KR102453912B1

KR102453912B1 - 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체

Info

Publication number: KR102453912B1
Application number: KR1020220086996A
Authority: KR
Inventors: 최진혁; 김한나; 손태근; 김영준
Original assignee: 이마고웍스 주식회사
Priority date: 2020-08-20
Filing date: 2022-07-14
Publication date: 2022-10-14
Also published as: KR20220103902A; KR102422743B1; KR102334485B1; KR20220142410A; KR102334485B9; KR102479109B1; KR20220023321A; WO2022039316A1

Abstract

치과용 3차원 데이터 위치 정렬 자동화 방법은 CT 데이터의 특징점을 추출하는 단계, 디지털 인상 모델의 스캔 데이터의 특징점을 추출하는 단계, 환자의 눈과 코가 있는 방향을 나타내는 업 벡터 및 상기 스캔 데이터의 특징점의 좌우를 판단하는 단계, 상기 스캔 데이터의 치아 부분을 추출하는 단계, 상기 스캔 데이터의 소스 포인트를 상기 CT 데이터의 spline curve 상에서 탐색하여 후보 타겟 포인트를 생성하는 단계 및 상기 후보 타겟 포인트와 상기 CT 데이터의 특징점의 에러가 가장 작은 값을 최종 후보로 결정하는 단계를 포함한다.

Description

치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체 {AUTOMATED METHOD FOR ALIGNING 3D DENTAL DATA AND COMPUTER READABLE MEDIUM HAVING PROGRAM FOR PERFORMING THE METHOD}

본 발명은 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체에 관한 것으로, 더욱 상세하게는 자동으로 수행되어 치과 CT 영상과 디지털 인상 모델의 정합을 위한 시간과 노력을 감소시킬 수 있는 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체에 관한 것이다.

치과에서 진단, 분석, 보철물 제작 등을 위해 3차원 환자 의료 영상 데이터와 3차원 디지털 인상 모델 스캔 데이터가 사용되고 있다. 두 데이터는 서로 다른 정보를 가지고 있으며, 하나로 합쳐졌을 때 더욱 효과적이며 다양한 진단, 분석, 제작이 가능하다. 하지만 서로 다른 좌표계에서 획득된 3차원 데이터이기 때문에 두 데이터를 일치시켜주는 정합 과정이 필요하다.

3차원 환자 의료 영상 데이터와 3차원 디지털 인상 모델 스캔 데이터를 정합하기 위해서는 3차원 환자 의료 영상 데이터와 3차원 디지털 인상 모델 스캔 데이터 각각에 특징점을 설정해야 한다.

서로 다른 두 3차원 데이터인 치과 CT 영상과 디지털 인상 모델에서 6개의 특징점을 선택하는 작업은 시간과 노력이 많이 소요될 수 있다. 또한, 인공지능을 이용하여 특징점을 찾아내더라도, 찾아진 특징점이 서로 정확히 일치하지 않을 수 있다. 그리고 결손 치아가 있는 경우 또는 데이터 영역이 서로 다른 경우는 특징점만으로는 초기 정합의 결과가 좋지 않을 수 있다.

대한민국 공개특허공보 제10-2020-0075623호 대한민국 공개특허공보 제10-2018-0125793호

본 발명이 이루고자 하는 목적은 치과 CT 영상과 디지털 인상 모델의 정합을 위한 시간과 노력을 감소시킬 수 있는 치과용 3차원 데이터 위치 정렬 자동화 방법을 제공하는 것이다.

본 발명이 이루고자 하는 다른 목적은 상기 치과용 3차원 데이터 위치 정렬 자동화 방법을 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체를 제공하는 것이다.

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 치과용 3차원 데이터 위치 정렬 자동화 방법은 CT 데이터의 특징점을 추출하는 단계, 디지털 인상 모델의 스캔 데이터의 특징점을 추출하는 단계, 환자의 눈과 코가 있는 방향을 나타내는 업 벡터 및 상기 스캔 데이터의 특징점의 좌우를 판단하는 단계, 상기 스캔 데이터의 치아 부분을 추출하는 단계, 상기 스캔 데이터의 소스 포인트를 상기 CT 데이터의 spline curve 상에서 탐색하여 후보 타겟 포인트를 생성하는 단계 및 상기 후보 타겟 포인트와 상기 CT 데이터의 특징점의 에러가 가장 작은 값을 최종 후보로 결정하는 단계를 포함한다.

본 발명의 일 실시예에 있어서, 상기 CT 데이터의 특징점은 상악에 3개 이상의 특징점, 하악에 3개 이상의 특징점을 포함할 수 있다. 상기 스캔 데이터의 특징점은 3개의 특징점을 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 제1 특징점 및 제3 특징점은 각각 횡 방향으로 상기 스캔 데이터의 치아의 최외곽점을 나타낼 수 있다. 상기 스캔 데이터의 제2 특징점은 2개의 중절치의 사이일 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 특징점의 좌우를 판단하는 단계는 상기 스캔 데이터의 제1 특징점이

, 제2 특징점이

, 제3 특징점이

이고, 상기 스캔 데이터의 메쉬를 구성하고 있는 모든 점에서의 노멀 벡터의 평균 벡터를

이라고 할 때,

벡터 및

벡터의 외적 및 상기 평균 벡터

를 이용하여 상기 스캔 데이터의 특징점의 좌우를 판단할 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 특징점의 좌우를 판단하는 단계에서, 상기 스캔 데이터가 상악 데이터이면서 판별식 d<0이면, 환자의 좌측 치아의 외곽점을 나타내는 좌측 치아 특징점

은

이고, 환자의 우측 치아의 외곽점을 나타내는 우측 치아 특징점

은

이며, 상기 스캔 데이터가 상악 데이터이면서 판별식 d>=0이면, 상기 좌측 치아 특징점

은

이고, 상기 우측 치아 특징점

은

이며, 상기 판별식은

일 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 특징점의 좌우를 판단하는 단계에서, 상기 스캔 데이터가 하악 데이터이면서 판별식 d<0이면, 상기 좌측 치아 특징점

은

이고, 상기 우측 치아 특징점

은

이며, 상기 스캔 데이터가 하악 데이터이면서 판별식 d>=0이면, 상기 좌측 치아 특징점

은

이고, 상기 우측 치아 특징점

은

일 수 있다.

