KR20210022536A - 드릴링 템플릿을 설계하기 위한 방법 - Google Patents

드릴링 템플릿을 설계하기 위한 방법 Download PDF

Info

Publication number
KR20210022536A
KR20210022536A KR1020207030484A KR20207030484A KR20210022536A KR 20210022536 A KR20210022536 A KR 20210022536A KR 1020207030484 A KR1020207030484 A KR 1020207030484A KR 20207030484 A KR20207030484 A KR 20207030484A KR 20210022536 A KR20210022536 A KR 20210022536A
Authority
KR
South Korea
Prior art keywords
drilling template
data set
training data
drilling
model
Prior art date
Application number
KR1020207030484A
Other languages
English (en)
Inventor
사샤 슈나이더
프랑크 틸
악셀 슈보처
Original Assignee
시로나 덴탈 시스템스 게엠베하
덴츠플라이 시로나 인코포레이티드
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=66951955&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=KR20210022536(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by 시로나 덴탈 시스템스 게엠베하, 덴츠플라이 시로나 인코포레이티드 filed Critical 시로나 덴탈 시스템스 게엠베하
Publication of KR20210022536A publication Critical patent/KR20210022536A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C1/00—Dental machines for boring or cutting ; General features of dental machines or apparatus, e.g. hand-piece design
    • A61C1/08—Machine parts specially adapted for dentistry
    • A61C1/082—Positioning or guiding, e.g. of drills
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C3/00—Dental tools or instruments
    • A61C3/02—Tooth drilling or cutting instruments; Instruments acting like a sandblast machine
    • 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
    • A61C9/0053—Optical means or methods, e.g. scanning the teeth by a laser or light beam
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
    • A61B18/18—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by applying electromagnetic radiation, e.g. microwaves
    • A61B18/20—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by applying electromagnetic radiation, e.g. microwaves using laser
    • A61B2018/2035—Beam shaping or redirecting; Optical components therefor
    • A61B2018/20351—Scanning mechanisms
    • A61B2018/20353—Scanning in three dimensions [3D]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30036—Dental; Teeth

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Theoretical Computer Science (AREA)
  • Dentistry (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
  • Dental Prosthetics (AREA)
  • Instructional Devices (AREA)

Abstract

본 발명은 드릴링 템플릿(1)을 설계하기 위한 방법에 관한 것으로서, 치과용 카메라(2) 또는 Labor™Scanner를 통해 치아 상황(3)이 측정되고 치아 상황(3)의 3D 표면 모델(5)이 생성되며, 그리고/또는 X선 장치(6) 또는 MRI 장치에 의해 치아 상황(3)이 측정되고 치아 상황(3)의 체적 모델(11)이 생성된다. 이러한 경우, 머신 러닝(machine learning)을 위한 컨볼루션 신경망(convolutional neural network)(CNN)이 치아 상황(3)의 3D 표면(5) 및/또는 치아 상황(3)의 체적 모델(11) 및/또는 드릴링 템플릿(1)의 초기 3D 모델(50)에 적용되고, 드릴링 템플릿(1)의 완성 구성된 3D 모델(30)을 자동으로 생성한다.

