KR102539485B1 - 3d 프린팅 시스템에서 슬라이스 색상 집합을 결정하기 방법 및 장치 - Google Patents

Abstract

본 명세서는 3D(3-dimension) 프린팅 시스템에 관한 것으로, 3D 프린팅 시스템은, 서로 다른 색상의 재료들을 이용하여 복수의 슬라이스들로 구성된 인공 치아를 프린팅하도록 제어하는 3D 프린터, 및 상기 3D 프린터의 프린팅 동작을 위해 필요한 데이터를 위한 인공 신경망을 학습하고, 상기 학습된 인공 신경망을 이용하여 치아 이미지로부터 슬라이스 별 색상 값들의 집합을 결정하는 서버를 포함할 수 있다.

Description

3D 프린팅 시스템에서 슬라이스 색상 집합을 결정하기 방법 및 장치{method and apparatus for determining slice color set in 3-dimension printing system}

본 발명은 3D(3-dimension) 프린팅 시스템에서 슬라이스 색상 집합을 결정하기 위한 방법 및 장치에 관한 것이다.

3D(3-dimension) 프린터는 컴퓨터 설계 프로그램으로 만든 3차원 데이터를 바탕으로 성형 소재를 적층하여 성형물을 성형하기 위한 시스템이다. 3D 프린팅 방식으로 열에 녹는 고체 플라스틱 소재를 실타래처럼 뽑아 이것을 조금씩 녹여가며 쌓는 FDM(Fused Deposition Modeling) 방식, 광경화수지에 레이저 광을 주사하여 주사된 부분이 경화되는 원리를 이용한 SLA(Stereo Lithography Apparatus) 방식, SLA 방식에서 광경화수지 대신에 기능성 고분자 또는 금속분말을 사용하며 레이저 광선을 주사하여 고결시켜 성형하는 원리를 이용한 SLS(Selective Laser Sintering) 방식, 광경화수지가 저장된 저장조의 하부로 광을 조사하여 부분적으로 경화되는 원리를 이용한 DLP(Digital Light Processing) 방식 등이 있다.

DLP 방식의 경우, 수조에 광경화수지를 도포한 후, 경화된 수지를 분리하기 위한 플레이트(plate)가 수지에 접촉되면, 원하는 형상으로 수지가 경화되도록 빛을 조사하는 동작이 수행된다. 빛의 조사에 의해 성형물이 생성되면, 플레이트가 상승하고, 성형물이 경화되지 않은 수지와 분리된다. 이때, 수조와 성형물의 분리를 용이하게 하기 위해, 수지 및 수조 사이에 이형 필름(releasing film)이 삽입된다.

중국특허등록공보 106217882(2019.03.15.)
공개특허공보 제10-2019-0119588호(2019.10.22.)
공개특허공보 제10-2018-0092786호(2018.08.20.)

본 명세서에서는 3D(3-dimension) 프린팅 시스템에서 슬라이스 색상 집합을 효과적으로 결정하기 위한 방법 및 장치를 제시하고자 한다.

상기한 과제를 해결하기 위한 일 실시 예에 따른, 3D(3-dimension) 프린팅 시스템은, 서로 다른 색상의 재료들을 이용하여 복수의 슬라이스들로 구성된 인공 치아를 프린팅하도록 제어하는 3D 프린터, 및 상기 3D 프린터의 프린팅 동작을 위해 필요한 데이터를 위한 인공 신경망을 학습하고, 상기 학습된 인공 신경망을 이용하여 치아 이미지로부터 슬라이스 별 색상 값들의 집합을 결정하는 서버를 포함할 수 있다.

상기 3D 프린터는, 상기 서버에 의해 결정된 슬라이스 별 색상 값들의 집합에 따라 상기 인공 치아를 프린팅하도록 제어할 수 있다.

상기 치아 이미지는, 상기 인공 치아에 의해 대체될 치아가 아닌 다른 위치의 치아에 대한 이미지를 포함할 수 있다.

상기 서버는, 학습 데이터를 획득하고, 상기 학습 데이터에 포함되는 치아 이미지를 치아의 길이 방향으로 정렬하고, 상기 정렬된 치아 이미지에서 수직한 방향으로 복수의 슬라이스 영역들을 생성하고, 상기 슬라이스 영역들 마다 대표 색상을 도출한 후, 학습을 수행할 수 있다.

상기 서버는, 상기 치아 이미지를 촬영할 때의 환경 및 카메라 설정 중 적어도 하나에 대한 정보를 획득하고, 상기 획득된 정보에 기반하여 상기 치아 이미지를 전처리함으로써 기준 환경 및 기준 설정으로 촬영된 이미지로 평준화할 수 있다.

상기 서버는, 상기 인공 신경망을 이용하여 결정된 색상 값들의 집합에 포함된 슬라이스 별 색상 값들 중 적어도 하나를 상기 수조부 또는 상기 프린팅 베드의 기계적 구동의 스케줄링을 고려하여 수정할 수 있다.

상기 3D 프린터는, 프린팅 베드. 상기 프린팅 베드의 하단에 위치하는 적어도 하나의 수조를 포함하는 수조부, 상기 수조부를 이동시키는 수조 이동 수단, 상기 수조부의 하단에 위치하는 광조사부, 및 상기 수조 이동 수단을 제어하여 적어도 하나의 수조에 수용된 혼합액을 이용하여 인공 치아를 프린팅하도록 제어하는 제어부를 포함할 수 있다.

상기 서버는, 상기 복수의 수조들 간 이동을 최소화하도록 상기 슬라이스 별 색상 값들 중 적어도 하나를 수정할 수 있다.

상기 서버는, 외부 통신 망을 통해 접속 가능한 중앙 서버로부터 학습 데이터를 수신하고, 상기 학습 데이터를 이용하여 상기 인공 신경망을 학습할 수 있다.

상기 서버는, 외부 통신 망을 통해 접속 가능한 중앙 서버로부터 학습된 인공 신경망의 파라미터 정보를 수신하고, 상기 파라미터 정보를 이용하여 상기 인공 신경망을 전이 학습할 수 있다.

또한, 상기한 과제를 해결하기 위한 일 실시 예에 따른, 3D(3-dimension) 프린팅 시스템에서 인공 치아를 3D 프린팅하는 방법은, 학습된 인공 신경망을 이용하여 치아 이미지로부터 슬라이스 별 색상 값들의 집합을 결정하는 단계, 및 상기 슬라이스 별 색상 값들의 집합에 따라, 서로 다른 색상의 혼합액들을 이용하여 복수의 슬라이스들로 구성된 인공 치아를 프린팅할 수 있다.

또한, 상기한 과제를 해결하기 위한 일 실시 예에 따른 컴퓨터로 읽을 수 있는 기록 매체는 전술한 일 실시 예에 따른 3D 프린팅 시스템를 이용하여 사물을 성형하는 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체일 수 있다.