본 발명의 일 실시예에 있어서, 상기 업 벡터를 판단하는 단계에서, 상기 업 벡터는

이고, 환자의 좌측 치아의 외곽점을 나타내는 좌측 치아 특징점은

이며, 환자의 우측 치아의 외곽점을 나타내는 우측 치아 특징점은

이고, 상기 스캔 데이터의 제2 특징점이

이며, 상기 스캔 데이터가 상악 데이터일 때,

일 수 있다.

이고, 상기 스캔 데이터의 제2 특징점이

이며, 상기 스캔 데이터가 하악 데이터일 때,

일 수 있다.

본 발명의 일 실시예에 있어서, 상기 치과용 3차원 데이터 위치 정렬 자동화 방법은 상기 CT 데이터와 상기 스캔 데이터가 일치하는 같은 영역을 가지고 있는지 판단하는 단계를 더 포함할 수 있다.

이고, th는 상기 CT 데이터와 상기 스캔 데이터는 같은 영역을 갖는지를 판단하기 위한 제1 쓰레스홀드값이며, p1, p3, p5는 상기 CT 데이터의 특징점들이고,

,

은 상기 스캔 데이터의 특징점들일 때,

를 만족하면, 상기 CT 데이터와 상기 스캔 데이터가 일치하는 같은 영역을 가지고 있는 것으로 판단할 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 치아 부분을 추출하는 단계는 상기 스캔 데이터가 상악 데이터인 경우, 상기 스캔 데이터의 제1 특징점, 제2 특징점 및 제3 특징점 중 상기 업 벡터 방향으로 최고점을 추출하는 단계, 상기 최고점으로부터 상기 업 벡터의 양의 방향으로 제1 거리 이동 지점에 상기 업 벡터를 법선 벡터로 하는 무한한 평면으로 스캔 데이터를 자르는 단계 및 상기 스캔 데이터의 상기 최고점으로부터 상기 업 벡터의 음의 방향으로 제2 거리 이동 지점에 상기 업 벡터를 법선 벡터로 하는 무한한 평면으로 스캔 데이터를 자르는 단계를 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 치아 부분을 추출하는 단계는 상기 스캔 데이터가 하악 데이터인 경우, 상기 스캔 데이터의 제1 특징점, 제2 특징점 및 제3 특징점 중 상기 업 벡터 방향으로 최저점을 추출하는 단계, 상기 최저점으로부터 상기 업 벡터의 양의 방향으로 상기 제1 거리 이동 지점에 상기 업 벡터를 법선 벡터로 하는 무한한 평면으로 스캔 데이터를 자르는 단계 및 상기 스캔 데이터의 상기 최저점으로부터 상기 업 벡터의 음의 방향으로 상기 제2 거리 이동 지점에 상기 업 벡터를 법선 벡터로 하는 무한한 평면으로 스캔 데이터를 자르는 단계를 더 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 치아 부분을 추출하는 단계는 상기 스캔 데이터의 상기 제2 특징점으로부터 우측 치아 특징점을 향하는 벡터를

이라 하고, 상기 제2 특징점으로부터 좌측 치아 특징점을 향하는 벡터를

이라 할 때, 상기 우측 치아 특징점에서 상기

벡터 방향으로 제3 거리만큼 이동한 지점에 상기

벡터를 법선 벡터로 하는 무한한 평면으로 상기 스캔 데이터를 자르는 단계 및 상기 좌측 치아 특징점에서 상기

벡터 방향으로 상기 제3 거리만큼 이동한 지점에 상기

벡터를 법선 벡터로 하는 무한한 평면으로 상기 스캔 데이터를 자르는 단계를 더 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 제3 거리는 상기 제1 거리 및 상기 제2 거리보다 작을 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 치아 부분을 추출하는 단계는 상기 우측 치아 특징점에서 상기

벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기

벡터로부터 +90도로 회전한 제1 벡터를 법선 벡터로 하고 상기 제1 벡터로 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 스캔 데이터를 자르는 단계, 상기 우측 치아 특징점에서 상기

벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기

벡터로부터 -90도로 회전한 제2 벡터를 법선 벡터로 하고 상기 제2 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 스캔 데이터를 자르는 단계, 상기 좌측 치아 특징점에서 상기

벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기

벡터로부터 -90도로 회전한 제3 벡터를 법선 벡터로 하고 상기 제3 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 스캔 데이터를 자르는 단계 및 상기 좌측 치아 특징점에서 상기

벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기

벡터로부터 +90도로 회전한 제4 벡터를 법선 벡터로 하고 상기 제4 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 스캔 데이터를 자르는 단계를 더 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 제4 거리는 상기 제1 거리, 상기 제2 거리 및 상기 제3 거리보다 클 수 있다.

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 치아 부분을 추출하는 단계는 상기 스캔 데이터의 상기 제2 특징점에서 상기

벡터와 상기

벡터의 합인

벡터 방향으로 제5 거리만큼 이동한 지점에서 상기

벡터를 법선 벡터로 하는 무한한 평면으로 상기 스캔 데이터를 자르는 단계 및 상기 스캔 데이터의 상기 제2 특징점에서

벡터 방향으로 상기 제5 거리만큼 이동한 지점에서 상기

본 발명의 일 실시예에 있어서, 상기 스캔 데이터의 소스 포인트를 상기 CT 데이터의 spline curve 상에서 탐색하여 후보 타겟 포인트를 생성하는 단계는 상기 CT 데이터의 상악의 복수의 특징점들 또는 상기 CT 데이터의 하악의 복수의 특징점들을 기초로 상기 spline curve, C(u)를 계산하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 소스 포인트는 좌측 치아 특징점, 제2 특징점, 상기 우측 치아 특징점의 3개의 점을 포함할 수 있다.