Description

드릴링 템플릿을 설계하기 위한 방법
본 발명은 드릴링 템플릿을 설계하기 위한 방법에 관한 것으로서, 치과용 카메라 또는 Labor 스캐너를 통해 치아 상황이 측정되고, 치아 상황의 3D 표면 모델이 생성되고, 그리고/또는 X선 장치 또는 MRI 장치에 의해 치아 상황이 측정되고, 치아 상황의 체적 모델이 생성된다.
종래 기술로부터, 드릴링 템플릿을 설계하기 위한 복수의 방법이 공지되어 있다.
DE 199 52 962 A1호에는 치아 임플란트를 위한 드릴링 보조 장치를 형성하기 위한 방법이 개시되어 있다. 여기서 드릴링 보조 장치에는 인접 치아의 교합면과 일치하는 접촉면이 장착되어 있으며, 턱 섹션과 관련하여 정확한 위치 설정을 위해 인접 치아 상에 배치된다. 핸드 피스의 드릴을 가이드하기 위해, 드릴링 보조 장치에는 가이드 홀이 제공된다. 드릴링 템플릿 내의 가이드 홀의 위치, 치수 및 정렬은 계획된 임플란트 보어에 의해 사전 설정된다.
DE 10 2009 008 790 B3호로부터 구강 수술용 드릴을 가이드하기 위한 가이드 슬리브를 갖는 드릴링 템플릿이 개시되어 있다. 가이드 슬리브가 원주 표면 내에 슬리브 길이 축에 대해 경사지게 연장되는 슬롯을 포함하는 경우, 드릴은 최소한의 공간 조건으로 가이드 슬리브에 또한 삽입될 수도 있다. 이러한 가이드 슬리브는 또한 계획된 드릴링 축의 방향으로 드릴의 거의 최적의 가이드를 허용한다.
DE 199 52 962 A1호는 치아 임플란트를 위한 드릴링 보조 장치를 형성하기 위한 방법을 개시하며, 여기서 우선 턱의 X선 이미지를 얻은 다음, 턱과 치아의 가시적인 표면에 대한 3차원 광학 측정이 수행된다. X선 이미지와 3차원 광학 이미지의 측정 데이터 세트는 서로 상관된다. 인접 치아에 대한 임플란트의 유형 및 위치와 같은 존재하는 정보에 기초하여, 인접 치아 상에 놓이는 템플릿이 계획되고 생성되며, 이를 통해 임플란트 가이드 홀의 정확한 드릴링이 가능하게 된다. 임플란트는 X선 데이터에 기초하여 공지된 방식으로 결정되고 위치 설정된다. 표면 구조, 즉 인접 치아의 교합면에 관해 얻어진 정보에 기초하여, 드릴링 템플릿 형태의 임플란트 보조 장치가 CAD/CAM 유닛에 의해 연마될 수 있다. 측정 데이터에 기초하여, CAD/CAM 기계는 교합면의 음각 및 드릴용 가이드 섹션을 갖는 드릴링 템플릿을 제작할 수 있다. 드릴링 깊이를 결정하는 정지부가 드릴링 템플릿에 전사되어 있다.
WO 99/32045 A1호는 임플란트를 위한 치과용 드릴링 보조 장치를 생산하기 위한 방법을 개시한다. 우선, 인상면을 기준으로 턱 이미지를 이용하여 3차원 컴퓨터 이미지가 모델링된다. 그런 다음, 드릴링 홀의 위치와 드릴링 깊이가 결정되고, 임플란트 보어 홀 좌표 세트가 컴퓨터 제어 제조 기계에 공급된다. 정밀 도구에 의해, 드릴 본체에는 이미 공급된 드릴링 홀 좌표 세트의 각각에 대해, 턱 섹션을 기준으로 결정된 대응하는 드릴링 홀 위치 및 드릴링 홀 배향을 갖는 드릴링 가이드 베이스가 준비된다.
EP 1 502 556 A2호로부터, 드릴링 템플릿 및 이러한 드릴링 템플릿을 생산하기 위한 방법이 공지되어 있으며, 여기서 드릴링 템플릿은 드릴을 수행하기 위한 적어도 하나의 관통 홀을 포함하고, 여기에 적어도 하나의 제1 가이드 슬리브가 삽입될 수 있다. 가이드 슬리브는 하부 영역에서 실질적으로 관통 홀의 내부 직경에 대응하는 외부 직경을 포함한다. 상부 영역에서 가이드 슬리브는 더 큰 외부 직경을 포함하므로, 상부 섹션은 관통 홀을 둘러싼 드릴링 템플릿의 에지 상에 지지된다.
드릴링 템플릿을 설계하기 위한 언급된 방법들의 단점은, 이러한 드릴링 템플릿은 사용자에 의해 가상으로 또는 인상을 사용하여 복잡한 방식으로 설계된다는 것이다. 사용자의 측정 부정확성 또는 설계 오류를 통해, 드릴링 템플릿의 부정확성이 발생할 수 있다. 부정확한 드릴링 템플릿은 결과적으로 계획된 임플란트 보어와는 상이한, 잘못된 임플란트 보어로 이어질 수 있다.
따라서, 본 발명의 과제는 드릴링 템플릿의 적합한 3D 모델을 시간 절약적으로 설계하는 드릴링 템플릿을 설계하기 위한 방법을 제공하는 것이다.
본 발명은 드릴링 템플릿을 설계하기 위한 방법에 관한 것으로서, 치과용 카메라 또는 Labor 스캐너와 같은 3D 표면 측정 장치를 통해 치아 상황이 측정되고 치아 상황의 3D 표면 모델이 생성되며, 그리고/또는 X선 장치 또는 MRI 장치에 의해 치아 상황이 측정되고 치아 상황의 체적 모델이 생성된다. 이 경우, 머신 러닝(machine learning)을 위한 컨볼루션 신경망(Convolutional Neural Network)(CNN)이 치아 상황의 3D 표면 모델 및/또는 치아 상황의 체적 모델 및/또는 드릴링 템플릿의 초기 3D 모델에 적용되고, 드릴링 템플릿의 완성 구성된 3D 모델이 자동으로 생성된다.
치과 의료용 드릴링 템플릿은 인접 치아를 통해 지지되는 최소 침습 수술을 위한 드릴링 템플릿 및 턱 뼈를 통해 지지되는 소위 오픈 플랩 외과용 드릴링 템플릿과 같은 임의의 드릴링 템플릿일 수 있다. 따라서 이 경우, 드릴링 템플릿은 각각의 턱의 나머지 인접 치아를 통해 지지되거나, 또는 스크류에 의해 턱 뼈에 고정 방식으로 나사 결합된다.
드릴링 템플릿은 임플란트 계획 중에 계산된 바와 같이 임플란트를 삽입하기 위해, 계획된 임플란트 보어를 구현할 수 있도록 드릴을 가이드하는 역할을 한다. 관통 개구부에서 슬리브가 관통 개구부 내에 삽입될 수 있으며, 여기서 슬리브의 내부면은 드릴을 가이드하기 위해 사용된다. 임플란트 계획에서 턱의 체적 모델 및 3D 표면 모델의 형태로 턱과 치아의 가시적인 표면의 3차원 광학 측정이 사용될 수 있어, 임플란트 유형 및 턱에 대한 임플란트 위치를 가상으로 정의할 수 있다. 특히 임플란트를 삽입하기 위한 임플란트 보어의 정확한 위치, 턱에 대한 상대적인 각도 및 깊이가 계획된다. 드릴링 템플릿은 서로를 향해 비스듬하게 배치될 수도 있는 하나 이상의 임플란트 보어를 구현하기 위해 제공된다.
