발명의 일 실시 예에 따른 전치부에 대한 치아 특징 분석 및 비교 단계를 통해 추출되는 전치부 치아의 특징을 설명하는 도면이다.

사람의 치아는 크게 전치부(Anterior)와 구치부(Posterior)로 분리할 수 있다. 따라서 치아 형태를 분석하고 비교하는 알고리즘도 전치부와 구치부로 나누어 진행할 수 있다. 도 12에서는 전치부 치아의 특징들을 자세히 나열하고 있다. 전치부의 치아 특징을 추출하기 위하여 특징점 획득을 두 번 진행할 수 있다. 첫째는 순면형태를 분석하기 위하여 전치부의 정면의 경계점들을 추출한다. 둘째는 마모도를 분석하기 위하여 전치부의 측면의 경계점들을 추출한다.

순면 경계점들을 획득한 후에 다음과 같은 4가지의 전치부 특징을 정의하고 각 특징을 수치화하고 분석할 수 있다. 4가지 특징은 Feature 1: AABB 박스의 높이 및 너비의 비율(Height/ Width: 3 points) (도 13 참조), Feature 2: AABB 박스의 높이 및 너비의 비율 (2 points) (도 14 참조), Feature 3: 전치부 왼쪽 경계 점-직선 거리(Left Corner Point-Line Distance) (도 15 참조), Feature 4: 전치부 오른쪽 경계 점-직선 거리(Right Corner Point -Line Distance) (도 16 참조)를 포함한다. AABB 박스(Axis Aligned Bounding Box)는 경계 박스(Bounding Box)의 일종이다.

도 13은 본 발명의 일 실시 예에 따른 전치부의 AABB 박스의 높이(Height)와 너비(Width)의 비율 (3점)을 도시한 도면이다.

도 13을 참조하면, 보철 캐드 장치는 전치부 윗부분의 모양을 판단하기 위해서 수평 방향에 가장 멀리 떨어져 있는 2개의 점과, 수직 방향에서 제일 높은 점. 이렇게 3개의 점으로 AABB 박스를 생성한다. 이 AABB 박스의 높이 및 너비의 비율(Height/ Width: 3 points)을 이용하여 전치부 윗부분의 형상을 판단할 수 있다.

도 14는 본 발명의 일 실시 예에 따른 전치부의 AABB 박스의 높이와 너비의 비율(2점)을 도시한 도면이다.

도 14를 참조하면, 보철 캐드 장치는 전치부 윗부분의 기울기를 판단하기 위해서 수평 방향에 가장 멀리 떨어져 있는 2개의 점으로 AABB 박스를 생성할 수 있다. 이 AABB 박스의 높이 및 너비의 비율(Height/ Width: 2 points)을 이용하여 전치부 윗부분 형상의 기울기를 판단할 수 있다.

도 15는 본 발명의 일 실시 예에 따른 전치부의 왼쪽 경계 점-직선 거리를 도시한 도면이다.

도 15를 참조하면, 전치부 형상을 판단할 때 경계 형상도 중요한 판단 조건 중 하나이다. 이를 위해, 전치부 수평 방향에 가장 왼쪽 점과 수직 방향에 있는 가장 높은 점을 연결한 직선으로 왼쪽 경계 부분을 분리할 수가 있다. 왼쪽 경계 부분에 있는 경계점 중에서 이 직선과 가장 긴 거리를 구해서 정규화(Normalization) 하면 최종 수치를 통해 왼쪽 경계 형상을 판단할 수 있다.

도 16은 본 발명의 일 실시 예에 따른 전치부의 오른쪽 경계 점-직선 거리를 도시한 도면이다.

도 16을 참조하면, 오른쪽 경계 형태를 판단하기 위해서 전치부 수평 방향에 가장 오른쪽 점과 수직 방향에 있는 가장 높은 점을 연결한 직선으로 오른쪽 경계 부분을 분리할 수가 있다. 오른쪽 경계부분에 있는 경계점 중에서 이 직선과 가장 긴 거리를 구해서 정규화(Normalization) 하면 오른쪽 경계 형상을 판단할 수 있다.