본 발명의 일 실시예에 있어서,

은 상기 좌측 치아 특징점이고,

는 상기 제2 특징점이며,

은 상기 우측 치아 특징점이고, 타겟 포인트의 첫 번째 점은 C(u) 상에서 파라미터 u를 제1 값만큼 증가시키면서 탐색하고, 상기 타겟 포인트의 두 번째 점은 C(u) 상에서 상기 파라미터 u를 제2 값만큼 증가시키면서

가 최소가 되는 C(u2)를 탐색하며, 상기 타겟 포인트의 세 번째 점은 C(u) 상에서 상기 파라미터 u를 제3 값만큼 증가시키면서

이 최소가 되는 C(u3)를 탐색하고, 상기 d11, d12 및

이 모두 제2 쓰레스홀드값보다 작으면 상기 타겟 포인트 C(u1), C(u2) 및 C(u3)는 상기 후보 타겟 포인트로 선정되며, 상기 후보 타겟 포인트는 C(u1), C(u2) 및 C(u3)의 3개의 점을 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 후보 타겟번째 점은 C(u) 상에서 파라미터 u를 제1 값만큼 증가시키면서 탐색하고 포인트와 상기 CT 데이터의 특징점의 에러가 가장 작은 값을 최종 후보로 결정하는 단계는 변환 매트릭스를 이용하여 상기 후보 타겟 포인트를 상기 CT 데이터의 도메인으로 변환하는 단계 및 상기 변환된 후보 타겟 포인트와 상기 CT 데이터의 특징점 간의 거리의 평균으로 변환 에러를 측정하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 있어서, 상기 치과용 3차원 데이터 위치 정렬 자동화 방법을 컴퓨터에서 실행시키기 위한 프로그램은 컴퓨터로 읽을 수 있는 기록 매체에 기록될 수 있다.

본 발명에 따른 치과용 3차원 데이터 위치 정렬 자동화 방법에 따르면, 사용자의 입력이 없고, 데이터가 포함하고 있는 영역이 서로 다르더라도 좋은 초기 정합의 결과를 얻을 수 있다. 이를 통해 최종 정밀 정합까지 사용자의 입력 없이 빠르게 정합할 수 있다.

본 발명에 따른 치과용 3차원 데이터 위치 정렬 자동화 방법에 따르면, 치과 및 치기공소에서 진단, 분석, 보철물 제작 등을 위해 빈번하게 진행되고 있는 환자 의료 영상 데이터(CT, CBCT)와 디지털 인상 모델 스캔 데이터를 정합하는데 소요되는 시간과 노력을 획기적으로 줄일 수 있다.

도 1은 본 실시예에 따른 치과 CT 영상과 디지털 인상 모델의 자동 정합 방법을 나타내는 순서도이다.
도 2는 치과 CT 영상과 디지털 인상 모델의 스캔 데이터를 나타내는 도면이다.
도 3은 치과 CT 영상의 특징점들을 나타내는 도면이다.
도 4는 디지털 인상 모델의 스캔 데이터의 특징점들을 나타내는 도면이다.
도 5 내지 도 8은 도 1의 업 벡터 및 스캔 데이터의 특징점의 좌우 구분 단계를 나타내는 개념도이다.
도 9는 스캔 데이터가 상악 데이터인 경우의 업 벡터를 나타내는 개념도이다.
도 10은 스캔 데이터가 상악 데이터인 경우의 업 벡터를 나타내는 개념도이다.
도 11 및 도 12는 도 1의 CT 데이터와 스캔 데이터의 영역 일치 여부 판단 단계를 나타내는 개념도이다.
도 13 및 도 14는 도 1의 스캔 데이터의 치아 부분 추출 단계를 나타내는 개념도이다.
도 15는 도 1의 스캔 데이터의 치아 부분 추출 단계에 의해 추출된 도 1의 스캔 데이터의 치아 부분을 나타내는 도면이다.
도 16은 도 1의 초기 정합 단계(COARSE REGISTRATION)의 결과를 나타내는 도면이다.
도 17은 도 1의 정밀 정합 단계(FINE REGISTRATION)의 결과를 나타내는 도면이다.

본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위로부터 이탈되지 않은 채 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

한편, 어떤 실시예가 달리 구현 가능한 경우에 특정 블록 내에 명기된 기능 또는 동작이 순서도에 명기된 순서와 다르게 일어날 수도 있다. 예를 들어, 연속하는 두 블록이 실제로는 실질적으로 동시에 수행될 수도 있고, 관련된 기능 또는 동작에 따라서는 상기 블록들이 거꾸로 수행될 수도 있다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1은 본 실시예에 따른 치과 CT 영상과 디지털 인상 모델의 자동 정합 방법을 나타내는 순서도이다. 도 2는 치과 CT 영상과 디지털 인상 모델의 스캔 데이터를 나타내는 도면이다. 도 3은 치과 CT 영상의 특징점들을 나타내는 도면이다. 도 4는 디지털 인상 모델의 스캔 데이터의 특징점들을 나타내는 도면이다.

도 1 내지 도 4를 참조하면, 상기 치과 CT 영상과 디지털 인상 모델을 자동 정합하기 위해서는 상기 치과 CT 영상으로부터 특징점을 추출하고 (단계 S100), 상기 디지털 인상 모델의 스캔 데이터로부터 특징점을 추출할 수 있다 (단계 S200).

예를 들어, 상기 치과 CT 영상은 CBCT (Cone Beam CT)영상일 수 있다. 상기 치과 CT 영상은 치아, 뼈, 신경관을 포함하는 영상일 수 있다. 예를 들어, 상기 디지털 인상 모델의 상기 스캔 데이터는 환자의 구강 내부를 스캐너로 스캔한 영상일 수 있다. 예를 들어, 상기 스캔 데이터는 환자의 구강 내부를 석고로 본 뜬 형상을 스캐너로 스캔한 영상일 수 있다.

도 2의 좌측 영상은 상기 디지털 인상 모델의 상기 스캔 데이터일 수 있다. 도 2의 우측 영상은 상기 치과 CT 영상일 수 있다. 본 실시예에서, 상기 디지털 인상 모델은 환자의 상악이나 하악 중 어느 하나에 대응되는 데이터일 수 있다. 본 실시예에서, 상기 치과 CT 영상은 환자의 상악 및 하악의 정보를 모두 포함할 수 있다.