이 경우, 특히 치아 뿌리, 치아 신경 및 턱 뼈의 프로파일 및 두께와 같은 턱 내부의 해부학적 구조가 고려된다.
이 경우, 선택된 임플란트 및 임플란트 위치에 따라, 드릴링 템플릿은 치아 상황의 3D 표면 모델 및/또는 체적 모델에 따라 설계된다.
따라서, 신경망은 다음 단계들을 자동으로 수행할 수 있다: 적합한 임플란트 유형을 선택하는 단계; 치아 뿌리, 치아 신경 및 턱 뼈와 같은 해부학적 구조를 고려하여 턱에 대해 임플란트를 배열하는 단계; 치아 상황의 3D 표면 모델 및 체적 모델을 고려하여 삽입될 임플란트를 위한 적어도 하나의 임플란트 보어용 적어도 하나의 가이드 홀을 포함하는 드릴링 템플릿의 3D 모델을 설계하는 단계.
치아 지지 드릴링 템플릿은 인접 치아 상의 지지를 위해 임플란트 지점의 인접 치아의 인상을 포함할 수 있다. 가이드 보어는 넓게 설계될 수 있다. 가이드 보어는 특히 타원형 또는 원형 베이스면을 가진 원추형으로 형성될 수 있다. 슬리브는 여기서 관통 개구부 내부에 적합한 원통형 슬리브 부분을 포함할 수 있다.
스크류에 의해 턱 뼈에 고정된 드릴링 템플릿의 경우, 드릴링 템플릿은 가이드 보어 외에 추가적으로 스크류를 위한 다른 개구부를 포함한다.
슬리브를 갖는 드릴링 템플릿은 상이한 직경을 갖는 동일한 가이드 보어에 대해 상이한 슬리브를 포함할 수 있어, 우선 가장 작은 직경을 갖는 보어를 구현한 후, 이어서 슬리브와 각각의 드릴을 교체함으로써 임플란트 보어에서 원하는 직경에 도달될 때까지 직경을 늘리면서 추가적인 보어를 구현할 수 있다.
드릴링 템플릿은 임플란트 보어의 구현 후에 사용되어, 임플란트 보어 내로의 임플란트의 가이드된 나사 끼움이 구현될 수 있다.
드릴링 템플릿은 예를 들어 3D 프린터에 의해 또는 CAM/CAM 방법에 의해 드릴링 템플릿의 설계된 3D 모델에 따라 블랭크로부터 자동으로 생성될 수 있다.
치과용 카메라는 예를 들어 스트립 프로젝션 방법 또는 공초점 측정 방법을 기초로 하는 임의의 3차원 치과용 카메라일 수 있다. 치아 상황은 삽입될 수복물의 바로 주변 또는 삽입될 수복물 주변의 더 넓은 영역을 포함할 수 있다. 치과용 카메라에 의한 측정은 교합 방향, 설측 방향, 협측 방향 또는 순측 방향과 같은 상이한 방향으로 수행될 수 있다. 치과용 카메라에 의한 측정 후, 치아 상황의 3D 모델이 생성된다. 그런 다음, 머신 러닝을 위한 신경망이 치아 상황의 3D 모델에 적용된다. 여기서 치아 상황의 3D 모델을 분석한 후, 드릴링 템플릿의 3D 모델이 자동으로 생성된다.
신경망(CNN)은 https ://de. wikipedia . org / wiki / Convolutional Neural Network 링크가 있는 위키피디아 기사 "Convolutional Neural Network"에 자세히 설명되어 있다.
이하에서는 CNN을 사용하는 방법이 설명된다.
컨볼루션 신경망(CNN)은 독일어로 "폴딩 신경망"으로, 피드 포워드(feed forward) 컨볼루션 신경망이다. 머신 러닝 분야에서 생물학적 과정으로부터 영감을 받은 개념이다. 컨볼루션 신경망은 주로 이미지 또는 오디오 데이터를 기계적으로 처리할 때, 인공 지능의 수많은 현대 기술들에 사용된다.
기본적으로 고전적인 CNN의 구조는 컨볼루션 레이어(Convolutional Layer) 및 후속하는 풀링 레이어(Pooling Layer)로 구성된다. 원칙적으로, 이러한 유닛은 임의로 종종 반복될 수 있고, 충분히 반복되면 딥 러닝(Deep Learning) 분야에 속하는 딥 컨볼루션 신경망(Deep Convolutional Neural Network)으로 불린다.
CNN은 다음 레이어를 계산할 때, 레이어 당 컨볼루션 커널의 자유 파라미터 또는 분류자 및 가중치가 학습됨으로써 학습된다.
따라서, 치아 상황의 3D 모델은 상이한 치아 상황의 복수의 3D 모델의 모음을 사용하여 훈련된 CNN 또는 머신 러닝 시스템의 입력으로서 사용된다.
다음 단계에서는, 머신 러닝 시스템에 의해 치아 상황의 3D 모델이 분석되고, 각각의 부품의 3D 모델이 출력으로서 제안된다.
머신 러닝 시스템은 하나 이상의 CNN 네트워크로 구성될 수 있다.
따라서, 분류자 또는 특성은 자동으로 정의되고, 훈련 세트의 분석 시 개선된다. 자동으로 결정된 치아 상황의 3D 모델의 분류자는 예를 들어 프렙의 전체 면적 또는 프렙 경계의 프로파일 또는 이 둘의 조합일 수 있다.
신경망은 예를 들어 복수의 레이어로 구성될 수 있으며, 제1 레이어에서 에지, 편평한 표면 또는 동일한 밝기 영역과 같은 단순한 분류자가 자동으로 식별된다. 제2 레이어에서는 분류자가 자동으로 세분화된다. 제2 레이어의 분류자는 예를 들어 에지의 서로에 대한 상대적인 배열, 에지의 상대적인 방향 또는 에지의 프로파일일 수 있다. 추가의 레이어에서는 분류자가 점점 더 세분화되고, 이에 따라 점점 더 복잡해진다. 이러한 방식으로, CNN 네트워크는 입력 파라미터로서 치아 상황의 3D 모델 및 수치 상황의 체적 모델에 기초하여 드릴링 템플릿의 적합한 3D 모델을 자동으로 생성하는 방법을 스스로 학습한다.
신경망의 이점은 훈련 세트를 분석할 때 내부 컨볼루션 필터의 파라미터 값과 필터 출력의 추가적인 추리가 함께 학습되므로, 따라서 추가적인 사용자 정의를 필요로 하지 않는다는 것이다.
본 방법의 다른 이점은 드릴링 템플릿의 설계가 신경망에 의해 완전히 자동으로 수행된다는 것이다. 이를 통해, 광학 측정 및/또는 X선 또는 MRI 측정 직후에 부품이 완전 자동으로 설계될 수 있으며, 치과 의사의 확인 후에 3D 프린터 또는 CAD/CAM 장치에 의해 완전 자동으로 제조될 수 있으므로, 드릴링 템플릿이 임플란트 보어를 제조하기 위해 한 세션 내에 사용될 수 있다.
본 방법의 또 다른 이점은 사용자에 의해 생성된 완성 구성된 드릴링 템플릿이 CNN의 훈련 데이터 세트에 사용될 수 있고, 이에 따라 부품에 대한 초기 제안의 수용률 및 설계의 자동화 수준이 향상된다는 것이다.