도 17은 본 발명의 일 실시 예에 따른 전치부의 마모도를 도시한 도면이다.

도 17을 참조하면, 전치부 마모도를 계산하기 위해서 측면 경계점들을 획득한다. 나아가, 치축 정보(Tooth axis)와 마모연 정보(Abrasion Edge)를 이용하여 마모도를 계산할 수 있다.

도 18은 본 발명의 일 실시 예에 따른 전치부 추천 결과의 예를 도시한 도면이다.

도 12 내지 도 17을 참조로 하여 전술한 전치부의 5가지 특징 분석을 통해서 얻은 전치부 추천 결과는 도 18에 도시된 바와 같다. 도 18에 도시된 바와 같이 추천 결과를 추천 리스트(Recommendation List) 형태로 제공할 수 있다. 이때, 랭킹(Ranking)을 부여하여 순서대로 추천 리스트를 제공할 수 있다.

도 19는 본 발명의 일 실시 예에 따른 구치부에 대한 치아 특징 분석 및 비교 단계를 통해 추출되는 구치부 치아의 특징을 설명하는 도면이다.

도 19를 참조하면, 구치부(Posterior)의 형상을 분석할 때 가장 많은 영향을 주는 부분은 교합면 각도와 마모도이다. 교합면 각도와 마모도 모두 곡률(Curvature)로 판단할 수 있다. 전치부에서 경계점을 획득하는 방법과는 상이하게 구치부 형상을 분석하기 위해 곡률 수치를 이용하여 곡률 맵(Curvature Map)을 생성할 수 있다. 곡률 맵은 도 20을 참조로 하여 후술한다.

보철 캐드 장치는 구치부의 곡률 맵을 수집한 후에 6가지 특징을 정의하고 각 특징을 수치화하여 구치부 형상을 분석할 수 있다. 6가지 특징은, Feature1: AABB 박스의 높이 및 너비의 비율(Height/Width) (도 20 참조), Feature2: AABB 박스의 수직방향의 높이 및 너비의 비율(Height/Width: Vertical) (도 21 참조), Feature3: AABB 박스의 수평방향의 높이 및 너비의 비율(Height/Width: Horizontal) (도 21 참조), Feature4: 구치부의 볼록 점 수 및 오목 점 수의 비율(Convex points Number/ Concave points Number) (도 22 참조), Feature5: 자식 박스의 점 수(Child Box's point number) (도 23 참조), Feature6: 자식 박스의 볼록 점 수 및 오목 점 수의 비율(Child Box Convex Concave points Ratio) (도 24 참조)이다.

도 20은 본 발명의 일 실시 예에 따른 구치부의 AABB 박스의 높이 및 너비의 비율(Height/Width)을 도시한 도면이다.

도 20을 참조하면, 구치부의 곡률 맵에서 수평 방향과 수직 방향에 가장 멀리 있는 4개의 점들로 구성되는 AABB 박스를 생성할 수 있다. 이렇게 생성된 AABB 박스를 이용하여 구치부 치아가 윗면에서 보이는 형상을 판단할 수 있다.

도 21은 본 발명의 일 실시 예에 따른 구치부의 AABB 박스 높이 및 너비의 비율(Height/Width)(수직방향: Vertical) 및 높이 및 너비의 비율(Height/Width) (수평방향: Horizontal)을 각각 도시한 도면이다.

도 21의 좌측 도면을 참조하면, 구치부의 곡률 맵에서 수직 방향에 가장 멀리 있는 점들로 구성되는 AABB 박스를 생성할 수 있다. 이렇게 생성된 AABB 박스를 이용하여 구치부 치아가 윗면에서 보이는 수직 방향 기울기를 판단할 수 있다.

