KR20210138652A - 디지털 3 차원 치과적 모델들을 생성하기 위한 시스템 및 방법 - Google Patents
디지털 3 차원 치과적 모델들을 생성하기 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20210138652A KR20210138652A KR1020217032371A KR20217032371A KR20210138652A KR 20210138652 A KR20210138652 A KR 20210138652A KR 1020217032371 A KR1020217032371 A KR 1020217032371A KR 20217032371 A KR20217032371 A KR 20217032371A KR 20210138652 A KR20210138652 A KR 20210138652A
- Authority
- KR
- South Korea
- Prior art keywords
- digital
- model
- texture
- data
- texture data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 227
- 208000014151 Stomatognathic disease Diseases 0.000 claims abstract description 163
- 208000018035 Dental disease Diseases 0.000 claims abstract description 159
- 238000011161 development Methods 0.000 claims abstract description 94
- 238000001506 fluorescence spectroscopy Methods 0.000 claims description 91
- 208000002925 dental caries Diseases 0.000 claims description 82
- 238000009826 distribution Methods 0.000 claims description 82
- 230000004048 modification Effects 0.000 claims description 51
- 238000012986 modification Methods 0.000 claims description 51
- 238000013507 mapping Methods 0.000 claims description 47
- 230000000007 visual effect Effects 0.000 claims description 36
- 230000008859 change Effects 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 210000000515 tooth Anatomy 0.000 description 228
- 230000006870 function Effects 0.000 description 124
- 230000018109 developmental process Effects 0.000 description 58
- 239000003086 colorant Substances 0.000 description 38
- 210000004195 gingiva Anatomy 0.000 description 25
- 239000013598 vector Substances 0.000 description 15
- 238000012937 correction Methods 0.000 description 14
- 238000013459 approach Methods 0.000 description 12
- 238000009499 grossing Methods 0.000 description 10
- 230000003902 lesion Effects 0.000 description 10
- 210000003298 dental enamel Anatomy 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000000877 morphologic effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 239000005548 dental material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 241000894006 Bacteria Species 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 239000002253 acid Substances 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 208000007565 gingivitis Diseases 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000007943 implant Substances 0.000 description 3
- 210000004283 incisor Anatomy 0.000 description 3
- 230000002427 irreversible effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 150000007513 acids Chemical class 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000036449 good health Effects 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000000332 tooth crown Anatomy 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 229910001312 Amalgam (dentistry) Inorganic materials 0.000 description 1
- 241000219307 Atriplex rosea Species 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 241000282465 Canis Species 0.000 description 1
- 206010016818 Fluorosis Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 208000010641 Tooth disease Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000004763 bicuspid Anatomy 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 230000001013 cariogenic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 210000003464 cuspid Anatomy 0.000 description 1
- 239000000448 dental amalgam Substances 0.000 description 1
- 239000011350 dental composite resin Substances 0.000 description 1
- 208000004042 dental fluorosis Diseases 0.000 description 1
- 230000037123 dental health Effects 0.000 description 1
- 210000004262 dental pulp cavity Anatomy 0.000 description 1
- 210000004268 dentin Anatomy 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 150000002222 fluorine compounds Chemical class 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000003239 periodontal effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 125000002467 phosphate group Chemical group [H]OP(=O)(O[H])O[*] 0.000 description 1
- 239000011505 plaster Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000011272 standard treatment Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000000346 sugar Nutrition 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/007—Dynamic range modification
- G06T5/009—Global, i.e. based on properties of the image as a whole
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/92—
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- 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
Abstract
실시예에 따르면, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법이 개시된다. 방법은 상이한 시간포인트들에서, 제1 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제1 디지털 3D 모델, 및 제2 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제2 디지털 3D 모델을 획득하는 단계를 포함한다. 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델은 텍스처를 균일화함으로써 공통 텍스처 공간에 배치된다. 마지막으로, 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델은 공통 텍스처 공간에 배치된 제1 디지털 3D 모델 및 제2 디지털 3D 모델에서의 대응하는 영역들의 제1 텍스처 데이터 및 제2 텍스처 데이터의 비교에 기초하여 생성된다.
Description
개시내용은 디지털 3 차원 치과적 모델(dental model)을 생성하기 위한 시스템 및 방법에 관한 것이다. 특히, 개시내용은 복수의 디지털 3 차원 치과적 모델들 중에서 텍스처(texture)를 균일화하는 것에 관한 것이다. 개시내용은 또한, 환자에 대한 우식증(caries), 불소증(fluorosis), 치은염(gingivitis)과 같은, 치과적 질환(dental condition)들 또는 치과적 질환들의 발달을 표현하는 디지털 3 차원 모델(들)을 생성하는 것에 관한 것이다. 또한, 개시내용은 환자의 치아들의 디지털 3D 모델에서 건강한 영역(healthy region)을 식별하는 것에 관한 것이다.
치과적 질병들은 통상적으로 시간과 함께 진전되고, 적당한 관리의 부재 시에, 질병이 걸린 치아의 발치를 심지어 초래할 수 있는 비가역적인 상황들을 초래할 수 있다. 그러므로, 치과적 질환의 발달의 조기 검출 및 모니터링이 바람직하다. 이것은 예방 또는 정정 조치들을 시기적절하게 취하는 것을 허용할 것이다.
예를 들어, 치아 부식 또는 와동(cavity)들로서 또한 지칭되는 치과적 우식증과 같은 치과적 질환은 오늘날 가장 보편적이고 널리 퍼진 지속적인 질병들 중 하나이고, 또한, 가장 예방가능한 것 중 하나이다.