이하에서는 하나 이상의 CNN 네트워크로 구성된 머신 러닝 시스템을 훈련하거나 또는 파라미터화하기 위한 가능한 방법이 설명된다. 제1 단계에서는, 치아 상황의 알려진 많은 개수의 3D 표면 모델 및 체적 모델이 분석된다. 이 경우, 가능한 입력 데이터 또는 인풋 데이터가 생성된다. 인풋 데이터는 가능한 모든 자유도가 인풋 데이터에 존재할 수 있도록 생성된다. 이것은 예를 들어 데이터 증대를 사용하여 달성된다. 이를 위해, 치아 상황의 3D 모델은 정의된 자유도만큼 회전되고 그리고/또는 자유도를 따라 스케일링된다.
유리하게는, 신경망은 훈련 데이터 세트에 기초하여 훈련될 수 있고, 여기서 훈련 데이터 세트는 적어도 하나의 사용자의 드릴링 템플릿의 복수의 초기 3D 모델의 수동 변경을 포함하며, 여기서 예를 들어 수동 변경은 각각의 드릴링 템플릿의 3D 모델을 설계할 때 CAD 도구를 사용하여 사용자에 의해 수동으로 수행된다.
이를 통해, 신경망은 부품의 설계를 완료하기 위해, 부품의 3D 모델에 대한 초기 제안에 특정 사용자의 수동 변경을 적용하는 방법을 학습한다. 부품의 3D 모델에 대한 초기 제안은 예를 들어 부품의 복수의 3D 모델의 라이브러리를 사용하여 선택될 수 있다. 이 경우, 이렇게 훈련된 신경망이 치아 상황의 알려지지 않은 3D 모델에 적용되면, 각각의 사용자에 대해 초기 제안의 일반적인 변경이 자동으로 수행된다. 드릴링 템플릿의 초기 3D 모델의 수동 변경은 예를 들어 임플란트 유형 조정, 턱 뼈에 대한 임플란트 위치 조정, 임플란트 보어의 길이 조정, 가이드 보어의 정지부 조정, 드릴링 템플릿의 외부 치수 조정, 가이드 보어의 홀 직경의 변경, 배치 제어 창의 삽입 및/또는 추가적인 유지 요소의 부착일 수 있다.
소위 배치 제어 창은 드릴링 템플릿이 올바르게 배치되고 지지 표면 상에 놓여 있는지 여부를 사용자에 의해 시각적으로 확인하는데 사용된다.
추가적인 유지 요소는 예를 들어 각각의 턱에 대해 드릴링 템플릿을 고정하기 위한 언더컷 또는 스크류일 수 있다.
유리하게는, 신경망은 훈련 데이터 세트에 기초하여 훈련될 수 있고, 여기서 훈련 데이터 세트는 치아 상황의 복수의 3D 표면 모델 및/또는 체적 모델 및 적어도 하나의 사용자의 완성 구성된 드릴링 템플릿의 대응하는 3D 모델을 포함한다.
즉, 신경망은 드릴링 템플릿의 초기 3D 모델과 완성 구성된 3D 모델 간의 비교 데이터뿐만 아니라, 드릴링 템플릿의 완성 구성된 3D 모델에 대해 체적 모델 내의 치아 뿌리, 치아 신경 및 턱 뼈와 같은 해부학적 구조의 배열로부터도 또한 학습한다.
유리하게는, 신경망은 훈련 데이터 세트에 기초하여 훈련될 수 있고, 여기서 훈련 데이터 세트는 드릴링 템플릿의 복수의 초기 3D 모델 및 적어도 하나의 사용자의 드릴링 템플릿의 대응하는 완성 구성된 3D 모델을 포함한다.
따라서, 신경망은 드릴링 템플릿의 초기 3D 모델과 드릴링 템플릿의 대응하는 완성 구성된 3D 모델 간의 비교 데이터로부터 학습을 수행한다.
유리하게는, 훈련 데이터 세트는 하나의 사용자 또는 경험 있는 사용자 그룹의 데이터만을 포함할 수 있다.
따라서, 각 사용자 또는 경험 있는 사용자 그룹에 대해 개별 훈련 데이터 세트가 존재한다.
따라서 이를 통해, 신경망은 개별 사용자 또는 사용자 그룹의 훈련 데이터 세트에 의해 훈련될 수 있다. 훈련 데이터 세트의 사용자는 예를 들어 업무 경험과 같은 다양한 기준에 따라 선발될 수 있다. 예를 들어 적어도 3년의 업무 경험이 있거나 또는 드릴링 템플릿의 설계에서 최소 100건의 사례를 수행한 사용자의 데이터만이 훈련 데이터 세트에 사용될 수 있다.
본 방법을 수행하기 전에, 사용자는 예를 들어 선택 메뉴에 의해 각각의 드릴링 템플릿의 유형 및 구현할 임플란트 보어의 위치 설정을 수동으로 정의할 수 있다. 드릴링 템플릿의 유형은 예를 들어 드릴링 슬리브가 없는 드릴링 템플릿, 드릴링 슬리브를 갖는 드릴링 템플릿, 턱 뼈에 고정하기 위한 스크류를 갖는 드릴링 템플릿 또는 인접 치아에 앵커링하기 위한 지지 표면을 갖는 드릴링 템플릿일 수 있다.
유리하게는, 신경망은 훈련 데이터 세트에 기초한 훈련 후에 변경되지 않은 상태로 유지될 수 있거나, 또는 훈련 데이터 세트에 새로운 데이터가 추가될 수 있으므로, 신경망은 확장된 훈련 데이터 세트에 기초하여 더 훈련된다.
특히 경험이 부족한 사용자의 경우, 처음에 훈련된 신경망을 변경하지 않는 것이 유리하다. 경험 있는 사용자의 경우, 신경망이 지속적으로 더 훈련되고 시간이 지남에 따라 각각의 사용자의 요구 사항을 보다 잘 충족할 수 있도록, 드릴링 템플릿의 설계에 대한 자체 데이터를 훈련 데이터 세트에 추가하는 것이 보다 유리하다. 즉, 확장된 훈련 데이터 세트에 추가의 훈련 데이터가 추가된다.
유리하게는, 치아 상황의 3D 표면 모델은 삽입될 임플란트를 임플란트 공급하기 위한 적어도 하나의 영역, 적어도 하나의 인접 치아 및/또는 지대치와 같은 임플란트 지지 메조 구조체를 포함할 수 있다.
즉, 각각의 드릴링 템플릿의 3D 모델은 치아 상황의 3D 모델에 포함된 구조에 따라 신경망에 의해 자동으로 설계된다.
유리하게는, 신경망은 생성될 드릴링 템플릿에 대해 자동으로 적합한 재료, 제조 방법 및/또는 삽입 방법을 정의할 수 있다.
적합한 재료는 예를 들어 특수 플라스틱 또는 다양한 플라스틱의 조합일 수 있다. 제조 방법은 예를 들어 3D 프린터 또는 CAD/CAM 방법에 의한 제조일 수 있다. 삽입 방법은 예를 들어 스크류에 의해 드릴링 템플릿을 고정하거나 또는 드릴링 템플릿을 인접한 치아 상에 배치하는 것일 수 있다.
유리하게는, 훈련 데이터 세트는 드릴링 템플릿의 재료, 드릴링 템플릿의 제조 방법 및/또는 삽입 방법을 추가적으로 포함할 수 있다.
이를 통해, 훈련 데이터 세트는 드릴링 템플릿에 대한 추가적인 필수 정보들을 포함하므로, 훈련된 신경망은 각각의 사용자의 요구 사항에 대응하는 적합한 드릴링 템플릿을 설계할 수 있다.