예를 들어, 도 3에서 상기 치과 CT 영상의 특징점은 치아의 특정 위치를 나타내는 점들일 수 있다. 상기 치과 CT 영상의 특징점은 상악에 5개의 특징점(p1, p2, p3, p4, p5) 및 하악에 5개의 특징점(p6, p7, p8, p9, p10)을 포함할 수 있다. 예를 들어, 상기 상악의 제1 특징점(p1)과 제5 특징점(p5)은 각각 횡 방향으로 상기 상악의 치아의 최외곽점을 나타낼 수 있다. 상기 상악의 제3 특징점(p3)은 2개의 상악 중절치의 사이를 나타낼 수 있다. 상기 상악의 제2 특징점(p2)은 상기 제1 특징점(p1)과 상기 제3 특징점(p3) 사이에 배치될 수 있고, 상기 상악의 제4 특징점(p4)은 상기 제3 특징점(p3)과 상기 제5 특징점(p5) 사이에 배치될 수 있다. 예를 들어, 상기 하악의 제6 특징점(p6)과 제10 특징점(p10)은 각각 횡 방향으로 상기 하악의 치아의 최외곽점을 나타낼 수 있다. 상기 하악의 제8 특징점(p8)은 2개의 하악 중절치의 사이를 나타낼 수 있다. 상기 하악의 제7 특징점(p7)은 상기 제6 특징점(p6)과 상기 제8 특징점(p8) 사이에 배치될 수 있고, 상기 하악의 제9 특징점(p9)은 상기 제8 특징점(p8)과 상기 제10 특징점(p10) 사이에 배치될 수 있다.

예를 들어, 도 4에서 상기 스캔 데이터의 특징점은 치아의 특정 위치를 나타내는 점들일 수 있다. 상기 스캔 데이터의 특징점은 3개의 특징점을 포함할 수 있다(

,

). 여기서, 상기 스캔 데이터는 환자의 상악을 나타내는 데이터일 수도 있고, 환자의 하악을 나타내는 데이터일 수도 있다. 예를 들어, 상기 스캔 데이터의 제1 특징점(

) 및 제3 특징점(

)은 각각 횡 방향으로 상기 스캔 데이터의 치아의 최외곽점을 나타낼 수 있다. 상기 스캔 데이터의 제2 특징점(

)은 2개의 중절치의 사이를 나타낼 수 있다.

본 실시예에서, 상기 CT 영상의 특징점(예컨대, p1 내지 p10)은 인공지능 딥 러닝 기술을 이용하여 자동으로 추출될 수 있다. 또한, 상기 스캔 데이터의 특징점(예컨대,

내지

)은 인공지능 딥 러닝 기술을 이용하여 자동으로 추출될 수 있다. 상기 스캔 데이터가 상악을 나타내는지 하악을 나타내는지 여부는 사용자의 입력을 통해 결정되거나, 상기 스캔 데이터의 추가 정보를 통해 자동으로 판정될 수도 있다.

도 5 내지 도 8은 도 1의 업 벡터(

) 및 스캔 데이터의 특징점의 좌우 구분 단계를 나타내는 개념도이다.

도 5 내지 도 8을 참조하여, 상기 스캔 데이터의 위쪽 방향(환자의 눈과 코가 있는 방향)을 나타내는 업 벡터(

)와 스캔 데이터의 특징점(

,

)의 좌우를 구분하는 방법을 설명한다 (단계 S300).

도 5는 상기 스캔 데이터에서 치아가 하부 방향으로 정출되고, 상기 스캔 데이터의 좌측에 제1 특징점(

)이 표시되며, 스캔 데이터의 우측에 제3 특징점(

)이 표시된 경우를 예시한다. 도 5의 스캔 데이터의 치아가 하부 방향으로 정출되어 있다고 하여 도 5의 스캔 데이터가 반드시 상악 데이터를 의미하는 것은 아니다. 상기 도 5의 스캔 데이터가 상악 데이터인지, 하악 데이터인지는 사용자의 입력을 통해 판단되거나, 상기 스캔 데이터의 추가 정보를 통해 판단될 수 있다.

도 5의 스캔 데이터의 메쉬(mesh)를 구성하고 있는 모든 점(스캔 데이터의 표면의 모든 점)에서 normal vector를 구하여 그 평균 벡터의 단위 벡터

를 구할 수 있다. 상기 메쉬(mesh)를 구성하고 있는 모든 점에서 normal vector를 구하여 그 평균 벡터를 구하면, 도 5와 같은 스캔 데이터에서는 상기 평균 벡터는 도면의 하부 방향을 향하게 된다. 도 5에서 상기 평균 벡터의 단위 벡터

은 하부 방향으로 단위 길이를 갖게 된다.

상기 스캔 데이터의 특징점(

,

)의 좌우를 구분하는 판별식은 아래 수학식 1과 같다.

[수학식 1]

스캔 데이터가 상악 데이터이면서 판별식 d<0이면, 환자의 좌측 치아의 외곽점을 나타내는 좌측 치아 특징점

이다. 반대로, 스캔 데이터가 상악 데이터이면서 판별식 d>=0이면, 좌측 치아 특징점

이고, 우측 치아 특징점

이다.

스캔 데이터가 하악 데이터이면서 판별식 d<0이면, 좌측 치아 특징점

이고, 우측 치아 특징점

이다. 반대로, 스캔 데이터가 하악 데이터이면서 판별식 d>=0이면, 좌측 치아 특징점

이고, 우측 치아 특징점

이다.

도 5에서

은 하부 방향이므로 상부 방향을 양의 방향이라고 할 때,

이 된다.

와

의 외적(

)은 하부 방향(음수)을 갖게 된다. 따라서, 도 5의 스캔 데이터가 상악 데이터라면, d>=0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다. 반대로, 도 5의 스캔 데이터가 만약 하악 데이터라면, d>=0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다.

도 6은 상기 스캔 데이터에서 치아가 하부 방향으로 정출되고, 상기 스캔 데이터의 좌측에 제3 특징점(

)이 표시되며, 스캔 데이터의 우측에 제1 특징점(

)이 표시된 경우를 예시한다.

도 6에서

은 하부 방향이므로 상부 방향을 양의 방향이라고 할 때,

이 된다.

와

의 외적(

)은 상부 방향(양수)을 갖게 된다. 따라서, 도 6의 스캔 데이터가 상악 데이터라면, d<0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다. 반대로, 도 6의 스캔 데이터가 만약 하악 데이터라면, d<0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다.

도 7은 상기 스캔 데이터에서 치아가 상부 방향으로 정출되고, 상기 스캔 데이터의 좌측에 제3 특징점(

)이 표시되며, 스캔 데이터의 우측에 제1 특징점(

)이 표시된 경우를 예시한다.

도 7에서

은 상부 방향이므로 상부 방향을 양의 방향이라고 할 때,

이 된다.