전형적으로, 치과적 우식증은 음식 입자들이 반복적으로 치아들과 직접적으로 접촉하는 치아의 최상부 부분 상에 형성되는 교합 우식증으로서 분별될 수 있다. 그것은 박테리아가 곪아서 누군가의 구강 위생에 대한 위험을 제기하는 이 위치에 있다. 치아들 및 둘러싸는 구역들이 적절하게 관리되지 않을 경우에, 박테리아는 입 안의 음식으로부터 남겨진 당분들을 소화시키기 시작할 것이고, 그것을 노폐물로서의 산(acid)들로 변환할 것이다. 이 산들은 누군가의 치아들 상에서 에나멜(enamel)을 탈염(demineralize)하고 아주 작은 구멍들을 형성 ―치과적 우식증의 제1 스테이지― 하기에 충분히 강할 수 있다. 에나멜이 파괴되기 시작함에 따라, 치아는 타액 성질들을 통해 자연적으로 치아들의 칼슘 및 인산염 구조들을 보강하기 위한 능력을 상실하고, 이윽고, 산이 치아를 침투하고 내부로부터 외부로 치아를 파괴한다.
치아 부식이 방치될 경우에 누군가의 치아들에 대해 가질 수 있는 영향에도 불구하고, 치과적 우식증 또는 와동들은 양호한 구강 위생 요법으로 대부분 방지가능하다. 이것은 규칙적인 치과적 검진들을 포함한다. 치과의사는 전형적으로 치아들을 주시하고, 손상의 피트(pit)들 또는 구역들을 찾기 위한 탐색기로서 칭해진 도구로 치아들을 검사할 수 있다. 이 방법들에서의 문제는 이 방법들이 이 와동들이 방금 형성되고 있을 때에 와동들을 종종 식별하지 못한다는 점이다. 때때로, 너무 많은 힘이 이용될 경우에, 탐색기는 다공성 에나멜을 천공할 수 있다. 이것은 비가역적인 와동 형성을 야기시킬 수 있고, 와동-야기 박테리아가 건강한 치아들로 확산하는 것을 허용할 수 있다. 에나멜을 파괴한 우식증은 반전될 수 없다. 대부분의 우식증은 더 나빠지고 더 깊어지는 것을 계속할 것이다. 시간이 흐름에 따라, 치아는 뿌리까지 아래로 부식할 수 있고, 이것은 치료되지 않을 경우에 환자에 대한 극심한 불편을 야기시킬 것이다. 이것이 얼마나 오래 걸리는지는 사람마다 그리고 구강 위생의 일반적인 레벨에 따라 변동된다.
매우 조기 스테이지들에서 걸린 우식증은 반전될 수 있다. 백색 스폿(white spot)들은 에나멜에서 다공성 구조를 생성한 조기 우식증을 지시할 수 있다. 우식증 발달의 조기 스테이지들에서, 치아 부식은 정지될 수 있다. 에나멜에서 분해된 물질은 대체될 수 있으므로, 우식증은 심지어 반전될 수 있다. 불화물(fluoride)들 및 다른 방지 방법들은 또한, 부식의 조기 스테이지들에서의 치아가 스스로를 수리하는 것(재광물화(remineralize))을 돕는다. 갈색/흑색 스폿들은 조기 우식증의 최후 스테이지이다. 일단 우식증이 나빠지면, 다공성 치아 구조가 붕괴될 수 있어서 에나멜에서 비가역적인 와동들을 생성할 수 있고, 이 때문에, 오직 치과의사가 치아를 수리할 수 있다. 그 다음으로, 와동에 대한 표준 치료는 치과적 아말감(amalgam) 또는 복합 수지로 전형적으로 이루어진 충진재들로 치아를 충진시키기 위한 것이다. 때때로, 박테리아는 누군가가 볼 수 있는 치아의 부분이 상대적으로 온전하게 유지되더라도 치아 내부의 펄프(pulp)를 감염시킬 수 있다. 이 경우에, 치아는 전형적으로 근관 치료(root canal treatment) 또는 심지어 손상된 치아의 발치를 요구한다.
우식증의 발달은 치과적 우식증이 조기에 검출될 경우에 용이하게 치료될 수 있는 프로세스인 것이 관찰될 수 있다. 비검출되고 비치료될 경우에, 우식증은 치아의 외부 에나멜 층을 통해, 치아의 발치를 요구하거나 치아를 둘러싸는 치주 조직(periodontal tissue)의 염증을 야기시킬 정도로 더 부드러운 상아질(dentin)로 진전할 수 있다.
그러므로, 치과의사와 같은 전문가가 환자의 치아들에서의 우식증과 같은 치과적 질환의 발달을 바람직하게는 프로세스에서의 조기에 검출하고 모니터링하는 것을 허용하기 위한 해결책을 제공하기 위한 필요성이 존재한다.
실시예에 따르면, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법이 개시된다. 방법은 환자의 치아들의 세트의 제1 디지털 3D 모델, 및 제1 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터를 획득하는 단계를 포함하고, 텍스처 데이터는 형광 데이터(fluorescence data) 및 색 데이터(color data)를 포함한다. 그 후에, 치과적 질환을 포함하는 영역이 식별된다. 이것은 식별 임계치 기준을 식별하는 식별 값에 기초하고, 여기서, 식별 값은 제1 디지털 3D 모델의 영역과 연관된 텍스처 데이터에 대해 식별 함수를 적용함으로써 계산된다. 일단 치과적 질환을 포함하는 영역이 식별되면, 심각도 값(severity value)은 치과적 질환을 포함하는 영역으로서 식별된 적어도 하나의 영역에 대하여 결정된다. 이것은 식별된 영역과 연관된 텍스처 데이터 중 적어도 하나에 대해 심각도 함수(severity function)를 적용함으로써 수행된다. 마지막으로, 우식증과 같은 치과적 질환을 포함하는 영역에 대한 결정된 심각도 값에 기초한 시각적 지시자(visual indicator)를 포함하는 가상적 3 차원 모델이 생성된다. 개시된 방법은 컴퓨터 구현된 방법이다.
실시예에 따르면, 건강한 치과적 영역을 식별하기 위한 컴퓨터 구현된 방법이 개시된다. 방법은 환자의 치아들의 세트의 디지털 3D 모델, 및 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터를 획득하는 단계를 포함하고, 텍스처 데이터는 형광 데이터 또는 색 데이터 중 적어도 하나를 포함한다. 하나의 실시예에서, 획득된 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 대하여, 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포에 기초한 참조 값이 결정되고, 결정된 참조 값의 특정 범위(certain range) 내의 적어도 하나의 텍스처 컴포넌트에 대응하는 텍스처 컴포넌트의 개개의 값을 가지는 영역은 건강한 영역으로서 결정된다. 대안적으로, 텍스처 데이터에 대하여, 텍스처 데이터에 관련되는 텍스처 값 분포에 기초한 참조 값이 결정되고, 결정된 참조 값의 정의된 범위 내의 텍스처 값을 가지는 영역들을 건강한 영역으로서 식별한다. 개시된 컴퓨터 방법은 자동적 방법으로서 구현될 수 있다.