유리하게는, 드릴링 슬리브를 갖는 드릴링 템플릿을 설계할 때, 훈련 데이터 세트는 드릴링 슬리브의 위치, 형상 및/또는 유형을 추가적으로 포함할 수 있다.
이를 통해, 훈련 데이터 세트는 드릴링 슬리브와 관련된 필수 정보들을 포함하므로, 훈련된 신경망은 사용자가 원하는 바와 같이 드릴링 슬리브를 선택하고 위치 설정한다.
유리하게는, 훈련 데이터 세트는 생성될 드릴링 템플릿의 적어도 하나의 지지 구조 또는 유지 구조의 형상 및/또는 위치를 추가적으로 포함할 수 있다.
이를 통해, 훈련 데이터 세트는 지지 구조 또는 유지 구조와 관련된 필수 정보들을 포함한다. 지지 구조는 예를 들어 임플란트 영역의 인접 치아 상에 배치하기 위한 지지 면적일 수 있다. 지지 구조는 예를 들어 턱에 대한 드릴링 템플릿의 정확한 위치 설정을 보장할 수 있도록, 인접 치아의 인상 형태로 형성될 수 있다.
유리하게는, 훈련 데이터 세트는 생성될 드릴링 템플릿에 대해 앵커링 구조의 형상 및/또는 위치를 추가적으로 포함할 수 있다.
이를 통해, 훈련 데이터 세트는 드릴링 템플릿을 턱 뼈에 고정하는 스크류와 같은 앵커링 구조와 관련된 필수 정보들을 포함하므로, 신경망이 앵커링 구조를 자동으로 선택하고, 턱 뼈에 대해 위치 설정할 수 있다.
유리하게는, 훈련 데이터 세트는 드릴링 템플릿을 앵커링하기 위한 언더컷 및/또는 드릴링 템플릿을 고정하기 위한 스크류를 갖는 추가적인 홀을 추가적으로 포함할 수 있다.
이를 통해, 훈련 데이터 세트는 드릴링 템플릿을 앵커링하기 위한 복수의 언더컷에 대해 그리고/또는 드릴링 템플릿을 고정하기 위한 스크류용 추가적인 홀에 대해 추가적인 정보들을 포함하므로, 신경망이 드릴링 템플릿의 언더컷 또는 스크류용 추가적인 홀을 스스로 설계할 수 있다. 드릴링 템플릿의 언더컷은 예를 들어 언더컷이 어금니 주위를 파지하는 방식으로 설계되어, 이를 통해 드릴링 템플릿이 치아 상에 배치될 때 고정된다.
유리하게는, 훈련 데이터 세트는 생성될 임플란트 보어를 위한 드릴링 템플릿의 적어도 하나의 가이드 보어를 추가적으로 포함하고, 그리고/또는 드릴링 템플릿을 지지하거나 또는 고정하기 위한 지지 영역 및/또는 드릴링 템플릿을 고정하기 위한 스크류를 포함할 수 있다.
이를 통해, 훈련 데이터 세트는 가이드 보어 또는 지지 영역에 대한 추가적인 정보를 포함하므로, 신경망은 드릴링 템플릿 상에서 가이드 보어의 위치 및 정렬을 자동으로 정의할 수 있거나, 또는 드릴링 템플릿 상에서 지지 영역의 형상 및 배열을 정의할 수 있다. 이 경우, 드릴링 템플릿의 가이드 보어는 임플란트 보어를 구현할 때 임플란트 드릴을 가이드하기 위한 역할을 한다. 이 경우, 가이드 보어에는 드릴링 슬리브가 제공될 수 있다.
유리하게는, 훈련 데이터 세트는 체적 모델에 해부학적 구조, 즉 임플란트 보어를 설계할 때 고려되는 턱 뼈, 치아 뿌리 및/또는 치아 신경을 추가적으로 포함할 수 있다.
이를 통해, 훈련 데이터 세트는 임플란트 보어의 계획을 위한 필수적인 해부학적 구조에 대한 추가적인 정보들을 포함하므로, 신경망은 이러한 구조를 고려하여 임플란트 보어의 설계를 자동으로 수행할 수 있다.
유리하게는, 신경망은 환자의 인종 그룹 및/또는 특징적인 유형을 고려할 수 있다.
이를 통해, 드릴링 템플릿의 설계 시 인종 그룹의 특징적인 해부학적 특성이 고려될 수 있다. 인종 그룹의 특징적인 특성은 예를 들어 치아의 특징적인 위치일 수 있다.
본 발명의 다른 대상은, 본 발명의 방법을 수행하기 위한 수단을 포함하는 데이터 처리 장치이다. 데이터 처리 장치는 여기서 컴퓨터 칩을 포함할 수 있고, 예를 들어 컴퓨터 또는 스마트 폰일 수 있다.
본 발명은 도면을 참조하여 설명된다.
도 1은 드릴링 템플릿을 설계하기 위한 방법을 설명하기 위한 스케치를 도시한다.
도 2는 드릴링 슬리브 및 고정을 위한 스크류를 갖는 드릴링 템플릿의 스케치를 도시한다.
도 3은 치아에 앵커링하기 위한 언더컷을 갖는 드릴링 템플릿의 스케치를 도시한다.
도 4는 사용자에 의한 변경의 스케치를 도시한다.
도 1은 드릴링 템플릿(1)을 설계하기 위한 방법을 설명하기 위한 스케치를 도시하고, 여기서 치과용 카메라(2)에 의해 치아(4)를 포함하는 치아 상황(3)이 측정되고 치아 상황(3)의 3D 표면 모델(5)이 생성된다. 또한, CT-X선 장치(6) 또는 MRI 장치에 의해 치아 뿌리(8), 치아 신경(9) 및 턱 뼈(10)를 포함하는 체적(7)이 측정되고 치아 상황(3)의 체적 모델(11)이 생성된다. 치과용 카메라(2)의 이미지 데이터는 컴퓨터(12)로 전달되고, 여기서 CT-X선 장치(6) 또는 MRI 장치의 이미지 데이터도 또한 컴퓨터(12)로 전달된다. 이러한 이미지 데이터로부터, 컴퓨터(12)에 의해 3D 표면 모델(5) 및 체적 모델(11)이 생성되고, 이는 모니터와 같은 디스플레이 장치(13)에 의해 디스플레이된다. 키보드(14) 및 마우스(15)와 같은 입력 수단이 컴퓨터(12)에 연결되어, 사용자로 하여금 3D 표면 모델(5) 및 체적 모델(11)의 그래픽 표현 내에서 커서(22)에 의한 탐색을 가능하게 한다. 치아 상황(3)은 누락된 송곳니 및 3개의 누락된 어금니를 포함한다. 즉, 임플란트(17)가 있는 임플란트 지지 전체 크라운(16)은 누락된 송곳니를 대체하기 위한 것이며, 임플란트 지지 브릿지(18)는 3개의 인공 어금니 및 이와 관련된 임플란트(19)는 화살표(20 및 21)에 의해 표시된 바와 같이 누락된 어금니를 대체할 수 있다. 제1 단계에서, 사용자는 커서(22)에 의해 제1 임플란트 보어(24)의 대략적인 제1 위치(23) 및 삽입될 브릿지(18) 및 이와 함께 제2 임플란트 보어(26), 제3 임플란트 보어(27) 및 제4 임플란트 보어(28)의 대략적인 제2 위치(25)를 수동으로 정의할 수 있다. 추가의 단계에서, 설계된 드릴링 템플릿의 유형, 즉 드릴링 슬리브를 갖거나 또는 드릴링 슬리브가 없는 드릴링 템플릿, 스크류를 통해 또는 인접 치아를 위한 지지 표면을 통해 턱에 앵커링되는 드릴링 템플릿이 선택 메뉴(29)를 사용하여 커서(22)에 의해 선택될 수 있다. 