와

의 외적(

)은 상부 방향(양수)을 갖게 된다. 따라서, 도 7의 스캔 데이터가 하악 데이터라면, d>=0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다. 반대로, 도 7의 스캔 데이터가 만약 상악 데이터라면, d>=0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다.

도 8은 상기 스캔 데이터에서 치아가 상부 방향으로 정출되고, 상기 스캔 데이터의 좌측에 제1 특징점(

)이 표시되며, 스캔 데이터의 우측에 제3 특징점(

)이 표시된 경우를 예시한다.

도 8에서

은 상부 방향이므로 상부 방향을 양의 방향이라고 할 때,

이 된다.

와

의 외적(

)은 하부 방향(음수)을 갖게 된다. 따라서, 도 8의 스캔 데이터가 하악 데이터라면, d<0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다. 반대로, 도 8의 스캔 데이터가 만약 상악 데이터라면, d<0이므로, 좌측 치아 특징점

이고 우측 치아 특징점

이다.

상기 스캔 데이터가 상악 데이터일 때, 상기 환자의 눈과 코가 있는 방향을 나타내는 업 벡터(

)를 나타내는 식은 아래 수학식 2와 같다.

[수학식 2]

예를 들어, 도 5의 스캔 데이터가 상악 데이터인 경우에, 상기 판별식에 의해 좌측 치아 특징점

이고 우측 치아 특징점

이다. 수학식 2에 따라

와

의 외적인

는 상부 방향(양수)을 갖게 된다.

상기 스캔 데이터가 하악 데이터일 때, 상기 환자의 눈과 코가 있는 방향을 나타내는 업 벡터(

)를 나타내는 식은 아래 수학식 3과 같다.

[수학식 3]

예를 들어, 도 7의 스캔 데이터가 하악 데이터인 경우에, 상기 판별식에 의해 좌측 치아 특징점

이고 우측 치아 특징점

이다. 수학식 3에 따라

와

의 외적인

는 상부 방향(양수)을 갖게 된다.

도 9는 스캔 데이터가 상악 데이터인 경우의 업 벡터를 나타내는 개념도이다. 도 10은 스캔 데이터가 상악 데이터인 경우의 업 벡터를 나타내는 개념도이다.

도 9에서 보듯이, 상기 스캔 데이터가 상악 데이터인 경우, 상기 업 벡터(

)의 방향은 치아의 정출 방향과 반대 방향으로 얻어질 수 있다.

또한, 도 10에서 보듯이, 상기 스캔 데이터가 하악 데이터인 경우, 상기 업 벡터(

)의 방향은 치아의 정출 방향과 실질적으로 동일한 방향으로 얻어질 수 있다.

도 11 및 도 12는 도 1의 CT 데이터와 스캔 데이터의 영역 일치 여부 판단 단계를 나타내는 개념도이다.

도 1 내지 도 12를 참조하면, CT 데이터와 스캔 데이터의 정합에서, 두 데이터가 같은 영역을 가지고 있는 케이스 1과 같은 영역을 가지고 있지 않은 케이스 2를 구별할 수 있다 (단계 S400). 아래 수학식 4를 만족하면, 상기 CT 데이터와 스캔 데이터는 같은 영역을 갖는 것으로 판단할 수 있다.

[수학식 4]

여기서,

이고, th는 상기 CT 데이터와 스캔 데이터는 같은 영역을 갖는지를 판단하기 위한 제1 쓰레스홀드값일 수 있다. 예를 들어, 상기 제1 쓰레스홀드값(th)은 5mm일 수 있다.

도 13 및 도 14는 도 1의 스캔 데이터의 치아 부분 추출 단계를 나타내는 개념도이다. 도 15는 도 1의 스캔 데이터의 치아 부분 추출 단계에 의해 추출된 도 1의 스캔 데이터의 치아 부분을 나타내는 도면이다.

도 1 내지 도 15를 참조하면, 두 데이터 간의 공통 영역인 치아부분을 기초로 정합을 진행하기 위해 스캔 데이터에서 치아부분만을 잘라낼 수 있다 (단계 S500). 상기 스캔 데이터가 상악 데이터인 경우, 상기 스캔 데이터의 제1 특징점(

), 제2 특징점(

) 및 제3 특징점(

) 중 상기 업 벡터(

) 방향으로 최고점을 추출한다. 상기 스캔 데이터가 하악 데이터인 경우, 상기 스캔 데이터의 제1 특징점(

), 제2 특징점(

) 및 제3 특징점(

) 중 상기 업 벡터(

) 방향으로 최저점을 추출한다.

상기 스캔 데이터가 상악 데이터인 경우, 상기 스캔 데이터의 상기 최고점으로부터 상기 업 벡터(

)의 양의 방향으로 제1 거리(+a) 이동 지점에

를 법선 벡터로 하는 무한한 평면으로 스캔 데이터를 자르고, 상기 스캔 데이터의 상기 최고점으로부터 상기 업 벡터(

)의 음의 방향으로 제2 거리(-b) 이동 지점에

를 법선 벡터로 하는 무한한 평면으로 스캔 데이터를 자를 수 있다. (도 13) 예를 들어, 상기 제1 거리(+a)는 6mm일 수 있다. 예를 들어, 상기 제2 거리(-b)는 -6mm일 수 있다. 예를 들어, 상기 제1 거리(+a)와 상기 제2 거리(-b)의 절대값은 동일할 수 있다. 이와는 달리, 상기 제1 거리(+a)와 상기 제2 거리(-b)의 절대값은 상이할 수 있다.

상기 스캔 데이터가 하악 데이터인 경우, 상기 스캔 데이터의 상기 최저점으로부터 상기 업 벡터(

)의 양의 방향으로 제1 거리(+a) 이동 지점에

를 법선 벡터로 하는 무한한 평면(CP1)으로 스캔 데이터를 자르고, 상기 스캔 데이터의 상기 최저점으로부터 상기 업 벡터(

)의 음의 방향으로 제2 거리(-b) 이동 지점에

를 법선 벡터로 하는 무한한 평면(CP2)으로 스캔 데이터를 자를 수 있다. (도 13)

도 14를 보면, 상기 제2 특징점

로부터 우측 치아 특징점

을 향하는 벡터를

이라고 할 수 있고, 상기 제2 특징점

로부터 좌측 치아 특징점

을 향하는 벡터를

이라고 할 수 있다. 상기 우측 치아 특징점

에서

벡터 방향으로 제3 거리만큼 이동한 지점에

벡터를 법선 벡터로 하는 무한한 평면(CP3)으로 스캔 데이터를 자르고, 상기 좌측 치아 특징점

에서

벡터 방향으로 상기 제3 거리만큼 이동한 지점에

벡터를 법선 벡터로 하는 무한한 평면(CP4)으로 스캔 데이터를 자를 수 있다. 예를 들어, 상기 제3 거리는 상기 제1 거리 및 상기 제2 거리보다 작을 수 있다. 여기서, 상기 제3 거리는 1mm일 수 있다.