본 명세서에 기재된 기술적 사항에 따라, 3D 프린팅 시스템은 인공 지능 알고리즘을 이용하여 대상 치아와 유사한 색상을 표현할 수 있는 슬라이스 색상 집합을 결정할 수 있다.

도 1은 일 실시 예에 따른 3D(3-dimension) 프린팅 시스템을 나타내는 도면이다.
도 2a 내지 도 2d는 일 실시 예에 따른 3D 프린팅 시스템에서 3D 프린터(printer)의 구조를 나타내는 도면이다.
도 3a 내지 도 3c는 일 실시 예에 따른 3D 프린팅 시스템에서 직선 이동하는 사각 플레이트 상에 배치된 복수의 수조들을 포함하는 3D 프린터의 구조의 일 예를 나타내는 도면이다.
도 4는 일 실시 예에 따른 3D 프린팅 시스템에서 회전하는 원형 플레이트 상에 배치된 복수의 수조들의 일 예를 나타내는 도면이다.
도 5는 일 실시 예에 따른 3D 프린팅 시스템에서 회전하는 사각 플레이트 상에 배치된 복수의 수조들의 다른 예를 나타내는 도면이다.
도 6은 일 실시 예에 따른 3D 프린팅 시스템에 적용 가능한 인공 신경망의 구조를 나타내는 도면이다.
도 7은 일 실시 예에 따른 3D 프린팅 시스템에서 3D 프린팅을 수행하기 위한 절차를 나타내는 도면이다.
도 8은 일 실시 예에 따른 3D 프린팅 시스템에서 상호 연동 가능한 로컬 3D 프린팅 시스템들의 구조를 나타내는 도면이다.

이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시 되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.

명세서 및 청구범위에서 "제1", "제2", "제3" 및 "제 4" 등의 용어는, 만약 있는 경우, 유사한 구성요소 사이의 구분을 위해 사용되며, 반드시 그렇지는 않지만 특정 순차 또는 발생 순서를 기술하기 위해 사용된다. 그와 같이 사용되는 용어는 여기에 기술된 본 발명의 실시 예가, 예컨대, 여기에 도시 또는 설명된 것이 아닌 다른 시퀀스로 동작할 수 있도록 적절한 환경하에서 호환 가능한 것이 이해될 것이다. 마찬가지로, 여기서 방법이 일련의 단계를 포함하는 것으로 기술되는 경우, 여기에 제시된 그러한 단계의 순서는 반드시 그러한 단계가 실행될 수 있는 순서인 것은 아니며, 임의의 기술된 단계는 생략될 수 있고/있거나 여기에 기술되지 않은 임의의 다른 단계가 그 방법에 부가 가능할 것이다.

또한 명세서 및 청구범위의 "왼쪽", "오른쪽", "앞", "뒤", "상부", "바닥", "위에", "아래에" 등의 용어는, 설명을 위해 사용되는 것이며, 반드시 불변의 상대적 위치를 기술하기 위한 것은 아니다. 그와 같이 사용되는 용어는 여기에 기술된 본 발명의 실시 예가, 예컨대, 여기에 도시 또는 설명된 것이 아닌 다른 방향으로 동작할 수 있도록 적절한 환경하에서 호환 가능한 것이 이해될 것이다. 여기서 사용된 용어 "연결된"은 전기적 또는 비 전기적 방식으로 직접 또는 간접적으로 접속되는 것으로 정의된다. 여기서 서로 "인접하는" 것으로 기술된 대상은, 그 문구가 사용되는 문맥에 대해 적절하게, 서로 물리적으로 접촉하거나, 서로 근접하거나, 서로 동일한 일반적 범위 또는 영역에 있는 것일 수 있다. 여기서 "일실시 예에서"라는 문구의 존재는 반드시 그런 것은 아니지만 동일한 실시 예를 의미한다.

또한 명세서 및 청구범위에서 '연결된다', '연결하는', '체결된다', '체결하는', '결합된다', '결합하는' 등과 이런 표현의 다양한 변형들의 지칭은 다른 구성요소와 직접적으로 연결되거나 다른 구성요소를 통해 간접적으로 연결되는 것을 포함하는 의미로 사용된다.

또한, 본 명세서에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.

또한 본 명세서에서 사용된 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprise)' 및/또는 '포함하는(comprising)'은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

또한, 발명을 설명함에 있어서 발명과 관련된 공지 기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하에는 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 상세하게 설명한다.

도 1은 일 실시 예에 따른 3D(3-dimension) 프린팅 시스템을 나타내는 도면이다.

도 1을 참고하면, 3D 프린팅 시스템은 3D 프린터(printer)(110), 학습 서버(120)를 포함한다.

3D 프린터(110)는 설정된 3D 모델 데이터에 기반하여 3D 프린팅을 수행하는 장치이다. 3D 프린터(110)는 광을 조사함으로써 혼합액을 경화시키는 과정을 통해 원하는 형태의 3D 형상을 프린팅한다. 3D 프린터(110)는 미리 저장된 3D 모델 데이터를 이용하거나 또는 외부로부터 입력되는 3D 모델 데이터를 이용할 수 있다. 예를 들어, 3D 프린터(110)는 학습 서버(120)로부터 제공되는 3D 모델 데이터에 기반하여 3D 프린팅을 수행할 수 있다.

학습 서버(120)는 3D 프린터(110)에서 사용되는 3D 모델 데이터의 적어도 일부를 결정한다. 일 실시 예에 따라, 학습 서버(120)는 AI(Artificial Intelligence) 기반 알고리즘을 이용하여 3D 모델 데이터의 적어도 일부를 생성한다. 이를 위해, 학습 서버(120)는 학습 데이터를 획득하고, 머신 러닝(machine learning) 또는 딥 러닝(deep learning)을 수행할 수 있다. 또한, 학습 서버(120)는 학습된 알고리즘(예: 인공 신경망)을 이용하여 추론(inference)을 수행함으로써 3D 모델 데이터의 적어도 일부를 생성할 수 있다. 그리고, 학습 서버(120)는 생성된 3D 모델 데이터를 3D 프린터(110)로 제공한다. 이를 위해, 학습 서버(120)는 적어도 하나의 프로세서, 통신부, 저장부를 포함할 수 있고, 사용자와의 상호 작용을 위해 입력부, 출력부를 더 포함할 수 있다.

일 실시 예에 따라, 3D 프린터(110) 및 학습 서버(120)는 같은 공간에 설치되어 유선 링크 또는 무선 링크 상에서 직접 연결을 형성할 수 있다. 형성된 연결을 통해, 3D 프린터(110) 및 학습 서버(120)는 필요한 데이터를 송신 및 수신할 수 있다. 또는, 다른 실시 예에 따라, 3D 프린터(110) 및 학습 서버(120)는 외부 망(예: 인터넷 망)을 통해 연결될 수 있다. 이 경우, 학습 서버(120)는 클라우드 서버의 형태로 구현될 수 있다.

도 2a 내지 도 2d는 일 실시 예에 따른 3D 프린팅 시스템에서 3D 프린터(printer)의 구조를 나타내는 도면이다.