추가의 단계에서, 훈련 데이터 세트에 기초하여 각각의 사용자 및 드릴링 템플릿의 각각의 유형에 대해 훈련된 신경망에 의해, 드릴링 템플릿의 3D 모델(30)이 자동으로 생성된다. 드릴링 템플릿(1)의 생성된 3D 모델은 제1 임플란트 보어(24)를 위한 제1 가이드 보어(31), 제2 임플란트 보어(26)를 위한 제2 가이드 보어(32), 제3 임플란트 보어(27)를 위한 제3 가이드 보어(33) 및 제4 임플란트 보어(28)를 위한 제4 가이드 보어(34)를 포함한다. 또한, 드릴링 템플릿(1)의 3D 모델(30)은 드릴링 템플릿을 턱에 앵커링하기 위한 제1 지지 표면(35) 및 제2 지지 표면(36)을 포함하며, 여기서 지지 표면(35 및 36)은 치아 상황(3)의 치아(4)의 네거티브 인상의 일부를 포함할 수 있다. 가이드 보어(31, 32, 33 및 34)는 대응하는 임플란트 보어를 가이드하기 위한 드릴링 슬리브를 포함할 수 있다. 개별 임플란트 보어(24, 26, 27 및 28)의 위치 및 정렬을 정의할 때, 신경망은 체적 모델(11)로부터 치아 뿌리(8), 치아 신경(9) 및 턱 뼈와 같은 필수적인 해부학적 구조를 고려한다. 신경망은 예를 들어 임플란트 보어(24)가 신경(9)을 손상시키지 않아야 하는 것을 학습할 수 있다. 신경망은 임플란트 보어(24, 26, 27 및 28)의 직경 및 길이를 자동으로 정의할 수 있으며, 여기서 삽입될 전체 크라운(16) 및 브릿지(18)에 대한 기계적인 하중이 고려될 수 있다. 디스플레이 장치(13) 상의 그래픽 표현에서, 드릴링 템플릿(1)의 3D 모델(30)은 파선(37)을 통해 3D 표면 모델(5) 및 체적 모델(11)에 대해 삽입된 상태로 도시된다. 임플란트 보어(24, 26, 27 및 28)의 정의된 위치, 직경 및 길이를 사용하여, 신경망은 드릴링 템플릿(1)의 대응하는 가이드 보어(31, 32, 33 및 34)의 위치 및 직경을 정의할 수 있다. 드릴링 템플릿(1)의 완성 구성된 3D 모델(30)은 3D 프린터 또는 CAD/CAM 방법과 같은 자동화된 방법에 의해 자동으로 생성될 수 있다.
도 2는 도 1의 제1 임플란트 보어(24)를 구현하기 위한 드릴링 템플릿(1)의 스케치를 도시하며, 여기서 드릴링 템플릿(1)은 지지 표면(40)에 의해 인접 치아(41) 상에 앵커링되고, 스크류(42)에 의해 턱(43)에 앵커링된다. 가이드 보어(31)는 임플란트 보어를 가이드하기 위한 드릴링 슬리브(44)를 포함한다. 즉, 임플란트 보어(24)의 중심 축(45)은 드릴링 슬리브(44)의 중심 축에 대응한다. 지지 표면(40)은 또한 치아(41)의 네거티브 인상으로서 형성될 수 있다.
도 3은 어금니(46) 상에 배치된 템플릿(1)의 단면의 스케치를 도시한다. 여기서 드릴링 템플릿은 하부 영역에 2개의 언더컷(47)을 포함하므로, 탄성 플라스틱으로 제조된 드릴링 템플릿(1)이 어금니(46) 상에 배치될 때, 드릴링 템플릿(1)의 치아(46)에 대한 기계적인 앵커링이 이루어진다.
도 4는 도 1의 드릴링 템플릿(1)의 완성 구성된 3D 모델(30)의 스케치를 도시하고, 파선으로 도시된 드릴링 템플릿의 3D 모델의 초기 제안(50)을 기초로, 사용자는 커서(22)에 의한 수동 변경을 통해 초기 제안(50)을 변경하거나 또는 조정하여, 완성 구성된 3D 모델(30)을 획득할 수 있다. 초기 제안(50)은 여기서 화살표(52)에 의해 표시된 바와 같이, 사용자에 의해 확대된 외부 치수(51)를 포함하여, 3D 모델(30)의 외부 치수를 획득할 수 있다. 초기 제안(50)은 제1 초기 임플란트 보어(54)를 구현할 수 있도록, 제1 초기 가이드 보어(53)를 포함한다. 사용자는 완성 구성된 제1 가이드 보어(31)를 획득할 수 있도록, 초기 가이드 보어(53)의 위치 및 정지부를 변경하고, 여기서 위치의 변경을 통해 임플란트 보어의 위치도 또한 변경되었고, 더 작은 정지부를 통해 임플란트 보어의 길이가 증가되었다. 가이드 보어의 경우, 임플란트 보어를 드릴링 할 때 임플란드 보어를 제한하기 위해 정지부가 사용되므로, 임플란트 보어의 길이가 정지부에 의해 결정된다. 따라서, 이러한 변경은 완성 구성된 임플란트 보어(24)를 획득하기 위해 수행된다. 이에 대응하여, 나머지 초기 가이드 보어(55 및 56)도 또한 사용자에 의해 수동으로 조정되어, 완성 구성된 가이드 보어(32 및 34)를 획득할 수 있고, 여기서 초기 임플란트 보어(57 및 58)도 또한 위치 및 길이가 조정되어, 완성 구성된 임플란트 보어(26 및 28)를 획득할 수 있다. 따라서, 신경망의 훈련 데이터 세트는 각각의 사용자의 이러한 수동 변경을 포함할 수 있어, 신경망을 이에 대응하여 훈련시킬 수 있다.
1 : 드릴링 템플릿 2 : 치과용 카메라
3 : 치아 상황 4 : 치아
5 : 3D 표면 모델 6 : CT-X선 장치
7 : 체적 8 : 치아 뿌리
9 : 치아 신경 10 : 턱 뼈
11 : 체적 모델 12 : 컴퓨터
13 : 디스플레이 장치 14 : 키보드
15 : 마우스 16 : 임플란트 지지 전체 크라운
17 : 임플란트 18 : 임플란트 지지 브릿지
19 : 임플란트 20 : 화살표
21 : 화살표 22 : 커서
23 : 제1 위치 24 : 제1 임플란트 보어
25 : 제2 위치 26 : 제2 임플란트 보어
27 : 제3 임플란트 보어 28 : 제4 임플란트 보어
29 : 선택 메뉴 30 : 3D 모델
31 : 가이드 보어 32 : 가이드 보어
33 : 가이드 보어 34 : 가이드 보어
35 : 지지 표면 36 : 지지 표면
40 : 지지 표면 41 : 인접 치아
42 : 스크류 43 : 턱
44 : 드릴링 슬리브 45 : 중심축
46 : 어금니 47 : 언더컷
50 : 초기 제안 51 : 외부 치수
52 : 화살표 53 : 초기 가이드 보어
54 : 초기 임플란트 보어 55 : 초기 가이드 보어
56 : 초기 가이드 보어 57 : 초기 임플란트 보어
58 : 초기 임플란트 보어