텍스처 값 분포는 텍스처 데이터의 텍스처 값, 또는 텍스처 데이터의 특정 채널로부터와 같이 그로부터 유도된 값에 관련될 수 있고, 텍스처 값은 특정 치아 또는 턱과 같은 형태학적 엔티티(morphological entity)의 영역과 전체로서 관련된다.
실시예에 따르면, 비-일시적 컴퓨터 판독가능 매체에서 구체화된 컴퓨터 프로그램 제품이 개시된다. 컴퓨터 판독가능 프로그램 코드를 포함하는 컴퓨터 프로그램 제품은, 하드웨어 데이터 프로세서로 하여금, 건강한 치과적 영역을 식별하기 위한 방법을 실행하게 하기 위하여 하드웨어 데이터 프로세서에 의해 실행가능하다. 방법은 환자의 치아들의 세트의 디지털 3D 모델, 및 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터를 획득하는 단계를 포함하고, 텍스처 데이터는 형광 데이터 또는 색 데이터 중 적어도 하나를 포함한다. 하나의 실시예에서, 획득된 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 대하여, 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포에 기초한 참조 값이 결정되고, 결정된 참조 값의 특정 범위 내의 적어도 하나의 텍스처 컴포넌트에 대응하는 텍스처 컴포넌트의 개개의 값을 가지는 영역은 건강한 영역으로서 결정된다. 대안적으로, 텍스처 데이터에 대하여, 텍스처 데이터에 관련되는 텍스처 값 분포에 기초한 참조 값이 결정되고, 결정된 참조 값의 정의된 범위 내의 텍스처 값을 가지는 영역은 건강한 영역으로서 식별된다. 실시예에서, 컴퓨터 판독가능 프로그램 코드를 포함하는 컴퓨터 프로그램 제품은, 하드웨어 데이터 프로세서로 하여금, 건강한 치과적 영역을 자동적으로 식별하기 위한 개시된 방법을 실행하게 하기 위하여 하드웨어 데이터 프로세서에 의해 실행가능하다.
실시예에 따르면, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법이 개시된다. 방법은 제1 시간 포인트에서, 환자의 치아들의 세트의 제1 디지털 3D 모델, 및 제1 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터를 획득하는 단계를 포함한다. 치과적 질환을 포함하는 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한, 치과적 질환의 심각도의 레벨과 연관된 심각도 값은 식별된 영역과 연관된 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써 결정된다. 유사하게, 제1 시간 포인트보다 더 이후의 제2 시간 포인트에서, 환자의 치아들의 세트의 제2 디지털 3D 모델, 및 제2 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터가 획득된다. 치과적 질환을 포함하는 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한, 치과적 질환의 심각도의 레벨과 연관된 심각도 값은 식별된 영역과 연관된 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써 결정된다. 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이의 대응하는 영역들에 대한 심각도 값들 사이의 심각도 차이들의 세트가 결정된다. 마지막으로, 심각도 차이들의 세트를 포함하는 디지털 3D 모델이 생성된다. 개시된 방법은 컴퓨터 구현된 방법이다.
실시예에 따르면, 시간 경과에 따라 환자의 구강 상황의 3D 그래픽 모델들을 생성하기 위한 방법이 개시된다. 방법은 복수의 스캔(scan)들 ―각각의 스캔은 특정 시간에서의 환자의 구강 상황을 표현하고, 각각의 스캔은 텍스처 데이터를 포함함―을 획득하는 단계; 적어도 하나의 텍스처 수정 파라미터를 결정하는 단계, 및 시간 시퀀스(time sequence)에서 복수의 스캔들을 제시하는 단계 ―개개의 복수의 스캔들 중 적어도 하나, 바람직하게는 각각의 텍스처는 적어도 하나의 텍스처 수정 파라미터 중 하나에 기초하여 수정되었음―를 포함한다. 개시된 방법은 컴퓨터 구현된 방법이다.
실시예에 따르면, 치아에 대한 우식증과 같은, 치과적 질환과 같은 치과적 질환에서의 발달을 표현하는 디지털 3 차원(3D) 모델을 생성하기 위한 방법이 개시된다. 방법은 제1 시간 포인트에서, 제1 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제1 디지털 3D 모델을 획득하는 단계; 제2 시간 포인트에서, 제2 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제2 디지털 3D 모델을 획득하는 단계; 텍스처를 균일화함으로써, 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델을 공통 텍스처 공간에 배치하는 단계; 및 제1 디지털 3D 모델 및 제2 디지털 3D 모델에서의 대응하는 영역들의 제1 텍스처 데이터 및 제2 텍스처 데이터와, 공통 텍스처 공간에 배치된 텍스처 데이터와의 비교에 기초하여, 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 단계를 포함한다. 개시된 방법은 컴퓨터 구현된 방법이다.
실시예에 따르면, 디지털 3 차원(3D) 모델들을 생성하기 위한 방법이 개시된다. 방법은,
제1 시간 포인트에서, 제1 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제1 디지털 3D 모델을 획득하는 단계;
제2 시간 포인트에서, 제2 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제2 디지털 3D 모델을 획득하는 단계;
텍스처를 균일화함으로써, 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델을 공통 텍스처 공간에 배치하는 단계; 및
디스플레이 유닛 상에서, 공통 텍스처 공간에 배치된 텍스처 데이터와 함께, 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델을 디스플레이하는 단계를 포함한다.