도 2a 내지 도 2d를 참고하면, 일 실시 예에 따른 3D 프린터는 광조사부(230)에서 방출된 광을 조사받아 경화된 성형물을 지지하는 프린팅 베드(210), 프린팅 베드의 하부 및 광조사부(230)의 상부로 특정되는 프린팅 공간에 위치하며 파우더와 바인더가 혼합된 혼합액을 수용하는 적어도 하나의 수조를 포함하는 수조부(220), 수조의 하부에 위치하며 제어된 광을 조사하여 혼합액을 경화함으로써 성형물의 면-분할된 층을 생성하는 광조사부(230) 및 앞서 설명한 적어도 하나의 구성을 전자적으로 제어하는 제어부(미도시)를 포함하여 구성될 수 있다.

광조사부(230)는 경화성 광을 방출하는 광원(231)과 이를 반사하는 반사판(232)으로 구성될 수 있다. 또는 광조사부(230)는 별도의 반사판 없이 수조의 하면에 밀착하여 구비된 LED(light emission diode) 패널로 구성될 수도 있다. 수조의 하면(221)은 광투과성 필름으로 구성될 수 있다. 이에 따라, 광조사부(230)에서 조사되는 경화성 광이 수조에 수용된 혼합액에 도달할 수 있다. 이에 따라, 광조사부(230)에서 조사된 광은 수조의 하면을 투과하여 수조에 수용된 혼합액을 경화할 수 있다. 혼합액의 광투과성이 낮기 때문에, 광조사부(230)에서 조사된 광에 따라 혼합액이 경화되어 생성된 성형물은 성형물의 면-분할된 층을 이루게 된다.

일 실시 예에서, 경화된 성형물은 프린팅 베드(210)의 하면에 생성될 수 있다. 프린팅 베드(210)의 하면에 성형물의 면-분할된 층이 성형되기 위하여, 프린팅 베드(210)는 상하로 이동할 수 있다. 예를 들어 도 2b와 유사하게 프린팅 베드(210)가 수조의 하면에 소정의 거리를 두고 이격하여 위치하는 경우, 프린팅 베드(210)와 수조의 하면 사이에 소정의 거리에 따른 두께만큼 혼합액이 위치하게 된다. 광조사부(230)에서 방출된 경화성 광이 수조 하면으로 조사되는 경우, 혼합액이 경화되게 되고, 이에 따라 프린팅 베드(210)의 하면에 성형물의 면-분할된 층이 생성되게 된다.

마찬가지 방식으로, 프린팅 베드(210)의 하면에 생성된 성형물의 면-분할된 층이 수조의 하면과 소정의 거리를 두고 위치하게 한 후, 수조의 하면에 경화성 광을 조사할 수 있다. 이에 따라 프린팅 베드(210)의 하면에 성형물의 면-분할된 층이 연속적으로 생성될 수 있다. 이를 반복함으로써, 성형물이 프린팅 베드(210)의 하면에 생성될 수 있다.

한편, 이와 같이 프린팅 베드(210)를 수조 내에서 상하 이동시키는 경우, 혼합액의 점성으로 인하여, 프린팅 베드(210)의 하면과 수조 하면 사이에 혼합액이 불균일하게 존재할 수 있다. 혼합액이 균일하게 존재하도록 일 실시 예에 따른 수조는 도 2c과 같이 교반부(222)를 더 포함할 수 있다. 일 실시 예에 따른 교반부는 판(plate)형상의 판체로 이루어진 블레이드(222a)를 포함할 수 있다. 블레이드는 수조내 혼합액의 표면을 고르게 하기 위하여 수조내 혼합액의 표면에서 직선 왕복 운동을 할 수 있다.

교반부(222)는 직선 왕복 운동을 하기 위하여, 액츄에이터(224)에 연결될 수 있다. 일 실시 예에서, 액츄에이터(224)는 회전 운동에너지를 제공하는 모터일 수 있다. 모터의 회전력은 동력 전달부(223)를 통해 교반부(222)로 제공될 수 있다. 예를 들어, 동력 전달부(223)는 볼 스크류를 포함할 수 있고, 교반부(222)는 스크류 관을 포함할 수 있다.

한편, 전술한 바와 같이 수조 내에서 혼합액이 교반됨에 따라 하나의 수조에는 한가지 혼합액이 수용되게 된다. 이에 따라 성형물의 각 층을 다른 성분으로 형성하기 위하여는 혼합액을 변경할 필요가 존재한다. 예를 들어, 성형물의 각 층을 서로 다른 색으로 성형하고자 하는 경우, 각 층을 성형하기 전에 수조 내 혼합액을 매번 교체하여야 하게 된다.

일 실시 예에 따른 3D 프린터의 수조부(220)는 복수의 수조를 포함하여 구성될 수 있다. 앞서, 단일 수조가 프린팅 베드(210)와 광조사부(230) 사이의 공간인 프린팅 공간에 위치하여 3D 프린터가 구성된 예가 도 2a 및 2d를 참고하여 설명되었다. 그러나, 후술하는 바와 같이, 복수의 수조들를 포함하는 수조부(220)가 3D 프린터에 채택될 수도 있다.

도 3a 내지 도 3c는 일 실시 예에 따른 3D 프린팅 시스템에서 직선 이동하는 사각 플레이트 상에 배치된 복수의 수조들을 포함하는 3D 프린터의 구조의 일 예를 나타내는 도면이다.

도 3a 내지 도 3c을 참고하면, 일 실시 예에 따른 수조부(220)는 복수의 수조를 포함할 수 있으며, 예를 들어 제1 수조(321), 제2 수조(322) 및 제3 수조(323)를 포함할 수 있다. 본 예에서는 3개의 수조가 포함되는 예를 설명하나, 수조의 개수는 제한되지 않는다. 또한 수조에 수용된 혼합액의 성분은 서로 다를 수 있다.

각 수조는 플레이트(320) 상에 수용될 수 있다. 수조의 하면에 경화성 광이 조사되도록, 수조가 위치되는 플레이트(320)의 영역은 광투과성 소재로 구성되어 있거나, 천공되어 실질적으로 뚫려 있을 수 있다.

도 3a 내지 도 3c의 예와 같이, 플레이트는 사각 형태일 수 있으며, 플레이트(320)의 일 부분이 3D 프린터의 프린팅 공간(310)에 위치될 수 있다. 도 3a 및 도 3b는 제2 수조(322)가 프린팅 공간에 위치하는 예를 개념적으로 나타낸다. 프린팅 공간은 전술한 바와 같이 프린팅 베드(210)와 광조사부(230) 사이의 공간일 수 있다.

일 실시 예에서, 플레이트(330)는 좌우로 이동할 수 있다. 플레이트가 좌우로 이동하기 위하여, 수조부(220)는 기어, 벨트, 휠 등으로 구성되는 수조 이동 수단을 더 포함할 수 있다. 수조 이동 수단은 제어부의 제어에 따라 플레이트(330)를 이동시킴으로써 수조의 위치를 변경시킬 수 있다.