Claims (19)

  1. 드릴링 템플릿(1)을 설계하기 위한 방법으로서, 3D 표면 측정 장치를 통해 치아 상황(3)이 측정되고 상기 치아 상황(3)의 3D 표면 모델(5)이 생성되며, 그리고/또는 X선 장치(6) 또는 MRI 장치에 의해 상기 치아 상황(3)이 측정되고 상기 치아 상황(3)의 체적 모델(11)이 생성되는, 상기 방법에 있어서,
    머신 러닝(machine learning)을 위한 컨볼루션 신경망(Convolutional Neural Network)(CNN)이 상기 치아 상황(3)의 상기 3D 표면 모델(5) 및/또는 상기 치아 상황(3)의 상기 체적 모델(11) 및/또는 상기 드릴링 템플릿(1)의 초기 3D 모델(50)에 적용되고, 상기 드릴링 템플릿(1)의 완성 구성된 3D 모델(30)을 자동으로 생성하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 신경망은 훈련 데이터 세트에 기초하여 훈련되고, 상기 훈련 데이터 세트는 적어도 하나의 사용자의 드릴링 템플릿(1)의 복수의 초기 3D 모델(50)의 수동 변경(52)을 포함하며, 상기 수동 변경(52)은 상기 각각의 드릴링 템플릿(1)의 상기 3D 모델(30)을 설계할 때 상기 사용자에 의해 수행되는 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 신경망은 훈련 데이터 세트에 기초하여 훈련되고, 상기 훈련 데이터 세트는 상기 치아 상황(3)의 복수의 3D 표면 모델(5) 및/또는 체적 모델(11) 및 적어도 하나의 사용자의 상기 완성 구성된 드릴링 템플릿(1)의 대응하는 3D 모델(30)을 포함하는 것을 특징으로 하는 방법.
  4. 제1항에 있어서,
    상기 신경망은 훈련 데이터 세트에 기초하여 훈련되고, 상기 훈련 데이터 세트는 상기 드릴링 템플릿(1)의 복수의 초기 3D 모델(50) 및 적어도 하나의 사용자의 상기 드릴링 템플릿(1)의 대응하는 완성 구성된 3D 모델(30)을 포함하는 것을 특징으로 하는 방법.
  5. 제2항 내지 제4항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트는 하나의 사용자 또는 경험 있는 사용자 그룹의 데이터만을 포함하는 것을 특징으로 하는 방법.
  6. 제2항 내지 제5항 중 어느 한 항에 있어서,
    상기 신경망은 상기 훈련 데이터 세트에 기초한 상기 훈련 후에 변경되지 않은 상태로 유지되는 것을 특징으로 하는 방법.
  7. 제2항 내지 제5항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트에 새로운 데이터가 추가되어, 상기 신경망은 상기 확장된 훈련 데이터 세트에 기초하여 더 훈련되는 것을 특징으로 하는 방법.
  8. 제6항 또는 제7항에 있어서,
    상기 치아 상황(3)의 상기 3D 표면 모델(5)은 삽입될 임플란트(17, 19)를 임플란트 공급하기 위한 적어도 하나의 영역, 적어도 하나의 인접 치아(4), 및/또는 지대치와 같은 임플란트 지지 메조 구조체를 포함하는 것을 특징으로 하는 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 신경망은 상기 생성될 드릴링 템플릿(1)에 대해 자동으로 재료, 제조 방법 및/또는 삽입 방법을 정의하는 것을 특징으로 하는 방법.
  10. 제2항 내지 제9항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트는 상기 드릴링 템플릿(1)의 재료, 상기 드릴링 템플릿(1)의 제조 방법 및/또는 삽입 방법을 추가적으로 포함하는 것을 특징으로 하는 방법.
  11. 제2항 내지 제10항 중 어느 한 항에 있어서,
    드릴링 슬리브(44)를 갖는 드릴링 템플릿(1)을 설계할 때, 상기 훈련 데이터 세트는 상기 드릴링 슬리브(44)의 위치, 형상 및/또는 유형을 추가적으로 포함하는 것을 특징으로 하는 방법.
  12. 제2항 내지 제11항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트는 상기 생성될 드릴링 템플릿(1)의 적어도 하나의 지지 구조 또는 유지 구조의 형상 및/또는 위치를 추가적으로 포함하는 것을 특징으로 하는 방법.
  13. 제2항 내지 제12항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트는 상기 생성될 드릴링 템플릿(1)에 대해 앵커링 구조의 형상 및/또는 위치를 추가적으로 포함하는 것을 특징으로 하는 방법.
  14. 제2항 내지 제13항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트는 상기 드릴링 템플릿(1)을 앵커링하기 위한 언더컷(47) 및/또는 상기 드릴링 템플릿(1)을 고정하기 위한 스크류(42)를 갖는 추가적인 홀을 추가적으로 포함하는 것을 특징으로 하는 방법.
  15. 제2항 내지 제14항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트는 생성될 임플란트 보어(24, 26, 27, 28)를 위한 상기 드릴링 템플릿(1)의 적어도 하나의 가이드 보어(31, 32, 33, 34)를 추가적으로 포함하고, 그리고/또는 상기 드릴링 템플릿(1)을 지지하거나 또는 고정하기 위한 지지 영역(35, 36, 40) 및/또는 상기 드릴링 템플릿(1)을 고정하기 위한 스크류(42)를 포함하는 것을 특징으로 하는 방법.
  16. 제2항 내지 제15항 중 어느 한 항에 있어서,
    상기 훈련 데이터 세트는 상기 체적 모델(11)에 해부학적 구조, 즉 임플란트 보어(24, 26, 27, 28)를 설계할 때 고려되는 턱 뼈(10), 치아 뿌리(8) 및/또는 치아 신경(9)을 추가적으로 포함하는 것을 특징으로 하는 방법.
  17. 제1항 내지 제16항 중 어느 한 항에 따른 방법을 수행하기 위한 수단을 포함하는 데이터 처리 장치.
  18. 컴퓨터 프로그램이 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금 제1항 내지 제16항 중 어느 한 항에 따른 방법을 수행하게 하는 명령어를 포함하는 컴퓨터 프로그램.
  19. 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금 제1항 내지 제16항 중 어느 한 항에 따른 방법을 수행하게 하는 명령어를 포함하는 컴퓨터 판독 가능 저장 매체.
KR1020207030484A 2018-06-22 2019-06-17 드릴링 템플릿을 설계하기 위한 방법 KR20210022536A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018210259.7 2018-06-22
DE102018210259.7A DE102018210259A1 (de) 2018-06-22 2018-06-22 Verfahren zur Konstruktion einer Bohrschablone
PCT/EP2019/065837 WO2019243233A1 (de) 2018-06-22 2019-06-17 Verfahren zur konstruktion einer bohrschablone