도 21의 우측 도면을 참조하면, 구치부의 곡률 맵에서 수평 방향에 가장 멀리 있는 점들로 구성되는 AABB 박스를 만들 수 있다. 이렇게 생성된 AABB 박스를 이용하여 구치부 치아가 윗면에서 보는 수평 방향 기울기를 판단할 수 있다.

도 22는 본 발명의 일 실시 예에 따른 구치부의 볼록 점 수 및 오목 점 수의 비율을 도시한 도면이다.

도 22를 참조하면, 구치부의 곡률 맵에서 볼록 점(Convex points)과 오목 점(Concave points)을 분리하고, 볼록 점 수 및 오목 점 수의 비율(Convex point Number / Concave point Number)을 이용하여 볼록 부분과 오목 부분의 비율을 계산할 수 있다.

도 23은 본 발명의 일 실시 예에 따른 구치부의 자식 박스의 곡률 점 개수를 도시한 도면이다.

도 23을 참조하면, 곡률 맵에서 전체 곡률 점 개수로 분석하는 것보다, 곡률 맵을 작은 범위인 자식 박스(Child Box)로 분할한 후 곡률 점 개수를 비교하면 더 정확한 결과를 얻을 수 있다. 이때, 사용자가 크라운 윗면을 분리할 수 있는 행과 열을 정의하고 각 자식 박스(Child Box) 안에 있는 점 개수를 계산하여 비교할 수 있다.

도 24는 본 발명의 일 실시 예에 따른 구치부의 자식 박스의 오목 점 비율(Child Box Convex Concave points Ratio)을 도시한 도면이다.

도 24를 참조하면, 자식 박스(Child Box)의 볼록 점 및 오목 점의 비율(Convex points / Concave points)을 통해서 각 자식 박스 범위에 있는 볼록 점 및 오목 점의 비율을 알 수 있다.

도 25는 본 발명의 일 실시 예에 따른 구치부 추천 결과의 예를 도시한 도면이다.

도 18 내지 도 24를 참조로 하여 전술한 구치부의 6가지 특징 분석을 통해서 얻은 구치부 추천 결과는 도 25에 도시된 바와 같다. 도 25에 도시된 바와 같이 추천 결과를 추천 리스트(Recommendation List) 형태로 제공할 수 있다. 이때, 랭킹(Ranking)을 부여하여 순서대로 추천 리스트를 제공할 수 있다.

도 26은 본 발명의 일 실시 예에 따른 크라운 템플릿 추천 시나리오의 예를 도시한 도면이다.

도 26을 참조하면, 보철 캐드 장치는 특징 분석 및 비교 알고리즘(Feature Comparison Algorithm)을 통해서 크라운 템플릿 리스트에서 최적의 크라운 템플릿 모델을 자동으로 선택하여 추천 리스트(Recommendation List)를 사용자에게 제시한다. 이때, 사용자는 추천 리스트에서 원하는 크라운 모델을 쉽게 선택할 수 있다. 추천 리스트 중에서 원하는 크라운 템플릿 모델이 없는 경우, 사용자는 수동으로 크라운 템플릿 리스트에서 원하는 크라운 모델을 직접 찾거나 추천 알고리즘에서 각 특징의 비중을 조절하여 원하는 크라운 모델을 찾을 수 있다. 또는 보철 캐드 장치가 자동으로 각 특징의 비중을 조절한 후 다른 크라운 모델을 추천할 수 있다.

도 27은 본 발명의 일 실시 예에 따른 각 특징에 대한 비중을 사용자가 수정하는 예를 도시한 도면이다.

도 27을 참조하면, 치아의 특징을 선별할 수 있는 요소의 가중치를 개발자가 최적화할 수 있지만, 사용자의 개인 취향이 다르기 때문에 치아 특징에 차지하는 요소의 가중치는 달라져야 한다. 그래서 치아 특징의 한가지 가중치로는 모든 사용자가 만족할 수 없다. 따라서, 사용자가 소프트웨어에서 추천한 결과에 만족하지 않으면, 수동으로 직접 비중을 조절하여 여러 번 테스트를 통해 자기 취향에 맞는 가중치를 찾을 수 있다.