플레이트(320)가 이동됨으로써 프린팅 공간에 위치하는 수조가 변경될 수 있다. 이에 따라, 일 실시 예에 따른 3D 프린터는 성형물의 각 층을 성형할 때 마다 각 층을 성형하기 위하여 사용되는 수조를 변경할 수 있다. 예를 들어, 도 3a 및 3b에 도시된 플레이트가 우측으로 이동하는 경우, 제2 수조(322)는 프린팅 공간(310)에서 벗어나고, 도 3c과 같이, 제1 수조(321)가 프린팅 공간(310)에 위치할 수 있다. 이에 따라, 프린팅 베드(210)는 제1 수조(321) 내부로 상하 이동할 수 있고, 광조사부(230)는 제1 수조(321)의 하면으로 경화성 광을 조사할 수 있다.

한편, 앞서 설명한 교반부(222)는 수조가 상기 프린팅 공간에 위치하는 경우에 한하여 액츄에이터(224)로부터 동력을 공급받을 수 있다. 일 실시 예에서, 수조마다 교반부(222)와 동력 전달부(223)가 구비되지만, 액츄에이터(224)는 프린팅 공간(310) 인근에 한 개만 구비될 수 있다. 예를 들어, 프린팅 공간(310)에 수조가 위치하는 경우 동력 전달부(223)와 액츄에이터(224)는 기계적으로 결합되고, 프린팅 공간(310)에 수조가 위치하지 않는 경우 동력 전달부(223)와 액츄에이터(224)는 기계적으로 분리될 수 있다. 예를 들어, 동력 전달부(223)와 액츄에이터(224)는 기어 쌍와 클러치와 같은 분리 가능한 연결부를 통해 연결될 수 있다.

이하 플레이트의 다른 실시 예에 대하여 설명한다. 도 4은 곡면의 형상을 가지는 플레이트(420)와 그에 구비된 복수의 수조를 도시하는 도면이다. 일 실시 예에 따른 수조부(220)는 원형 플레이트(420)와 그에 구비된 4개의 수조를 포함하여 구성될 수도 있다. 앞서 설명한 바와 같이 수조의 개수는 제한이 없으며, 수조에 수용된 혼합액의 성분은 서로 다를 수 있다.

원형 플레이트(420)는 원형 플레이트(420)를 회전시키기 위한 액츄에이터(430)를 포함할 수 있다. 이에 따라 원형 플레이트(420)는 회전함으로써 프린팅 공간(410)에 위치하는 수조(421)를 변경할 수 있다. 이에 따라, 일 실시 예에 따른 3D 프린터는 성형물의 각 층을 성형할 때 마다 각 층을 성형하기 위하여 사용되는 수조를 원형 플레이트(420)를 회전시킴으로써 변경할 수 있다.

한편, 플레이트는 도 5와 같이 사각의 형상을 가지는 사각 플레이트(520)일 수 있다. 도 5는 사각 형상을 가지는 플레이트(520)와 그에 구비된 복수의 수조를 도시하는 도면이다. 앞서 설명한 바와 같이 수조의 개수는 제한이 없으며, 수조에 수용된 혼합액의 성분은 서로 다를 수 있다. 사각 플레이트(520) 또한 액츄에이터(530)에 의하여 회전함으로써, 프린팅 공간(510)에 위치하는 수조(521)를 변경할 수 있다.

도 3a 내지 도 5를 참고하여 설명한 바와 같이, 수조부(220)는 복수의 수조들을 포함할 수 있다. 복수의 수조들을 이용하여 성형 동작을 수행하기 위해, 수조부(220)가 회전 또는 이동함으로써 해당 수조가 프린팅 베드(210)와 정렬된다. 하지만, 다른 실시 예에 따라, 수조부(220)는 고정되어 있고, 프린팅 베드(210)가 이동함으로써 해당 수조와 정렬될 수 있다. 이를 위해, 프린팅 베드(210)를 이동시키기 위한 액츄에이터가 더 포함된다. 이 경우, 일 실시 예에 따라, 광조사부(230)는 프린팅 베드(210)와 함께 이동할 수 있다. 또는, 다른 실시 예에 따라, 광조사부(230)는 회전 가능한 반사판을 포함하고, 반사판의 자세(예: 각도, 높이 등)를 조절함으로써 성형 동작이 수행되는 수조에 광을 조사할 수 있다. 또는, 또 다른 실시 예에 따라, 복수의 수조들을 위한 복수의 광조사부들이 배치될 수도 있다.

도 2 내지 도 5를 참고하여 설명된 3D 프린터는, DLP(Digital Light Processing) 방식을 위한 구조를 가진다. DLP 방식은 광경화수지가 저장된 저장조의 하부로 광을 조사하여 부분적으로 경화되는 원리를 이용한 방식이다. 그러나, 다양한 실시 예들에 따라, DLP 방식 외에도, 열에 녹는 고체 플라스틱 소재를 실타래처럼 뽑아 이것을 조금씩 녹여가며 쌓는 FDM(Fused Deposition Modeling) 방식, 광경화수지에 레이저 광을 주사하여 주사된 부분이 경화되는 원리를 이용한 SLA(Stereo Lithography Apparatus) 방식, SLA 방식에서 광경화수지 대신에 기능성 고분자 또는 금속분말을 사용하며 레이저 광선을 주사하여 고결시켜 성형하는 원리를 이용한 SLS(Selective Laser Sintering) 방식 등 다른 방식에 따르는 3D 프린터가 본 발명의 다양한 실시 예들을 위해 사용될 수 있다.

전술한 3D 프린터(110)는 학습 서버(120)와 상호 작용한다. 구체적으로, 학습 서버(120)는 학습 데이터에 기반하여 AI 알고리즘을 학습하고, 학습된 AI 알고리즘을 이용하여 생성된 3D 프린팅을 위한 데이터를 3D 프린터로 제공한다. 여기서, AI는 인간의 지능으로 가능한 사고, 학습 및 분석 등을 컴퓨터 등의 기계가 수행하는 것을 의미한다. 최근 이러한 AI를 3D 프린팅 산업에 접목하는 기술이 증가하고 있는 실정이다. AI를 구현하기 위해, 인공 신경망(Artificial Neural Network, ANN)이 널리 사용된다. 본 발명에 적용 가능한 인공 신경망의 일 예는 이하 도 6과 같다.

도 6은 일 실시 예에 따른 3D 프린팅 시스템에 적용 가능한 인공 신경망의 구조를 나타내는 도면이다. 도 6을 참고하면, 인공 신경망은 입력 계층(input layer)(610), 적어도 하나의 은닉 계층(hidden layer)(620), 출력 계층(output layer)(630)으로 이루어진다. 계층들(610, 620, 630) 각각은 복수의 노드(node)들로 구성되어 있으며, 노드들 각각은 이전 계층에 속한 적어도 하나의 노드의 출력과 연결되어 있다. 각 노드는 이전 계층의 노드들의 각 출력 값과 그에 상응하는 연결 가중치(weight)를 내적(inner product)한 값에 바이어스(bias)를 더한 후, 비선형(non-linear)인 활성화 함수(activation function)와 곱한 출력 값을 다음 계층의 적어도 하나의 뉴런에게 전달한다.