상기 우측 치아 특징점

에서

벡터 방향으로 제3 거리만큼 이동한 지점에서 상기

벡터로부터 -90도로 회전한 제1 벡터를 법선 벡터로 하고 상기 제1 벡터로 제4 거리만큼 이동한 지점에서 무한한 평면(CP5)으로 스캔 데이터를 자를 수 있다. 상기 우측 치아 특징점

에서

벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기

벡터로부터 +90도로 회전한 제2 벡터를 법선 벡터로 하고 상기 제2 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면(CP6)으로 스캔 데이터를 자를 수 있다. 예를 들어, 상기 제4 거리는 상기 제1 거리, 상기 제2 거리 및 상기 제3 거리보다 클 수 있다. 여기서, 상기 제4 거리는 10mm일 수 있다.

상기 좌측 치아 특징점

에서

벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기

벡터로부터 +90도로 회전한 제3 벡터를 법선 벡터로 하고 상기 제3 벡터로 제4 거리만큼 이동한 지점에서 무한한 평면(CP7)으로 스캔 데이터를 자를 수 있다. 상기 좌측 치아 특징점

에서

벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기

벡터로부터 -90도로 회전한 제4 벡터를 법선 벡터로 하고 상기 제4 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면(CP8)으로 스캔 데이터를 자를 수 있다.

또한, 상기 제2 특징점(

)에서 상기

벡터와 상기

벡터의 합인

벡터 방향으로 제5 거리만큼 이동한 지점에서 상기

벡터를 법선 벡터로 하는 무한한 평면(CP10)으로 스캔 데이터를 자를 수 있다. 상기 제2 특징점(

)에서

벡터 방향으로 제5 거리만큼 이동한 지점에서 상기

벡터를 법선 벡터로 하는 무한한 평면(CP9)으로 스캔 데이터를 자를 수 있다. 예를 들어, 상기 제5 거리는 상기 제3 거리보다 크고, 상기 제4 거리보다 작을 수 있다. 여기서, 상기 제5 거리는 6mm일 수 있다.

도 15는 스캔 데이터를 절단 평면들(CP1 내지 CP10)을 이용하여 절단하여 얻은 치아 부분을 나타낸다.

상기 CT 데이터의 상기 상악의 제1 내지 제5 특징점(p1 내지 p5)을 컨트롤 포인트로 하여 parametric spline curve, C(u)를 계산할 수 있다. 여기서, u는 0<=u<=1을 만족하고, 환자 기준 가장 왼쪽에서 u=0이고, 환자 기준 가장 오른쪽에서 u=1일 수 있다.

상기 parametric spline curve C(u)는 상기 CT 데이터의 상기 상악의 5개의 특징점(p1 내지 p5)을 연결하는 아치의 스플라인 곡선을 의미한다. parametric spline curve C(u)는 상기 CT 데이터의 상기 하악의 5개의 특징점(p6 내지 p10)을 컨트롤 포인트로 하여 계산될 수도 있다.

상기 스캔 데이터의 소스 포인트를 상기 CT spline curve C(u) 상에서 탐색하여 타겟 포인트를 생성할 수 있다 (단계 S600).

상기 스캔 데이터의 소스 포인트는 상기 좌측 치아 특징점(

), 상기 제2 특징점(

), 상기 우측 치아 특징점(

)의 3개의 점을 포함할 수 있다.

타겟 포인트의 첫 번째 점은 C(u) 상에서 파라미터 u를 제1 값만큼 증가시키면서 탐색할 수 있다. 상기 타겟 포인트의 첫 번째 점은 C(u1)으로 표시할 수 있다. 상기 제1 값은 0.05일 수 있다.

타겟 포인트의 두 번째 점은 C(u) 상에서 파라미터 u를 제2 값만큼 증가시키면서

가 최소가 되는 C(u2)를 찾는다. 여기서, u>u1이고, 상기 제2 값은 0.001일 수 있다.

타겟 포인트의 세 번째 점은 C(u) 상에서 파라미터 u를 제3 값만큼 증가시키면서

이 최소가 되는 C(u3)를 찾는다. 여기서, u>u2이고, 상기 제3 값은 0.001일 수 있다.

만약 d11, d12 및

이 모두 제2 쓰레스홀드값보다 작으면 상기 타겟 포인트 C(u1), C(u2) 및 C(u3)를 후보로 선정한다. 상기 제2 쓰레스홀드값은 8mm일 수 있다.

도 16은 도 1의 초기 정합 단계(COARSE REGISTRATION)의 결과를 나타내는 도면이다.

도 1 내지 도 16을 참조하면, 상기 단계 S500에서는 후보 타겟 포인트는 6개의 점을 포함할 수 있고, 상기 후보 타겟 포인트는 복수 개 생성될 수 있다.

상기 복수의 후보 타겟 포인트에 대해 landmark transform을 통해 변환 매트릭스 M을 계산할 수 있다. 상기 변환된 스캔 데이터의 특징점 pi'=Mpi, (i=L, 12, R)과 CT 데이터의 특징점 pk(k=1, 3, 5 or k=6, 8, 10)간의 거리의 평균으로 변환 에러를 측정할 수 있다. 상기 변환 매트릭스 M은 스캔 데이터의 특징점을 CT 데이터의 도메인으로 이동시킬 수 있다.

단계 S400에서 CT 데이터와 스캔 데이터의 두 데이터가 같은 영역을 가지고 있는 케이스 1인 경우에, 상기 변환 에러가 가장 작은 값을 갖는 후보 타겟 포인트를 최종 후보로 결정할 수 있다.

상기 스캔 데이터의 후보 타겟 포인트를 변환 매트릭스 M을 이용하여 CT 데이터의 도메인으로 이동시키고, 변환 에러가 가장 작은 최종 후보를 결정하는 단계를 초기 정합 단계(Coarse registration, 단계 S700)로 부를 수 있다.