도 28은 본 발명의 일 실시 예에 따른 각 특징에 대한 비중을 자동으로 수정하는 예를 도시한 도면이다.

도 28을 참조하면, 보철 캐드 장치는 사용자 선택 기록을 분석하고 학습한 후 취향에 맞게 가중치를 자동으로 조절한 후 사용자의 개인 취향이 맞는 결과를 추천할 수 있다. 사용자마다 크라운 모델을 선택하는 취향이 다르기 때문에 추천한 치아 템플릿 모델에 만족하는 경우도 있고, 만족하지 못하는 경우도 있다. 만족하지 못하는 경우 사용자는 크라운 특징의 가중치를 조절하거나 추천 리스트 이외의 크라운 템플릿 모델을 선택해야 하는데, 크라운 모델을 선택하는데 많은 시간이 소비될 수 있다. 이러한 문제를 해결하기 위해 사용자의 크라운 선택 기록을 포함한 사용자 히스토리 내역을 분석하고 분석 결과를 기반으로 자동으로 치아 특징의 가중치를 조정하면 추천 리스트가 사용자의 취향에 더욱 가까워질 수 있다.

이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (15)

1. 치과 영상에서 치아들을 분리하는 단계;
   치아들이 분리된 치과 영상에서 보철이 필요한 대상치의 동명치, 주변치 및 대합치 중 적어도 하나에 해당하는 분석대상 치아가 전치부인지 구치부인지 여부에 따라 전치부 또는 구치부 별로 치아 영상을 분석하여 치아 특징을 추출하는 단계;
   치아 특징이 추출된 치아 모델을 크라운 템플릿 리스트 내 템플릿 모델들과 그 특징을 비교하는 단계; 및
   치아 분석 및 비교결과를 반영하여 크라운 템플릿 리스트에서 크라운 템플릿 모델을 추천하는 단계;
   를 포함하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
2. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   대상치의 동명치, 주변치 및 대합치 순서대로 그 치아 형태를 분석하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
3. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   분석대상 치아가 전치부이면 순면형태를 분석하기 위하여 전치부의 정면의 경계점들을 추출하는 단계;
   경계점들 중에서 전치부의 수평 방향에 가장 멀리 떨어져 있는 2개 점과, 수직 방향에서 제일 높은 점을 포함하는 3개의 점으로 경계 박스를 생성하고 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 전치부 윗부분의 형상 특징을 추출하는 단계; 및
   경계점들 중에서 전치부의 수평 방향에 가장 멀리 떨어져 있는 2개의 점으로 경계 박스를 생성하고 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 전치부 윗부분 형상의 기울기 특징을 추출하는 단계;
   를 포함하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
4. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   분석대상 치아가 전치부이면 순면형태를 분석하기 위하여 전치부의 정면의 경계점들을 추출하는 단계;
   추출된 경계점들 중에서 전치부의 수평 방향에 가장 왼쪽 점과 수직 방향에 있는 가장 높은 점을 연결한 직선으로 왼쪽 또는 오른쪽 경계 부분을 분리하는 단계; 및
   왼쪽 또는 오른쪽 경계 부분에 있는 경계점 중에서 이 직선과 가장 긴 거리를 구해서 전치부의 왼쪽 또는 오른쪽 경계의 형상 특징을 추출하는 단계;
   를 포함하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
5. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   분석대상 치아가 전치부이면 마모도를 분석하기 위하여 전치부의 측면의 경계점들을 추출하는 단계; 및
   추출된 경계점들을 대상으로 전치부의 마모도 특징을 추출하는 단계;
   를 포함하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
6. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   분석대상 치아가 구치부이면 구치부의 곡률 맵을 생성하는 단계;