본 발명의 다양한 실시 예에서 사용되는 인공 신경망 모델은 완전 합성곱 신경망(fully convolutional neural network), 합성곱 신경망(convolutional neural network, CNN), 순환 신경망(recurrent neural network, RNN), 제한 볼츠만 머신(restricted Boltzmann machine, RBM) 및 심층 신뢰 신경망(deep belief neural network, DBN) 중 적어도 하나를 포함할 수 있으나, 이에 한정되지 않는다. 또는, 딥러닝 이외의 머신 러닝 방법도 포함할 수 있다. 또는 딥러닝과 머신 러닝을 결합한 하이브리드 형태의 모델도 포함할 수 있다. 예컨대, 딥러닝 기반의 모델을 적용하여 영상의 특징을 추출하고, 상기 추출된 특징에 기초하여 영상을 분류하거나 인식할 때는 머신 러닝 기반의 모델을 적용할 수도 있다. 머신 러닝 기반의 모델은 서포트 벡터 머신(support vector machine, SVM), 에이다부스트(AdaBoost) 등을 포함할 수 있으나, 이에 한정되지 않는다.

전술한 구조의 3D 프린터를 이용하여 3D 프린팅을 수행하는 경우, 광의 조사에 따라 혼합액이 경화되며, 이러한 조사 및 경화의 과정을 통해 하나의 슬라이스(slice)가 생성된다. 형성된 슬라이스를 다시 혼합액에 접촉시키고 경화시킴으로써, 새로운 슬라이스가 적층적으로 생성된다. 이러한 광 조사 및 경화의 과정을 반복적으로 수행하면, 복수의 슬라이스들이 적층됨에 따라, 인공 치아가 형성된다. 이때, 각 슬라이스를 생성하기 위해 사용되는 혼합액의 색상을 달리할 수 있다. 즉, 슬라이스 별로 색상을 지정하는 것이 가능하다. 복수의 슬라이스들로 구성된 인공 치아에서 슬라이스 별로 지정된 색상 값들은 '슬라이스 색상 집합'이라 지칭될 수 있다.

본 발명의 일 실시 예에 따라, 3D 프린팅 시스템은 인공 치아의 색상과 유사한 색상을 가지는 슬라이스 색상 집합을 구현할 수 있다. 슬라이스 색상 집합을 포함하는 3D 모델 데이터가 생성될 수 있으며, 생성된 3D 모델 데이터에 기반하여 인공 치아가 3D 프린팅될 수 있다.

도 7은 일 실시 예에 따른 3D 프린팅 시스템에서 3D 프린팅을 수행하기 위한 절차를 나타내는 도면이다. 도 7은 3D 프린터(110) 및 학습 서버(120)의 동작 및 신호 교환을 예시한다.

도 7을 참고하면, S701 단계에서, 학습 서버(120)는 학습 데이터를 획득한다. 학습 데이터는 이하 S703 단계에서 텍스쳐링 모델을 생성하기 위한 입력 데이터 세트이다. 예를 들어, 입력 데이터 세트는 대상 치아 이미지, 슬라이스 색상 집합 중 적어도 하나를 포함할 수 있다. 나아가, 입력 데이터 세트는 부가 정보(예: 이미지 제공자의 연령, 해당 치아의 위치 등)를 더 포함할 수 있다.

S703 단계에서, 학습 서버(120)는 텍스쳐링 모델을 생성한다. 학습 서버(120)는 입력 데이터 세트를 이용하여 인공 치아 텍스쳐링 모델을 생성한다. 여기서, 인공 치아 텍스쳐링 모델은 AI 알고리즘에 기반한 인공 신경망 네트워크 모델로서, 치아 이미지를 입력으로서 이용하여 슬라이스 색상 데이터를 추론하는 알고리즘이다. 다시 말해, 학습 서버(120)는 학습 데이터를 이용하여 학습(예: 머신 러닝, 딥 러닝)을 수행한다. 이때, 대상 치아 이미지와 슬라이스 색상 집합은 동일 방향, 동일 길이로 전처리될 수 있다. 예를 들어, 대상 치아 이미지와 슬라이스 색상 집합은 동일 좌표계에서 표현되며, 각 좌표계에서의 대응되는 지점들은 서로 대응되는 부분을 표현할 수 있다. 일 실시 예에 따라, 학습되는 인공 신경망 모델은 CNN(convolutional neural network) 모델을 포함할 수 있다.

S705 단계에서, 학습 서버(120)는 치아 이미지를 수신한다. 치아 이미지는 3D 프린팅 하고자 하는 인공 치아로 대체될 치아(예: 왼쪽 둘째 작은 어금니를 인공 치아로 제작하고자 하는 경우 왼쪽 둘째 작은 어금니) 또는 동일인의 다른 치아(예: 왼쪽 둘째 작은 어금니를 인공 치아로 제작하고자 하는 경우 왼쪽 둘째 작은 어금니가 아닌 다른 치아)에 대한 이미지를 포함할 수 있다. 여기서 다른 치아는 대상 치아와 대칭되는 치아(예: 왼쪽 둘째 작은 어금니를 인공 치아로 제작하고자 하는 경우 오른쪽 둘째 작은 어금니) 또는 인접한 치아(예: 왼쪽 둘째 작은 어금니를 인공 치아로 제작하고자 하는 경우 왼쪽 첫째 작은 어금니 또는 왼쪽 첫째 큰 어금니) 중 적어도 하나를 포함할 수 있다. 도 7에 도시되지 아니하였으나, 치아 이미지에 더하여, 슬라이스 색상 데이터를 생성하기 위한 추론 동작에 필요한 부가 정보가 더 수신될 수 있다.

S707 단계에서, 학습 서버(120)는 슬라이스 색상 데이터를 생성한다. 학습 서버(120)는 텍스쳐링 모델을 이용하여 치아 이미지로부터 슬라이스 색상 데이터를 추론한다. 구체적으로, 학습 서버(120)는 치아 이미지를 인공 신경망의 구조에 따른 입력 데이터로 변환하고, 입력 데이터를 인공 신경망에 입력함으로써 슬라이스 색상 데이터를 획득할 수 있다. 다시 말해, 학습 서버(120)는 대상 치아 이미지를 인공 치아 텍스쳐링 모델에 입력함으로써, 대응되는 슬라이스 색상 집합을 결과물로 획득할 수 있다.

S709 단계에서, 학습 서버(120)는 3D 프린터(110)로 슬라이스 색상 데이터를 송신한다. 여기서, 다른 실시 예에 따라, 슬라이스 색상 데이터는 슬라이스 색상 데이터를 반영한 3D 모델 데이터로 대체될 수 있다. 이 경우, 기초가 되는 3D 모델 데이터는 치아 이미지와 함께 제공되거나 또는 학습 서버(120)에 미리 저장될 수 있다.