Publications (1)

Publication Number Publication Date
KR20210022536A true KR20210022536A (ko) 2021-03-03

Family

ID=66951955

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207030484A KR20210022536A (ko) 2018-06-22 2019-06-17 드릴링 템플릿을 설계하기 위한 방법

Country Status (10)

Country Link
US (1) US11830186B2 (ko)
EP (1) EP3618752B2 (ko)
JP (1) JP6922105B2 (ko)
KR (1) KR20210022536A (ko)
CN (1) CN112118800B (ko)
AU (1) AU2019289638B2 (ko)
CA (1) CA3098412C (ko)
DE (1) DE102018210259A1 (ko)
DK (1) DK3618752T4 (ko)
WO (1) WO2019243233A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3868330A1 (de) * 2020-02-19 2021-08-25 Ivoclar Vivadent AG Verfahren zur herstellung einer dentalen restauration
JP7195291B2 (ja) * 2020-07-01 2022-12-23 株式会社モリタ製作所 データ処理装置、データ処理システム、データ処理方法、およびデータ処理用プログラム
KR102517398B1 (ko) * 2020-11-20 2023-04-04 주식회사 엔가든 잠금 나사 삽입홀 검출 방법
JP7090945B1 (ja) * 2021-04-30 2022-06-27 株式会社ルッキン 歯科治療計画の手技前検証システム、歯科治療計画の手技前検証プログラム、歯科治療計画の手技前検証用の模型の製造方法、及び、歯科治療計画の手技前検証用の模型
CN113160681A (zh) * 2021-05-08 2021-07-23 福州大学 基于ar技术的牙齿种植手术训练系统及方法
CN115054390B (zh) * 2022-07-20 2024-03-15 北京大学口腔医学院 基于机器学习的扭矩模型指导种植窝洞个性化制备方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE1008372A3 (nl) * 1994-04-19 1996-04-02 Materialise Nv Werkwijze voor het vervaardigen van een geperfektioneerd medisch model uitgaande van digitale beeldinformatie van een lichaamsdeel.
WO1999032045A1 (en) 1997-12-18 1999-07-01 Michel Poirier Manufacturing a dental implant drill guide and a dental implant superstructure
DE19952962B4 (de) 1999-11-03 2004-07-01 Sirona Dental Systems Gmbh Verfahren zur Herstellung einer Bohrhilfe für ein Zahnimplantat
DE10029256A1 (de) * 2000-06-14 2000-11-30 Stefan Wolz Verfahren zur Herstellung einer Bohrschablone zum Implantieren von künstlichen Zähnen
FR2836372B1 (fr) * 2002-02-28 2004-06-04 Obl Procede et dispositif pour la mise en place d'implants dentaires
DE10335272A1 (de) 2003-08-01 2005-03-03 Bego Semados Gmbh Anordnung zur Führung eines Dentalimplantatbohrers, Bohrschablone sowie Bohrschablonenaufnahmeimplantat für die Anordnung und Verfahren zur Herstellung dieser Bohrschablone
DE102009008790B3 (de) 2009-02-13 2010-05-27 Solbrig, Armin, Dr. med. dent. Führungshülse zum Führen eines oralchirurgischen Bohrers sowie Bohrschablone mit einer solchen Hülse
DE102009010699C5 (de) * 2009-02-27 2020-11-12 Marcus Abboud Bohrschablone zum Präparieren eines Patienten-Kieferknochens für ein medizinisches Zahn-Implantat
TWI535424B (zh) * 2009-03-13 2016-06-01 神農資訊股份有限公司 植牙手術模板製造系統及方法
DE102010031018A1 (de) * 2010-07-06 2012-01-12 Sirona Dental Systems Gmbh Verfahren und Spannvorrichtung zur Herstellung einer zahnmedizinischen Bohrschablone
US20120214121A1 (en) * 2011-01-26 2012-08-23 Greenberg Surgical Technologies, Llc Orthodontic Treatment Integrating Optical Scanning and CT Scan Data
DE102011013191B4 (de) * 2011-03-05 2014-04-03 Karsten Baumann Verfahren zur Erstellung einer Bohrschablone für eine Implantat-OP in einem Kiefer
JP6038112B2 (ja) * 2011-03-21 2016-12-07 ケアストリーム ヘルス インク 歯の表面の分類のための方法
GB201216230D0 (en) 2012-09-12 2012-10-24 Nobel Biocare Services Ag An improved surgical template
WO2016142265A1 (en) * 2015-03-06 2016-09-15 Forstgarten International Holding Gmbh Dental auxiliary structure and manufacturing method
JP6707991B2 (ja) 2016-05-30 2020-06-10 富士通株式会社 歯軸推定プログラム、歯軸推定装置及びその方法、並びに歯形データ生成プログラム、歯形データ生成装置及びその方法
WO2018022752A1 (en) * 2016-07-27 2018-02-01 James R. Glidewell Dental Ceramics, Inc. Dental cad automation using deep learning
AU2018254785A1 (en) * 2017-04-21 2019-12-05 Andrew S. MARTZ Fabrication of dental appliances
US10783629B2 (en) * 2017-09-29 2020-09-22 Align Technology, Inc. Aligner image based quality control system
EP3503038A1 (en) * 2017-12-22 2019-06-26 Promaton Holding B.V. Automated 3d root shape prediction using deep learning methods

Also Published As

Publication number Publication date
JP6922105B2 (ja) 2021-08-18
DK3618752T3 (da) 2021-01-11
AU2019289638A1 (en) 2020-11-12
CN112118800B (zh) 2022-02-22
WO2019243233A1 (de) 2019-12-26
EP3618752A1 (de) 2020-03-11
JP2021515683A (ja) 2021-06-24
CA3098412C (en) 2023-05-23
EP3618752B1 (de) 2020-10-21
US11830186B2 (en) 2023-11-28
AU2019289638B2 (en) 2021-02-04
US20210256696A1 (en) 2021-08-19
DE102018210259A1 (de) 2019-12-24
DK3618752T4 (da) 2023-11-13
CA3098412A1 (en) 2019-12-26
EP3618752B2 (de) 2023-08-16
CN112118800A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
KR20210022536A (ko) 드릴링 템플릿을 설계하기 위한 방법
JP6391620B2 (ja) 歯科インプラント用手術ガイドを用いた施術案内情報の提供方法
US11534275B2 (en) Method for constructing a restoration
RU2725280C1 (ru) Приспособления и методы планирования ортодонтического лечения
AU2006335096B2 (en) Method and system for designing custom restorations for dental implants
CN112118804B (zh) 用于构造牙科构件的方法
DK2400914T3 (en) PROCEDURE FOR MANUFACTURING A DENTAL TOOL
KR20190058577A (ko) 안내형 임플란트 치세공품용 수술 형판의 힘-폐쇄 또는 형태-폐쇄 배치
CN109069233A (zh) 仿生种植体及其制造方法
CN115054390A (zh) 基于机器学习的扭矩模型指导种植窝洞个性化制备方法
EP3750506B1 (en) Denture system and method for manufacturing a denture
IT201900016676A1 (it) Metodo per produrre un kit implanto-protesico odontoiatrico

Legal Events

Date Code Title Description
E902 Notification of reason for refusal