   구치부의 곡률 맵에서 수평 방향과 수직 방향에 가장 멀리 있는 4개의 점들로 구성되는 경계 박스를 생성하는 단계; 및
   생성된 경계 박스의 높이 및 너비의 비율을 이용하여 구치부 윗부분의 형상 특징을 추출하는 단계;
   를 포함하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
7. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   분석대상 치아가 구치부이면 구치부의 곡률 맵에서 수직 방향에 가장 멀리 있는 점들로 구성되는 경계 박스를 생성하고 생성된 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수직 방향 기울기 특징을 추출하는 단계; 및
   구치부의 곡률 맵에서 수평 방향에 가장 멀리 있는 점들로 구성되는 경계 박스를 생성하고 생성된 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수평 방향 기울기 특징을 추출하는 단계;
   를 포함하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
8. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   분석대상 치아가 구치부이면 구치부의 곡률 맵에서 볼록 점과 오목 점을 분리하고, 볼록 점 수 및 오목 점 수의 비율을 추출하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
9. 제 1 항에 있어서, 치아 특징을 추출하는 단계는
   분석대상 치아가 구치부이면 구치부의 곡률 맵을 다수의 자식 박스로 분할한 후 자식 박스의 점 수와, 자식 박스의 볼록 점 수 및 오목 점 수의 비율 특징을 추출하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
10. 제 1 항에 있어서, 크라운 템플릿 모델을 추천하는 단계는
    크라운 템플릿 모델 추천 리스트 중에서 사용자가 원하는 크라운 템플릿 모델이 없는 경우 수동 또는 자동으로 각 특징의 비중을 조절한 후 새로운 크라운 템플릿 모델을 추천하는 것을 특징으로 하는 크라운 모델 자동 추천방법.
11. 보철물 디자인을 위한 영상 데이터를 획득하는 데이터 획득부;
    영상 데이터에서 보철이 필요한 대상치의 동명치, 주변치 및 대합치 순으로 분석대상 치아의 특징을 추출하고 추출된 치아 특징을 반영하여 크라운 템플릿 모델을 추천하는 제어부; 및
    제어부에 의해 추천된 크라운 템플릿 모델 정보를 표시하는 출력부;
    를 포함하는 것을 특징으로 하는 보철 캐드 장치.
12. 제 11 항에 있어서, 제어부는
    분석대상 치아가 전치부이면 전치부의 정면의 경계점들을 추출하고,
    추출된 경계점들을 이용하여 경계 박스의 높이 및 너비의 비율, 전치부 왼쪽 경계 점-직선 거리 및 전치부 오른쪽 경계 점-직선 거리 중 적어도 하나를 수치화하여 특징을 추출하는 것을 특징으로 하는 보철 캐드 장치.
13. 제 11 항에 있어서, 제어부는
    분석대상 치아가 구치부이면 구치부의 곡률 맵을 생성하고,
    구치부의 곡률 맵에서 생성된 경계 박스의 높이 및 너비의 비율을 이용하여 구치부 윗부분의 형상 특징을 추출하며, 경계 박스를 이용하여 구치부 치아가 윗면에서 보이는 수직 방향 및 수평 방향의 기울기 특징을 추출하는 것을 특징으로 하는 보철 캐드 장치.
14. 제 11 항에 있어서, 제어부는
    분석대상 치아가 구치부이면 구치부의 곡률 맵을 생성하고,
    구치부의 곡률 맵에서 볼록 점과 오목 점을 분리한 후, 볼록 점 수 및 오목 점 수의 비율을 추출하며,
    구치부의 곡률 맵을 다수의 자식 박스로 분할한 후 자식 박스의 점 수와, 자식 박스의 볼록 점 수 및 오목 점 수의 비율 특징을 추출하는 것을 특징으로 하는 보철 캐드 장치.
15. 제 11 항에 있어서, 제어부는
    크라운 템플릿 모델 추천 리스트 중에서 사용자가 원하는 크라운 템플릿 모델이 없는 경우 수동 또는 자동으로 각 특징의 비중을 조절한 후 새로운 크라운 템플릿 모델을 추천하는 것을 특징으로 하는 보철 캐드 장치.

Images