S711 단계에서, 3D 프린터(110)는 3D 프린팅을 수행한다. 이때, 학습 서버(120)로부터 슬라이스 색상 데이터가 수신된 경우, 3D 프린터(110)는 슬라이스 색상 집합, 즉, 슬라이스 색상 데이터를 3D 모델 데이터에 적용함으로써, 대상 치아로 발색되는 3D 모델 데이터를 획득할 수 있다. 슬라이스 색상 데이터를 반영하는 경우, 3D 모델 데이터의 슬라이스 층 마다, 지정된 색상으로 재료의 색상이 결정된다. 그리고, 3D 프린터(110)는 슬라이스 색상 데이터를 반영한 3D 모델 데이터에 기반하여 3D 프린팅을 수행한다.

도 7을 참고하여 설명한 절차에서, 학습 서버(120)는 학습 데이터를 이용하여 텍스쳐링 모델을 생성한다. 학습을 위하여, 학습 서버(120)는 학습 데이터에 포함된 치아 이미지로부터 학습 인자(factor)들을 추출할 수 있다. 예를 들어, 학습 인자들은 이미지에 표현된 치아의 위치, 치아의 촬영 각도, 치아의 색상, 이미지 제공자의 연령 중 적어도 하나를 포함할 수 있다. 만일, 추출하고자 하는 학습 인자가 부가 정보로서 제공된 경우, 추출 동작은 생략될 수 있다.

도 7을 참고하여 설명한 절차에서, 학습 서버(120)는 학습 데이터에 기반하여 텍스쳐링 모델을 생성한다. 이때, 학습 데이터는 치아 이미지를 포함할 수 있으며, 학습 데이터에 포함된 치아 이미지는 전처리될 수 있다. 다양한 실시 예들에 따라, 인공 치아는 치아의 길이방향으로 적층 생성되는 점, 슬라이스는 길이 방향에 수직하고, 동일한 색을 가지는 점에서 다음과 같은 방식으로 입력 이미지의 전처리가 가능하다. 예를 들어, 학습 서버(120)는 대상 치아 이미지를 치아의 길이 방향으로(예: 영상에서는 잇몸 위로 자라는 점에서 잇몸에서의 길이 방향을 기준으로 할 수 있음) 정렬하거나 기준선을 정의하고, 정렬된 이미지 또는 기준선에서 수직한 방향으로 복수의 슬라이스 영역을 생성하고, 슬라이스 영역 마다 대표 색상을 도출(예: 컬러 값 평균화 등)할 수 있다. 여기서, 슬라이스 영역은 적어도 하나의 슬라이스를 포함하는 영역으로서, 미리 정의된 비율로, 또는 이미지 분석에 기반하여 적용될 수 있다.

도 7을 참고하여 설명한 절차에서, 학습 서버(120)는 치아 이미지에 기반하여 슬라이스 색상 데이터를 생성한다. 이때, 추가적으로, 치아 이미지는 전처리될 수 있다. 예를 들어, 치아 이미지는 촬영 당시의 조도, 조명 색 등의 영향을 보상하는 방식으로 전처리될 수 있다. 전처리 동작은 학습 서버(120)에 의해 수행되거나 또는 학습 서버(120)로 송신되기 전 치아 이미지를 제공하는 장치에서 수행될 수 있다. 전처리 동작이 학습 서버(120)에 의해 수행되는 경우, 도 7의 S705 단계에서 수신되는 슬라이스 색상 데이터과 함께, 촬영 시 환경 정보(예: 조도, 조명 색) 및 카메라 설정(예: 초점 거리, 셔터 속도 등)을 포함하는 부가 정보가 더 수신될 수 있다.

일 실시 예에 따라, 전처리 동작은 텍스쳐링 모델을 이용한 추론 동작과 별도로 수행될 수 있다. 구체적으로, 전처리 동작은 조명이나 카메라 설정에 의한 왜곡의 보상 작업으로, 정해진 기준 환경 및 기준 설정으로 촬영된 이미지로 평준화(normalization)하는 동작을 포함한다. 즉, 기준 조명 색이 백색광인 경우, 붉은 색 조명 환경에서 촬영된 이미지를 보정하여 백색광에서 촬영한 것과 같이 전처리할 수 있다. 슬라이스 색상 집합을 생성하는 것과 별도로 전처리 동작이 수행되는 경우, 전처리 동작을 위한 별도의 AI 알고리즘이 사용될 수 있다.

도 7을 참고하여 설명한 절차에서, 학습 서버(120)는 3D 프린터(110)에게 슬라이스 색상 데이터를 제공함으로써, 3D 프린터(110)가 슬라이스 색상 데이터에 기반하여 인공 치아를 프린팅하도록 한다. 이때, 추가적으로, 학습 서버(120)가 3D 프린터(110)에게 슬라이스 색상 데이터를 제공하기에 앞서, 텍스쳐링 모델을 이용하여 추론된 슬라이스 색상 데이터에 대한 검증 절차가 수행될 수 있다. 예를 들어, 검증 절차는 결정된 슬라이스 색상 데이터에 기반하여 추정된 프린팅된 인공 치아의 예상 결과에 기반하여 이루어질 수 있다.

일 실시 예에 따라, 학습 서버(120)는 이미지 비교에 기반하여 검증을 수행할 수 있다. 이를 위해, 학습 서버(120)는 슬라이스 색상 데이터에 기반하여 인공 치아의 예상 결과 이미지를 생성한다. 그리고, 학습 서버(120)는 S705 단계에서 수신된 치아 이미지 또는 치아 이미지로부터 생성된 대상 치아의 이미지와 예상 결과 이미지를 비교한다. 비교는 치아 외관의 색상에 대하여 이루어진다. 구체적으로, 학습 서버(120)는 치아 이미지 및 예상 결과 이미지 각각에서 치아를 복수의 영역들로 구획한 후, 구획된 영역 별로 치아 이미지 및 예상 결과 이미지의 색상 값을 비교한다. 예를 들어, 구획의 평균 값, 최대 값, 최소 값, 중간 값 또는 이들의 조합이 비교될 수 있다. 비교 결과, 차이 값이 미리 정의된 임계치 이하이면, 학습 서버(120)는 추론된 슬라이스 색상 데이터가 적절하다고 판단하고, 3D 프린터(110)에게 슬라이스 색상 데이터를 송신한다.