스캔들은 전형적으로, 제1 디지털 3D 모델 또는 제2 디지털 3D 모델과 같은 환자의 구강 상황의 디지털 3D 모델로서 제시될 수 있다. 구강 상황은 치아들, 치은(gingiva), 연조직(soft tissue), 또는 임플란트(implant), 가공치(pontic) 등과 같은 다른 이물질들 중 적어도 하나를 포함할 수 있다. 전형적으로, 구강 상황은 바람직하게는, 환자의 치은을 갖는 환자의 치아들을 포함한다. 일부 실시예들에서, 환자의 치은은 구획화 기법(segmentation technique)과, 그 다음으로, 표준 모델 치은 또는 치아들을 갖는 인공적으로 생성된 치은을 포함하는 치은의 모핑(morphing)을 적용한 후에, 치아들로부터 제거될 수 있다.
적어도 하나의 텍스처 수정 파라미터 중 하나에 기초하여 복수의 스캔들을 수정하는 것은 스캔에 관련되는 텍스처 데이터에 대해 적어도 하나의 텍스처 수정 파라미터 중 하나를 적용하는 것을 포함할 수 있다.
텍스처 수정 파라미터의 적용을 갖거나 갖지 않는 복수의 스캔들은 각각의 스캔이 언제 취해진 것인지와 연관된 시간 스탬프(time stamp)들에 따라 시간 시퀀스에서 배열될 수 있다. 시간 시퀀스는 다수의 시간 포인트 엔트리(time point entry)들을 가지는 시간 라인으로서 표현될 수 있다. 실시예에서, 특정 시간 포인트를 선택하는 것은 관련된 스캔을 디지털 3D 모델로서 디스플레이 상에서 렌더링한다. 또 다른 실시예에서, 사용자는 하나 초과의 시간 포인트들을 선택할 수 있고, 개별적으로 선택된 시간 포인트들에 관련되는, 디지털 3D 모델들로서의 하나 초과의 스캔들은 (더 이후에 논의된) 듀얼 디스플레이 상에서와 같이 동시에 디스플레이될 수 있다.
복수의 스캔들의 텍스처가 수정되는 실시예들에서, 복수의 스캔들에서 표현된 텍스처는 공통 텍스처 공간에서 텍스처 데이터와 함께 시간 시퀀스를 따라 제시된다. 이것은 스캔들의 사용자-친화적 시각화 및 구강 상황의 신뢰성 있는 모니터링을 허용하는데, 그 이유는 치과적 전문가의 초점이 복수의 스캔들을 가로질러서 텍스처에서의 변동들에 의해 우회되지 않고 스캔들은 스캔들이 취득된 변동들에 관계 없이 일관되게 프로세싱(예컨대, 비교)되기 때문이다.
용어 색(color)은 적색(Red), 녹색(Green), 및 청색(Blue) 채널들의 값들의 조합, 또는 상이한 색 공간들에서의 표현과 같은, 상이한 색 채널들의 값들의 조합으로서의 색의 임의의 다른 표현을 지칭할 수 있다. 색들은 상이한 색 공간들에서 제시될 수 있거나, RGB 색 공간과 같은 디바이스 종속적 색 공간으로부터 CIELAB 색 공간과 같은 디바이스 독립적 색 공간으로 그리고 그 반대와 같이, 하나의 색 공간으로부터 또 다른 색 공간으로 변환될 수 있다. 색 공간은 전형적으로, 각각의 그리고 모든 인간 지각가능한 색이 전형적으로 고유한 좌표를 가질 수 있는 3 차원 수치 방식으로서 정의된다. 예를 들어, LAB는 인간의 시각적 성과의 다양한 양태들을 시뮬레이팅하기 위하여 1976년에 CIE에 의해 정의된 색 공간이다.
방법은 우식증과 같은 치과적 질환에서의 발달을 표현하는 생성된 디지털 3D 모델을 디스플레이 유닛 상에서 디스플레이하는 단계를 더 포함할 수 있다. 실시예에서는, 제1 텍스처 데이터 및 제2 텍스처 데이터의 비교 이전에, 제1 디지털 3D 모델 및 제2 디지털 3D 모델이 구획화되고, 즉, 치아, 하위-치아(sub-tooth) 정보, 또는 치은과 같은 개별적인 치과적 객체들이 구획화되고 별도의 치과적 객체들로서 식별된다.
개시내용의 상이한 실시예들에서, 디지털 3D 모델들은 또한, 환자의 치아들의 세트를 포함하는 구강 상황의 3D 표현을 포함할 수 있다.
개시내용 및 다양한 실시예들은 특정 치과적 질환, 즉, 예로서의 우식증에 관련하여 설명된다. 그러나, 본 명세서에서 개시된 방법은 다른 치과적 질환들에 관련하여 마찬가지로 채용될 수 있다. 당업자는 치과적 질환에 따라, 구강 상황의 상이한 부분들이 시각화 및 비교를 위하여 사용될 수 있다는 것을 인식할 것이다. 예를 들어, 치은염(gingivitis)에 대하여, 관련된 구강 상황은 환자의 치은을 사용할 것이다.
용어 "제1 텍스처 데이터 및 제2 텍스처 데이터의 비교에 기초하여"는 2 개의 시나리오들: a) 제1 텍스처 데이터 및 제2 텍스처 데이터의 직접적인 비교, 및 b) 예를 들어, (더 이후에 논의된) 텍스처 데이터에 대해 점수화 함수(scoring function) 또는 심각도 함수와 같은 함수를 적용하는 것에 의한, 제1 텍스처 데이터 및 제2 텍스처 데이터의 간접적인 비교를 포함한다.