도 16에서 치아의 모양이 나타나 있는 기본 영상은 CT 데이터일 수 있다. 도 16에서 연두색 실선으로 그려진 부분은 상기 CT 데이터에 정합된 스캔 데이터일 수 있다. 도 16의 우측 하단의 그림은 CT 데이터와 스캔 데이터가 정합된 영상을 나타내며, 연두색 부분이 스캔 데이터일 수 있다.

도 17은 도 1의 정밀 정합 단계(FINE REGISTRATION)의 결과를 나타내는 도면이다.

도 1 내지 도 17을 참조하면, 초기 정합 단계(단계 S700) 이후에는 CT 데이터의 치아 영역과 스캔 데이터의 치아 영역을 더욱 일치시키기 위한 정밀 정합 단계(단계 S800)가 수행될 수 있다. 상기 정밀 정합 단계에서 소스 데이터는 스캔 데이터의 잘라낸 치아 부분만을 이용하고 타겟 데이터는 환자의 CT 영상으로 할 수 있다.

도 17에서 치아의 모양이 나타나 있는 기본 영상은 CT 데이터일 수 있다. 도 17에서 연두색 실선으로 그려진 부분은 상기 CT 데이터에 정합된 스캔 데이터일 수 있다. 도 17의 우측 하단의 그림은 CT 데이터와 스캔 데이터가 정합된 영상을 나타내며, 연두색 부분이 스캔 데이터일 수 있다.

도 17을 보면, 도 16에 비해 CT 데이터의 치아 부분과 스캔 데이터의 치아 부분이 더욱 정밀하게 정합된 것을 확인할 수 있다.

본 실시예에 따르면, 사용자의 입력이 없고, 데이터가 포함하고 있는 영역이 서로 다르더라도 좋은 초기 정합의 결과를 얻을 수 있다. 이를 통해 최종 정밀 정합까지 사용자의 입력 없이 빠르게 정합할 수 있다.

본 실시예에 따르면, 치과 및 치기공소에서 진단, 분석, 보철물 제작 등을 위해 빈번하게 진행되고 있는 환자 의료 영상 데이터(CT, CBCT)와 디지털 인상 모델 스캔 데이터를 정합하는데 소요되는 시간과 노력을 획기적으로 줄일 수 있다.

본 발명의 일 실시예에 의하면, 전술한 치과용 3차원 데이터 위치 정렬 자동화 방법을 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다. 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 전술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크와 같은 자기-광 매체 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있다.

또한, 전술한 치과용 3차원 데이터 위치 정렬 자동화 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구형될 수 있다.

본 발명은 치과용 3차원 데이터 위치 정렬 자동화 방법 및 이를 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체에 대한 것으로, 치과 CT 영상과 디지털 인상 모델의 정합을 위한 시간과 노력을 감소시킬 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 숙련된 당업자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 것이다.

Claims

제1 데이터의 특징점을 추출하는 단계;
제2 데이터의 특징점을 추출하는 단계;
제1 방향 벡터 및 상기 제2 데이터의 특징점의 좌우를 판단하는 단계;
상기 제2 데이터의 소스 포인트를 상기 제1 데이터의 제1 커브 상에서 탐색하여 후보 타겟 포인트를 생성하는 단계; 및
상기 후보 타겟 포인트와 상기 제1 데이터의 특징점의 에러가 가장 작은 값을 최종 후보로 결정하는 단계를 포함하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항에 있어서, 상기 제1 데이터의 특징점은 상악에 3개 이상의 특징점, 하악에 3개 이상의 특징점을 포함하고,
상기 제2 데이터의 특징점은 3개의 특징점을 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제2항에 있어서, 상기 제2 데이터의 제1 특징점 및 제3 특징점은 각각 횡 방향으로 상기 제2 데이터의 치아의 최외곽점을 나타내고,
상기 제2 데이터의 제2 특징점은 2개의 중절치의 사이인 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항에 있어서, 상기 제2 데이터의 특징점의 좌우를 판단하는 단계는
상기 제2 데이터의 제1 특징점이
, 제2 특징점이
, 제3 특징점이
이고, 상기 제2 데이터의 메쉬를 구성하고 있는 모든 점에서의 노멀 벡터의 평균 벡터를
이라고 할 때,
벡터 및
벡터의 외적 및 상기 평균 벡터
를 이용하여 상기 제2 데이터의 특징점의 좌우를 판단하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제4항에 있어서, 상기 제2 데이터의 특징점의 좌우를 판단하는 단계에서,
상기 제2 데이터가 상악 데이터이면서 판별식 d<0이면, 환자의 좌측 치아의 외곽점을 나타내는 좌측 치아 특징점
은
이고, 환자의 우측 치아의 외곽점을 나타내는 우측 치아 특징점
은
이며,
상기 제2 데이터가 상악 데이터이면서 판별식 d>=0이면, 상기 좌측 치아 특징점
은
이고, 상기 우측 치아 특징점
은
이며,
상기 판별식은
인 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제5항에 있어서, 상기 제2 데이터의 특징점의 좌우를 판단하는 단계에서,
상기 제2 데이터가 하악 데이터이면서 판별식 d<0이면, 상기 좌측 치아 특징점
은
이고, 상기 우측 치아 특징점
은
이며,
상기 제2 데이터가 하악 데이터이면서 판별식 d>=0이면, 상기 좌측 치아 특징점
은
이고, 상기 우측 치아 특징점
은
인 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항에 있어서, 상기 제1 방향 벡터를 판단하는 단계에서,
상기 제1 방향 벡터는
이고, 환자의 좌측 치아의 외곽점을 나타내는 좌측 치아 특징점은
이며, 환자의 우측 치아의 외곽점을 나타내는 우측 치아 특징점은
이고, 상기 제2 데이터의 제2 특징점이
이며, 상기 제2 데이터가 상악 데이터일 때,
인 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항에 있어서, 상기 제1 방향 벡터를 판단하는 단계에서,
상기 제1 방향 벡터는
이고, 환자의 좌측 치아의 외곽점을 나타내는 좌측 치아 특징점은
이며, 환자의 우측 치아의 외곽점을 나타내는 우측 치아 특징점은
이고, 상기 제2 데이터의 제2 특징점이
이며, 상기 제2 데이터가 하악 데이터일 때,
인 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항에 있어서, 상기 제1 데이터와 상기 제2 데이터가 일치하는 같은 영역을 가지고 있는지 판단하는 단계를 더 포함하고,