다른 실시 예에 따라, 학습 서버(120)는 사용자의 피드백에 기반하여 검증을 수행할 수 있다. 이를 위해, 학습 서버(120)는 슬라이스 색상 데이터에 기반하여 인공 치아의 예상 결과 이미지를 생성한다. 그리고, 학습 서버(120)는 S705 단계에서 수신된 치아 이미지 또는 치아 이미지로부터 생성된 대상 치아의 이미지와 예상 결과 이미지를 별도의 표시 장치 또는 표시 장치를 가진 다른 장치에게 송신한다. 이에 따라, 사용자는 표시된 이미지들을 확인할 수 있고, 이후 프린팅 동작의 진행 여부에 대해 피드백할 수 있다. 예를 들어, 사용자는 진행을 지시하는 명령을 입력할 수 있고, 학습 서버(120)는 입력된 명령을 통해 추론된 슬라이스 색상 데이터가 적절한지 여부를 판단할 수 있다. 추론된 슬라이스 색상 데이터가 적절하다고 판단되면, 학습 서버(120)는 3D 프린터(110)에게 슬라이스 색상 데이터를 송신한다.

전술한 검증 절차에 대한 설명에서, 텍스쳐링 모델을 이용하여 한 셋트의 슬라이스 색상 데이터가 추론되는 것이 전제되었다. 하지만, 텍스쳐링 모델의 구조에 따라, 복수 셋트들의 슬라이스 셋상 데이터가 추론될 수 있다. 이 경우, 전술한 검증 동작은 복수의 셋트들 중 하나를 선택하는 동작으로서 활용될 수 있다. 즉, 차이 값이 가장 작은 하나의 셋트 또는 사용자에 의해 선택된 하나의 셋트가 이후 프린팅을 위해 사용될 수 있다.

도 7과 같은 절차에 따라, 인공 치아에 적용될 슬라이스 색상 집합이 결정된다. 슬라이스 색상 집합은 학습 서버(120)에 의해 생성되기 때문에, 3D 프린터(110)의 능력(capability) 상황, 프린팅 구동 환경, 장비의 상태 등이 고려되지 못할 수 있다. 따라서, 텍스쳐링 모델에 의해 생성된 슬라이스 색상 집합에 대하여, 후처리가 더 수행될 수 있다.

슬라이스 별로 색상을 달리하여 인공 치아를 제작하고자 하는 경우, 복수의 수조들에 서로 다른 색상의 혼합액들을 준비한 후, 수조부(220)를 이동/회전시키거나 또는 프린팅 베드(210)를 이동/회전시키는 기계적 구동을 반복하는 것을 필요로 한다. 빈번한 하드웨어의 구동은 작업 시간의 증가를 야기할 수 있다. 따라서, 본 발명의 일 실시 예에 따라, 기계적 구동(예: 수조부(220) 또는 프린팅 베드(210)의 이동/회전)의 스케줄링을 고려하여 슬라이스 색상 집합에 대한 조정이 수행될 수 있다.

슬라이스 색상 집합에 대한 조정을 위해, 슬라이스 위치에 따른 대체 가능한 색상에 대한 테이블이 사전에 정의될 수 있다. 슬라이스의 위치에 따라, 인공 치아가 설치되었을 때 외관에 대한 인식에 영향을 미치는 정도가 다를 수 있다. 또한, 텍스쳐링 모델에 의해 생성된 결과에서 특정 슬라이스의 색상을 변경하더라도 외관에 대한 인식 차이가 크지 아니한 색상 조합이 존재할 수 있다. 상술한 사람의 인식 수준에 기반한 색상의 변경 가능성을 고려하여, 슬라이스의 위치 별로 대체 가능한 후보 색상들이 색상 조정 테이블로 정의될 수 있다.

색상 조정 테이블은 치아 위치 별, 그리고 슬라이스 위치 별로 정의될 수 있다. 색상 조정 테이블은 하나의 지정 색상에 대하여 적어도 하나의 대체 가능한 후보 색상 및 이에 대응하는 조건을 정의할 수 있다. 예를 들어, 색상A에 대하여, 색상B 및 색상C가 후보 색상으로 정의될 수 있고, 색상B가 사용될 수 있는 조건 및 색상C가 사용될 수 있는 조건은 서로 다를 수 있다. 일 예로, 조건은 인접한 슬라이스의 색상에 대한 것을 포함할 수 있다. 구체적으로, 색상B가 사용될 수 있는 조건은 인접한 슬라이스가 색상B로 지정된 것을 포함할 수 있다.

상술한 바와 같은 색상 조정 테이블에 기반하여, 학습 서버는 색상 조정 테이블에 의해 선택 가능한 색상들 중 인공 치아 완성 시 까지 수조들 간 이동을 최소화하도록 슬라이스 색상 집합을 조정한다. 즉, 색상 조정 테이블에 의할 때, 적어도 하나의 슬라이스에 대하여 대체 가능한 후보 색상이 적어도 하나 존재할 수 있다. 모든 슬라이스들에 대하여 대체 가능한 후보 색상을 확인한 후, 가능한 모든 조합들 중, 최적의 조합이 선택될 수 있다.

도 8은 일 실시 예에 따른 3D 프린팅 시스템에서 상호 연동 가능한 로컬 3D 프린팅 시스템들의 구조를 나타내는 도면이다. 도 8은 복수의 3D 프린팅 시스템들이 존재하는 경우를 예시한다.

도 8을 참고하면, 복수의 로컬 3D 프린팅 시스템들(810a, 810b, 810c)이 통신 망을 통해 중앙 서버(820)와 연결될 수 있다. 복수의 로컬 3D 프린팅 시스템들(810a, 810b, 810c) 각각은 도 1의 3D 프린팅 시스템에 해당하며, 적어도 하나의 학습 서버 및 적어도 하나의 3D 프린터를 포함한다.

일 실시 예에 따라, 중앙 서버(820)는 AI 알고리즘의 학습에 사용하기 위한 학습 데이터를 제공할 수 있다. 즉, 새로운 로컬 3D 프린팅 시스템이 설치되면, 중앙 서버(820)는 새로운 로컬 3D 프린팅 시스템에게 학습 데이터를 제공함으로써, 빠르게 사용 가능한 상태에 도달하도록 도움을 줄 수 있다. 중앙 서버(820)에 저장된 학습 데이터는 서비스의 제공자에 의해 제공될 수 있다. 또는, 중앙 서버(820)는 로컬 3D 프린팅 시스템들(810a, 810b, 810c)에서 업로드된 데이터를 학습 데이터로서 저장할 수 있다.

일 실시 예에 따라, 중앙 서버(820)는 전이 학습(transfer learning)을 지원할 수 있다. 전이 학습은 이미 학습된 AI 알고리즘의 파라미터를 이용하여 학습을 수행하는 학습 방식이다. 중앙 서버(820)는 로컬 3D 프린팅 시스템들(810a, 810b, 810c)로부터 학습된 인공 신경망의 파라미터들(예: 가중치)을 수신하고, 수신된 파라미터들을 학습을 수행하고자 하는 로컬 3D 프린팅 시스템에게 송신할 수 있다.