개시내용에서의 영역은 디지털 3D 모델을 정의하는 적어도 가장 작은 엔티티를 지칭할 수 있다. 예를 들어, 디지털 3D 모델이 다각형 메쉬(polygonal mesh)로서 표현될 경우에, 영역은 파셋(facet)을 지칭할 수 있거나, 심지어 정점(vertex)을 지칭할 수 있다. 대안적으로, 영역은 디지털 3D 모델이 복셀(voxel)들을 포함할 경우에 복셀을 지칭할 수 있다. 일부 실시예들에서, 영역은 또한, 영역들의 집합, 즉, 함께 그룹화된 복수의 가장 작은 엔티티들을 포함할 수 있어서, 개시된 방법 또는 그 단계들 중의 임의의 것은 오직 가장 작은 엔티티가 아니라, 영역들의 집합에 대해 수행된다. 이에 따라, 영역들의 집합은 최외부 파셋의 에지들에 의해 정의될 수 있다. 또 다른 실시예에서, 영역은 프로세서가 (예컨대, 구획화에 기초하여) 자동적으로 또는 사용자 입력(예컨대, 사용자 인터페이스에서 이용가능한 도구를 이용한 표면 부분의 표기)으로 식별하는 모델의 표면 부분에 대응하는 에지들, 정점들, 면들에 의해 정의된 기초적인 메쉬를 포함할 수 있다. 상이하게 표현되는 디지털 3D 모델들의 텍스처 데이터 사이의 비교가 필요한 경우에, 방법은 비교와 같은 임의의 프로세싱 이전에, 적어도 하나의 디지털 3D 모델들을 다른 표현(들)과 동일한 표현으로 변환하는 단계를 더 포함할 수 있다. 예를 들어, 하나의 디지털 3D 모델이 다각형 메쉬로서, 그리고 또 다른 하나는 복셀들로 표현될 경우에, 디지털 3D 모델들 중 적어도 하나는 비교되거나 제시될 필요가 있는 모든 모델들이 동일한 표현으로 되도록, 다각형 메쉬 표현들, 복셀 표현들, 또는 임의의 다른 표현들 중 하나로 변환될 수 있다.
위에서 개시된 실시예들 중의 임의의 것에서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델은 듀얼 디스플레이 상에서 병립 방식(side-by-side manner)으로 또는 서로 상에서 겹쳐놓인 방식(superimposed manner)으로 제시될 수 있다. 듀얼 디스플레이는 디스플레이 타일(display tile)들과 같은 적어도 2 개의 디스플레이 섹션들로 분할된 그 디스플레이 구역을 가지는 적어도 2 개의 물리적으로 상이한 디스플레이 유닛들 또는 단일 디스플레이 유닛을 포함하는 것으로 이해될 수 있다. 용어 병립 방식은 2 개의 디지털 모델들을 수평 레이아웃, 수직 레이아웃, 또는 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 각각이 듀얼 디스플레이 상에서 동일한 뷰포인트(viewpoint)(예를 들어, 교합 뷰(occlusal view) 또는 혀 뷰(lingual view) 등)로부터 개별적으로 디스플레이되는 대각 레이아웃과 같은 경사진 레이아웃 중의 임의의 것으로 디스플레이하는 것을 포함하는 것으로 이해될 수 있다. 모델들을 이러한 방식으로 표현하는 것은 개개의 텍스처 데이터를 갖는 상이한 디지털 3D 모델들의 동일한 관점의 신속한 시각화 및 평가를 허용할 수 있다.
병립 방식 또는 시간라인(timeline)에서의 시각화 동안에, 방법은 전형적으로, 사용자 입력에 기초하여, a) 적어도 2 개의 디지털 3D 모델들을 링크(link)하는 단계, 및/또는 b) 상이한 디지털 3D 모델들을 링크해제(delink)하는 단계를 더 포함할 수 있다. 전자의 시나리오 a)에서, 방법은 모델들의 변환, 주밍(zooming), 패닝(panning), 및/또는 회전 중 적어도 하나를 포함하는, 모델들을 이동시키기 위한 사용자 모델 이동 명령을 수신하는 단계를 더 포함할 수 있다. 모델 이동 명령에 응답하여, 링크된 모델들은 적어도 실질적으로 동일한 양만큼 그리고 동일한 방향으로 동시에 이동된다. 사용자 명령들은 사용자 인터페이스에서의 방향/회전/패닝/주밍 버튼과 같은 버튼에 의해, 및/또는 모델을 선택하고 마우스를 이용하여 선택된 모델을 이동시키는 것에 의한 것과 같이, 모델들 중 하나와 상호작용함으로써 수신될 수 있다. 후자의 시나리오 b)에서, 방법은 모델들의 변환, 주밍, 패닝, 및/또는 회전 중 적어도 하나를 포함하는, 이동시키기 위한 사용자 명령을 수신하는 단계를 더 포함할 수 있다. 시나리오 a)와 달리, 시나리오 b)에서, 명령을 수신하기 이전에 선택되는 3D 모델만이 이동을 거친다.
영역-특정 색 데이터를 갖는 제1 디지털 3D 모델을 획득하는 것은 구강내 색 스캐너(intraoral color scanner)를 이용하여 환자의 치아들의 구강내 스캐닝에 의해 달성될 수 있다. 유사하게, 구강내 스캐너(intraoral scanner)는 영역-특정 형광 데이터를 갖는 제1 디지털 3D 모델을 획득하기 위하여 치아의 형광 물질을 여기(excite)하도록 구성된다. 형광 데이터는 스캐너의 RGB 센서의 적색 픽셀 및 녹색 픽셀을 통해 획득될 수 있다. 이에 따라, 텍스처 데이터는 5 개의 텍스처 컴포넌트들, 즉, 색 데이터로부터의 RGB 채널들 및 형광 데이터로부터의 RG 채널들을 포함할 수 있다. 구강내 스캐닝은 또한, 환자의 치아들의 위상학적 정보(topological information), 즉, 치아들 배열을 포함하는 3 차원 데이터를 획득하는 것을 허용한다. 추가의 설명은 이하에서 포함된다.