이고, th는 상기 제1 데이터와 상기 제2 데이터는 같은 영역을 갖는지를 판단하기 위한 제1 쓰레스홀드값이며, p1, p3, p5는 상기 제1 데이터의 특징점들이고,
,
,
은 상기 제2 데이터의 특징점들일 때,
를 만족하면, 상기 제1 데이터와 상기 제2 데이터가 일치하는 같은 영역을 가지고 있는 것으로 판단하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항에 있어서,
상기 제2 데이터가 상악 데이터인 경우, 상기 제2 데이터의 제1 특징점, 제2 특징점 및 제3 특징점 중 상기 제1 방향 벡터 방향으로 최고점을 추출하는 단계;
상기 최고점으로부터 상기 제1 방향 벡터의 양의 방향으로 제1 거리 이동 지점에 상기 제1 방향 벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계; 및
상기 제2 데이터의 상기 최고점으로부터 상기 제1 방향 벡터의 음의 방향으로 제2 거리 이동 지점에 상기 제1 방향 벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계를 더 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제10항에 있어서,
상기 제2 데이터가 하악 데이터인 경우, 상기 제2 데이터의 제1 특징점, 제2 특징점 및 제3 특징점 중 상기 제1 방향 벡터 방향으로 최저점을 추출하는 단계;
상기 최저점으로부터 상기 제1 방향 벡터의 양의 방향으로 상기 제1 거리 이동 지점에 상기 제1 방향 벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계; 및
상기 제2 데이터의 상기 최저점으로부터 상기 제1 방향 벡터의 음의 방향으로 상기 제2 거리 이동 지점에 상기 제1 방향 벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계를 더 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제11항에 있어서,
상기 제2 데이터의 상기 제2 특징점으로부터 우측 치아 특징점을 향하는 벡터를
이라 하고, 상기 제2 특징점으로부터 좌측 치아 특징점을 향하는 벡터를
이라 할 때,
상기 우측 치아 특징점에서 상기
벡터 방향으로 제3 거리만큼 이동한 지점에 상기
벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계; 및
상기 좌측 치아 특징점에서 상기
벡터 방향으로 상기 제3 거리만큼 이동한 지점에 상기
벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계를 더 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제12항에 있어서, 상기 제3 거리는 상기 제1 거리 및 상기 제2 거리보다 작은 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제12항에 있어서,
상기 우측 치아 특징점에서 상기
벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기
벡터로부터 +90도로 회전한 제1 벡터를 법선 벡터로 하고 상기 제1 벡터로 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 제2 데이터를 자르는 단계;
상기 우측 치아 특징점에서 상기
벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기
벡터로부터 -90도로 회전한 제2 벡터를 법선 벡터로 하고 상기 제2 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 제2 데이터를 자르는 단계;
상기 좌측 치아 특징점에서 상기
벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기
벡터로부터 -90도로 회전한 제3 벡터를 법선 벡터로 하고 상기 제3 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 제2 데이터를 자르는 단계; 및
상기 좌측 치아 특징점에서 상기
벡터 방향으로 상기 제3 거리만큼 이동한 지점에서 상기
벡터로부터 +90도로 회전한 제4 벡터를 법선 벡터로 하고 상기 제4 벡터로 상기 제4 거리만큼 이동한 지점에서 무한한 평면으로 상기 제2 데이터를 자르는 단계를 더 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제14항에 있어서, 상기 제4 거리는 상기 제1 거리, 상기 제2 거리 및 상기 제3 거리보다 큰 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제12항에 있어서,
상기 제2 데이터의 상기 제2 특징점에서 상기
벡터와 상기
벡터의 합인
벡터 방향으로 제5 거리만큼 이동한 지점에서 상기
벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계; 및
상기 제2 데이터의 상기 제2 특징점에서
벡터 방향으로 상기 제5 거리만큼 이동한 지점에서 상기
벡터를 법선 벡터로 하는 무한한 평면으로 상기 제2 데이터를 자르는 단계를 더 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항에 있어서, 상기 제2 데이터의 소스 포인트를 상기 제1 데이터의 상기 제1 커브 상에서 탐색하여 후보 타겟 포인트를 생성하는 단계는
상기 제1 데이터의 상악의 복수의 특징점들 또는 상기 제1 데이터의 하악의 복수의 특징점들을 기초로 상기 제1 커브, C(u)를 계산하는 단계를 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제17항에 있어서, 상기 소스 포인트는 좌측 치아 특징점, 제2 특징점, 우측 치아 특징점의 3개의 점을 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제18항에 있어서,
은 상기 좌측 치아 특징점이고,
는 상기 제2 특징점이며,
은 상기 우측 치아 특징점이고,
타겟 포인트의 첫 번째 점은 C(u) 상에서 파라미터 u를 제1 값만큼 증가시키면서 탐색하고, 상기 타겟 포인트의 두 번째 점은 C(u) 상에서 상기 파라미터 u를 제2 값만큼 증가시키면서
가 최소가 되는 C(u2)를 탐색하며, 상기 타겟 포인트의 세 번째 점은 C(u) 상에서 상기 파라미터 u를 제3 값만큼 증가시키면서
이 최소가 되는 C(u3)를 탐색하고,
상기 d11, d12 및
이 모두 제2 쓰레스홀드값보다 작으면 상기 타겟 포인트 C(u1), C(u2) 및 C(u3)는 상기 후보 타겟 포인트로 선정되며,
상기 후보 타겟 포인트는 C(u1), C(u2) 및 C(u3)의 3개의 점을 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제17항에 있어서, 상기 후보 타겟 포인트와 상기 제1 데이터의 특징점의 에러가 가장 작은 값을 최종 후보로 결정하는 단계는
변환 매트릭스를 이용하여 상기 후보 타겟 포인트를 상기 제1 데이터의 도메인으로 변환하는 단계; 및
상기 변환된 후보 타겟 포인트와 상기 제1 데이터의 특징점 간의 거리의 평균으로 변환 에러를 측정하는 단계를 포함하는 것을 특징으로 하는 치과용 3차원 데이터 위치 정렬 자동화 방법.
제1항 내지 20항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체.