다른 실시 예에 따라, 3D 프린팅 시스템들(810a, 810b, 810c) 각각에 학습 서버가 포함되는 것을 대신하여, 중앙 서버(820)가 3D 프린팅 시스템들(810a, 810b, 810c) 각각에 포함된 3D 프린터를 위한 학습 서버의 기능을 통합적으로 수행할 수 있다. 이 경우, 복수의 로컬 3D 프린팅 시스템들 간 텍스쳐링 모델을 위한 인공 신경망이 공유될 수 있다.

앞서 설명된 일 실시 예에 따른 3D 프린팅 시스템는 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 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 실시 예에 따라 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 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.

앞선 실시 예에 대한 설명에서 참조된 도면 각각은 설명의 편의를 위해 도시된 일 실시 예에 불과하며, 각 화면에 표시된 정보들의 항목, 내용과 이미지들은 다양한 형태로 변형되어 표시될 수 있다.

본 발명은 도면에 도시된 일 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (10)

1. 3D(3-dimension) 프린팅 시스템에 있어서,
   서로 다른 색상의 재료들을 이용하여 복수의 슬라이스들로 구성된 인공 치아를 프린팅하도록 제어하는 3D 프린터; 및
   상기 3D 프린터의 프린팅 동작을 위해 필요한 데이터를 위한 인공 신경망을 학습하고, 상기 학습된 인공 신경망을 이용하여 치아 이미지로부터 슬라이스 별 색상 값들의 집합을 결정하는 서버를 포함하며,
   상기 3D 프린터는, 상기 서버에 의해 결정된 슬라이스 별 색상 값들의 집합에 따라 상기 인공 치아를 프린팅하도록 제어하고,
   상기 복수의 슬라이스들은, 제1 슬라이스 및 제2 슬라이스를 포함하고,
   상기 제1 슬라이스는, 제1 혼합액에 대한 접촉, 광의 조사에 따른 상기 제1 혼합액의 경화에 의해 생성되고,
   상기 제2 슬라이스는, 제2 혼합액에 대한 접촉, 상기 광의 조사에 따른 상기 제2 혼합액의 경화에 의해 생성되고,
   상기 3D 프린터는, 상기 서버에 의해 결정된 슬라이스 별 색상 값들에 따라 상기 제1 혼합액 및 상기 제2 혼합액을 결정하고,
   상기 3D 프린터는, 슬라이스 위치에 따른 대체 가능한 색상에 대한 테이블에 기반하여 혼합액들을 수용한 수조들 간 이동을 최소화하는 색상 집합을 결정하고,
   상기 서버에서 학습된 인공 신경망의 파라미터들은, 중앙 서버로 송신되고,
   상시 중앙 서버는, 다른 서버에게 상기 파라미터들을 제공함으로써 전이 학습(transfer learning)을 지원하는 3D 프린팅 시스템.
   
2. 제1항에 있어서,
   상기 치아 이미지는, 상기 인공 치아에 의해 대체될 치아가 아닌 다른 위치의 치아에 대한 이미지를 포함하는 3D 프린팅 시스템.
   
3. 제1항에 있어서,
   상기 서버는, 학습 데이터를 획득하고, 상기 학습 데이터에 포함되는 치아 이미지를 치아의 길이 방향으로 정렬하고, 상기 정렬된 치아 이미지에서 수직한 방향으로 복수의 슬라이스 영역들을 생성하고, 상기 슬라이스 영역들 마다 대표 색상을 도출한 후, 학습을 수행하는 3D 프린팅 시스템.
   
4. 제1항에 있어서,
   상기 서버는, 상기 치아 이미지를 촬영할 때의 환경 및 카메라 설정 중 적어도 하나에 대한 정보를 획득하고, 상기 획득된 정보에 기반하여 상기 치아 이미지를 전처리함으로써 기준 환경 및 기준 설정으로 촬영된 이미지로 평준화하는 3D 프린팅 시스템.
   
5. 제1항에 있어서,
   상기 서버는, 상기 인공 신경망을 이용하여 결정된 색상 값들의 집합에 포함된 슬라이스 별 색상 값들 중 적어도 하나를 수조부 또는 프린팅 베드의 기계적 구동의 스케줄링을 고려하여 수정하는 3D 프린팅 시스템.
   
6. 제5항에 있어서,
   상기 3D 프린터는,
   상기 프린팅 베드;
   상기 프린팅 베드의 하단에 위치하는 적어도 하나의 수조를 포함하는 상기 수조부;
   상기 수조부를 이동시키는 수조 이동 수단;
   상기 수조부의 하단에 위치하는 광조사부; 및
   상기 수조 이동 수단을 제어하여 적어도 하나의 수조에 수용된 혼합액을 이용하여 인공 치아를 프린팅하도록 제어하는 제어부를 포함하며,
   상기 서버는, 상기 복수의 수조들 간 이동을 최소화하도록 상기 슬라이스 별 색상 값들 중 적어도 하나를 수정하는 3D 프린팅 시스템.
   
7. 제3항에 있어서,
   상기 서버는, 외부 통신 망을 통해 접속 가능한 중앙 서버로부터 학습 데이터를 수신하고, 상기 학습 데이터를 이용하여 상기 인공 신경망을 학습하는 3D 프린팅 시스템.
   
8. 제3항에 있어서,
   상기 서버는, 외부 통신 망을 통해 접속 가능한 중앙 서버로부터 학습된 인공 신경망의 파라미터 정보를 수신하고, 상기 파라미터 정보를 이용하여 상기 인공 신경망을 전이 학습하는 3D 프린팅 시스템.
   
9. 3D(3-dimension) 프린팅 시스템에서 인공 치아를 3D 프린팅하는 방법에 있어서,
   학습된 인공 신경망을 이용하여 치아 이미지로부터 슬라이스 별 색상 값들의 집합을 결정하는 단계; 및
   상기 슬라이스 별 색상 값들의 집합에 따라, 서로 다른 색상의 혼합액들을 이용하여 복수의 슬라이스들로 구성된 인공 치아를 프린팅하며,
   상기 복수의 슬라이스들은, 제1 슬라이스 및 제2 슬라이스를 포함하고,
   상기 제1 슬라이스는, 제1 혼합액에 대한 접촉, 광의 조사에 따른 상기 제1 혼합액의 경화에 의해 생성되고,
   상기 제2 슬라이스는, 제2 혼합액에 대한 접촉, 상기 광의 조사에 따른 상기 제2 혼합액의 경화에 의해 생성되고,
   상기 3D 프린터는, 서버에 의해 결정된 슬라이스 별 색상 값들에 따라 상기 제1 혼합액 및 상기 제2 혼합액을 결정하고,
   상기 3D 프린터는, 슬라이스 위치에 따른 대체 가능한 색상에 대한 테이블에 기반하여 혼합액들을 수용한 수조들 간 이동을 최소화하는 색상 집합을 결정하고,
   상기 서버에서 학습된 인공 신경망의 파라미터들은, 중앙 서버로 송신되고,
   상시 중앙 서버는, 다른 서버에게 상기 파라미터들을 제공함으로써 전이 학습(transfer learning)을 지원하는 방법.
   
10. 제9항의 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.

Images