상이한 실시예들에서, 텍스처 데이터는 색 데이터 및/또는 형광 데이터를 포함할 수 있다. 색 데이터는 치아 색들을 기록(record)할 수 있는 구강내 스캐너와 같은 스캐너 시스템을 이용하여 환자의 치아를 스캐닝함으로써 획득될 수 있다. 이러한 스캐닝은 상이한 시간포인트들에서 취득된 2 개의 스캔들 사이의 치아들의 색에서의 변화들을 검출하고 모니터링하는 것을 허용한다. 이러한 스캐닝은 전형적으로, 환자의 치아들의 위상학적 정보를 또한 포착하고, 제1 디지털 3D 모델 및 제2 디지털 3D 모델을 생성하기 위하여 이용될 수 있다. 형광 데이터는 치아의 형광 물질을 여기할 수 있는 구강내 스캐너와 같은 스캐너 시스템을 이용하여 그리고 RGB 컴포넌트들을 포함하는 형광 신호를 수신하는 것에 응답하여 환자 치아를 스캐닝함으로써 획득될 수 있다. 상이한 시간포인트들에서의 형광 데이터의 이러한 취득은 2 개의 스캔들 사이의 치아들에 관련되는 형광 데이터, 특히, 치아의 우식성 영역(cariogenic region)들로부터의 형광 데이터에서의 변화들을 검출하고 모니터링하는 것을 허용한다. 형광 데이터를 획득하기 위하여, 치아의 형광 물질을 여기하는 것에 응답하여 치아로부터 수신된 형광 신호는 바람직하게는, 형광 신호로부터 하나 이상의 색 컴포넌트들을 적어도 실질적으로 제거하기 위하여 필터를 통과하게 되고, 다른 비-제거된 컴포넌트들만을 보유하고 있다(예컨대, 형광 신호로부터 청색 컴포넌트를 제거하지만, 적색 및 녹색 컴포넌트들을 보유함). 이에 따라, 청색 컴포넌트는 형광 데이터가 RGB 센서의 적색 픽셀 및 녹색 픽셀을 통해 획득되도록 필터링될 수 있다. 실시예에서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 생성은 형광 데이터의 취득 동안에 수집된 환자의 치아들의 위상학적 정보에 기초한다. 대안적으로, 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 생성은 색 데이터의 취득 동안에 수집된 환자의 치아들의 위상학적 정보에 기초하고, 예를 들어, 환자의 치아들이 색 데이터의 취득 시에 또한 이용되는 조명 광을 이용하여 조명될 때에 획득된 위상학적 정보를 이용하고 있다. 이 상황에서, 개개의 형광 데이터는 생성된 제1 디지털 3D 모델 및 제2 디지털 3D 모델 상에서 오버레이될 수 있고, 이러한 제1 디지털 3D 모델 및 제2 디지털 3D 모델은 색 데이터를 포함할 수 있거나 색 데이터를 가지지 않는다. 실시예에서, 텍스처 데이터를 가지지 않는 제1 디지털 3D 모델 및 제2 디지털 3D 모델은 환자의 치아들의 석고 모델(gypsum model)을 스캐닝하거나 색 데이터를 포함하는 디지털 3D 모델로부터 색 데이터를 제거하는 것의 어느 하나에 의해 획득될 수 있고, 구강내 스캐너를 이용한 환자의 치아들의 스캐닝에 의해 획득될 수 있다. 형광을 측정하는 것에 관하여, "3D Intraoral scanner measuring fluorescence"이라는 명칭의 미국 출원 제14/411160호에 대한 참조가 제공되고, 이러한 미국 출원의 개시내용은 인용에 의해 본원에 포함된다.
실시예에서, 구강내 와동의 위상학적 정보에 기초한 디지털 3D 모델은 구강내 와동의 표면들로부터 반사된 광에 기초하여 생성된다. 구강내 와동의 표면이 구강내 스캐너와 같은 3D 스캐너 시스템의 광원으로부터의 조명 광으로 조명될 때, 관측 시야(field of view) 내의 표면으로부터 반사된 광은 3D 스캐너 시스템의 이미지 센서에 의해 검출된다. 반사된 광에 기초하여, 데이터 프로세싱 유닛은 관측 시야 내에서 배열된 표면의 영역에 대한 하위-스캔(sub-scan)을 연산할 수 있다. 일련의 하위-스캔들은 표면의 상이한 영역들이 관측 시야에서 배열되도록, 예컨대, 3D 스캐너 시스템의 핸드헬드(handheld) 부분이 구강내 와동에 대하여 이동될 때에 연산될 수 있다. 구강내 와동 표면/치아들의 세트의 디지털 3d 모델은 상기 하위-스캔들을 스티칭(stitching)함으로써 생성될 수 있다. 이러한 3D 스캐너 시스템들은 초점 스캐닝(focus scanning), 공초점 스캐닝(confocal scanning), 삼각측량(triangulation), 또는 다른 것들에 걸쳐 있는 상이한 스캐닝 원리들을 채용할 수 있다.
용어 3D 모델은 하위-표면 위상(topology)의 정보를 갖거나 갖지 않는 위상학적 표면 정보를 포함하는 3 차원 치아 모델을 지칭할 수 있다. 하위-표면 정보는, 환자의 치아 표면을 침투할 수 있고 이에 응답하여 하위-표면 정보의 취득을 허용하는 조명 광을 사용하는 스캐닝 기법들을 이용하여 획득될 수 있다.
실시예에서, 디지털 3D 모델을 생성하기 위하여 이용된 색 데이터 및/또는 위상학적 정보를 획득하기 위하여 치아 표면을 조명하기 위해 이용된 광의 파장은 형광 데이터를 획득하기 위하여 치아 표면을 조명하기 위해 이용된 광의 파장과는 상이하다. 또 다른 실시예에서, 디지털 3D 모델을 생성하기 위하여 이용된 색 데이터 및/또는 위상학적 정보를 획득하기 위하여 치아 표면을 조명하기 위해 이용된 광은 형광 데이터를 획득하기 위하여 치아 표면을 조명하기 위해 이용된 광의 파장을 포함하는 복수의 파장들을 포함한다. 또 다른 실시예에서, 디지털 3D 모델을 생성하기 위하여 이용된 색 데이터 및/또는 위상학적 정보를 획득하기 위하여 치아 표면을 조명하기 위해 이용된 광은 복수의 파장들을 포함하지만, 형광 데이터를 획득하기 위하여 치아 표면을 조명하기 위해 이용된 광의 파장을 가지지 않는다.
실시예에서, 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델은 공통 텍스처 공간에 배치된다. 텍스처를 균일화함으로써 모델들을 공통 텍스처 공간에 배치하는 것은 치과적 질환의 발달을 표현하는 디지털 3D 모델을 생성하기 위하여 제1 텍스처 데이터와 제2 텍스처 데이터 사이의 비교 및 정확한 시각화를 허용한다. 이것은 적어도 하나의 텍스처 수정 파라미터를 결정하는 것, 및 적어도 하나의 텍스처 수정 파라미터 중 적어도 하나를 제1 텍스처 데이터 또는 제2 텍스처 데이터 중 적어도 하나에 적용하는 것을 포함할 수 있다.
제1 시간 포인트 및 제2 시간 포인트 동안과 같은 상이한 시간 포인트들에서의 텍스처 데이터의 기록 동안에 변동들이 있을 수 있어서, 비교를 위하여 적당하지 않은 획득된 텍스처 데이터를 초래할 수 있다. 이러한 변동들은 텍스처 데이터가 기록되는 방에서의 주변 광, 또는 예컨대, 스캐너들 사이, 상이한 선단부(tip)에서의 미러들 사이, 색 교정(color calibration)들 사이의 차이들로 인한 텍스처 데이터를 기록하기 위하여 이용되는 구강내 스캐너들 중 적어도 하나를 포함할 수 있지만, 이것으로 제한되지는 않는다. 이것은 환자의 치과적 건강의 임의의 검출 및 모니터링에 영향을 줄 것인데, 그 이유는 실제적인 임상적으로 관련된 차이들이 적절하게 확인되지 않을 수 있기 때문이다. 제1 텍스처 데이터 및 제2 텍스처 데이터를 공통 텍스처 공간에 배치하는 것은, 그렇게 행하는 것이 변동들과 연관된 문제들을 적어도 실질적으로 극복하고 제1 텍스처 데이터 및 제2 텍스처 데이터에 기초하는 더 정확하고 신뢰성 있는 시각화 및 비교를 허용할 것이기 때문에 특히 도움이 된다.
어구 "텍스처 공간"은 색 공간과 같은, 텍스처의 특정 편성(organization)을 지칭할 수 있다. 제1 텍스처 데이터 및 제2 텍스처 데이터를 공통 텍스처 공간에 배치하는 것은 텍스처를 균일화함으로써 달성되고, 이러한 균일화는 제1 텍스처 데이터와 제2 텍스처 데이터 사이의 변동들을 최소화하는 것을 지칭할 수 있다. 텍스처를 균일화하는 것은 일반적으로, 텍스처 교정으로서 이해될 수 있고, 제1 텍스처 데이터 및 제2 텍스처 데이터의 필적하는 영역들의 텍스처 컴포넌트 값들 사이의 차이를 최소화하는 것을 포함하는 변환을 포함할 수 있다.
하나의 실시예에서, 텍스처 교정은 제1 텍스처 데이터 및 제2 텍스처 데이터의 필적하는 영역들의 텍스처 컴포넌트 값들 사이의 차이를 최소화하는 것을 포함하고, 여기서, 텍스처 컴포넌트 값들은 RGB 색 공간과 같은, 텍스처 데이터가 디지털 3D 모델에서 획득되거나 존재하는 텍스처 공간에서의 텍스처 데이터에 관련된다. 이것은 제1 텍스처 데이터 또는 제2 텍스처 데이터 중 하나를 포함할 수 있는 텍스처 데이터를 교정하기 위한 적어도 하나의 변환 연산자(transformation operator)를 구하는 것을 허용한다. 교정은 교정된 텍스처 데이터 및 이에 따라, 텍스처의 균일화로 귀착된다. 그 다음으로, 교정된 텍스처 데이터는 그 텍스처 데이터가 교정되는 디지털 3D 모델과 연관될 수 있다.
또 다른 실시예에서, 텍스처 교정은 i) 필적하는 영역들에 대하여, 제1 텍스처 데이터 및 제2 텍스처 데이터를 균일한 텍스처 공간 또는 다른 텍스처 공간으로 변환하는 것, 및 ii) 변환된 제1 텍스처 데이터와 변환된 제2 텍스처 데이터 사이의 차이를 최소화하는 것을 포함한다. 이것은 제1 텍스처 데이터 또는 제2 텍스처 데이터 중 하나를 포함할 수 있는 텍스처 데이터를 교정하기 위한 적어도 하나의 변환 연산자를 구하는 것을 허용한다. 교정은 교정된 텍스처 데이터 및 이에 따라, 텍스처의 균일화로 귀착된다. 교정된 텍스처 데이터는 타겟 텍스처 공간, 즉, 텍스처 데이터가 시각화되고 및/또는 다른 텍스처 데이터와 비교되어야 하는 텍스처 공간으로 변환된다. 이러한 변환은 마찬가지로 교정의 일부일 수 있다. 그 다음으로, 교정된 텍스처 데이터는 이 변환 후에, 그 텍스처 데이터가 교정되는 디지털 3D 모델과 연관될 수 있다. 균일한 텍스처 공간은 LAB 색 공간과 같은 인간 텍스처(예컨대, 색) 시각에 대하여 지각적으로(perceptually) 균일한 텍스처 공간을 포함할 수 있다. 다른 텍스처 공간은 텍스처 데이터가 변환 이전에 디지털 3D 모델에서 획득되거나 존재하는 것 이외의 텍스처 공간을 지칭한다. 예를 들어, 제1 및 제2 텍스처 데이터가 RGB 색 공간에서 먼저 표현될 경우에, 이 텍스처 데이터는 LAB 색 공간으로 변환될 수 있다. LAB 색 공간에서의 변환된 제1 및 제2 텍스처 데이터의 텍스처 컴포넌트들의 값들은 최소화되고, 그 다음으로, 텍스처 데이터(예컨대, 제1 텍스처 데이터)를 교정된 텍스처 데이터로 교정하기 위한 적어도 하나의 변환 연산자가 식별된다. 그 다음으로, 교정된(예컨대, 제1) 텍스처 데이터는 제2 텍스처 데이터가 이미 존재하는 RGB 색 공간으로 변환된다.
실시예에서, 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델을 텍스처 데이터와 함께 공통 텍스처 공간에 배치하는 것은 적어도 하나의 텍스처 수정 파라미터를 결정하는 것, 및 적어도 하나의 텍스처 수정 파라미터 중 적어도 하나를 제1 텍스처 데이터 또는 제2 텍스처 데이터 중 적어도 하나에 적용하는 것을 포함한다.
적어도 하나의 텍스처 수정 파라미터는 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 필적하는 영역들의 텍스처 값들 사이의 변형들을 최소화하도록 구성되는 적어도 하나의 변환 연산자를 포함한다. 적어도 하나의 변환 연산자는 i) 제1 및 제2 텍스처 데이터를 하나의 텍스처 공간으로부터 균일한 또는 다른 텍스처 공간으로 변환하고, 변환된 제1 및 제2 텍스처 데이터 사이의 차이를 최소화하는 것, iii) 제1 및 제2 텍스처 데이터가 균일한 또는 다른 텍스처 공간으로 변환된 후에, 변환된 제1 및 제2 텍스처 데이터 사이의 차이를 최소화하는 것, 또는 ii) 제1 텍스처 데이터와 제2 텍스처 데이터 사이의 차이를 최소화하는 것 ―제1 텍스처 데이터 및 제2 텍스처 데이터는 제1 및 제2 텍스처 데이터가 제1 및 제2 디지털 3D 모델에서 획득되거나 존재하는 텍스처 공간에 있음 ―중 하나를 허용할 수 있다.
텍스처 교정은 제1 디지털 3d 모델 또는 제2 디지털 3d 모델 중 적어도 하나에서의 텍스처의 하나 이상의 컴포넌트들과 연관된 적어도 하나의 텍스처 수정 파라미터를 적용하는 것을 통해, 값들의 국소적 조절(local adjustment) 또는 전역적 조절(global adjustment)에 의해 달성될 수 있다. 국소적 조절은 우식증이 식별되어야 하는 치아의 선택된 영역에 적용되는 텍스처 교정에 관련된다. 전역적 조절은 우식증이 식별되어야 하는 전체 치아에 적용되는 텍스처 교정에 관련된다. 실시예에서, 복수의 치아들은 국소적 조절 또는 전역적 조절을 거칠 수 있다.
실시예에 따르면, 디지털 3D 모델들을 공통 텍스처 공간에 배치하기 위한 방법이 개시된다. 방법은,
제1 디지털 3D 모델 또는 제2 디지털 3D 모델 중 하나를 선택하는 단계;
선택된 디지털 3D 모델로부터 적어도 하나의 영역을 선택하는 단계 ―선택된 영역은 텍스처 교정을 위하여 이용됨―;
비-선택된 제1 디지털 3D 모델 또는 제2 디지털 3D 모델 중 하나를 포함하는 또 다른 모델 상에서 필적하는 영역을 식별하는 단계;
선택된 모델의 선택된 영역의 텍스처 데이터 및 비-선택된 또 다른 모델의 필적하는 영역의 텍스처 데이터에 기초하여, 변환 연산자(들)를 포함하는 적어도 하나의 텍스처 수정 파라미터를 생성하는 단계; 및
비-선택된 또 다른 모델의 필적하는 영역의 텍스처 데이터에 대해 적어도 하나의 생성된 텍스처 수정 파라미터를 적용하는 단계를 포함한다.
위의 방법은 디스플레이 유닛 상에서, 필적하는 영역의 텍스처 데이터에 대해 적용된 적어도 하나의 생성된 텍스처 수정 파라미터를 가지는 비-선택된 또 다른 모델을 디스플레이하는 단계를 더 포함할 수 있다.
선행 단락의 실시예에서, 적어도 하나의 생성된 텍스처 수정 파라미터의 적용은 색 교정과 같은 텍스처 교정을 생성하고, 이것은 선택된 영역과 필적하는 영역 사이의 색들과 같은 텍스처 사이의 변동들을 최소화하는 것으로 귀착되고, 선택된 영역 및 필적하는 영역은 필적하는 영역들을 함께 구성한다.
하나의 실시예에서, 적어도 하나의 텍스처 수정 파라미터는 제1 텍스처 데이터 및 제2 텍스처 데이터에 기초한다. 제2 텍스처 데이터에 대해 변환 연산자(들)를 포함하는 적어도 하나의 텍스처 수정 파라미터를 적용하는 것은 제2 텍스처 데이터를 교정하고, 교정된 제2 텍스처 데이터를, 제1 텍스처 데이터에 의해 정의되는 공통 텍스처 공간으로 가져온다. 또 다른 실시예에서, 적어도 하나의 텍스처 수정 파라미터는 제1 텍스처 데이터 및 제2 텍스처 데이터에 기초한다. 제1 텍스처 데이터에 대해 변환 연산자(들)를 포함하는 적어도 하나의 텍스처 수정 파라미터를 적용하는 것은 제1 텍스처 데이터를 교정하고, 교정된 제1 텍스처 데이터를, 제2 텍스처 데이터에 의해 정의되는 공통 텍스처 공간으로 가져온다. 또 다른 실시예에서, 적어도 하나의 텍스처 수정 파라미터는 표준 디지털 3D 모델의 표준 텍스처 데이터에 기초한다. 적어도 하나의 텍스처 수정 파라미터는 제1 텍스처 데이터 및 표준 텍스처 데이터에 기초한 제1 변환 연산자(들), 및 제2 텍스처 데이터 및 표준 텍스처 데이터에 기초한 제2 변환 연산자(들)를 포함한다. 제1 텍스처 데이터에 대해 제1 변환 연산자(들)를 적용하고 제2 텍스처 데이터에 대해 제2 변환 연산자(들)를 적용하는 것은 제1 텍스처 데이터 및 제2 텍스처 데이터의 둘 모두를, 표준 텍스처 데이터에 의해 정의되는 공통 텍스처 공간으로 가져온다. 또 다른 실시예에서, 적어도 하나의 텍스처 수정 파라미터는 미리 정의된 텍스처 데이터에 기초한다. 적어도 하나의 텍스처 수정 파라미터는 제1 텍스처 데이터 및 미리 정의된 텍스처 데이터에 기초한 제1 변환 연산자(들), 및 제2 텍스처 데이터 및 미리 정의된 텍스처 데이터에 기초한 제2 변환 연산자(들)를 포함한다. 제1 텍스처 데이터에 대해 제1 변환 연산자(들)를 적용하고 제2 텍스처 데이터에 대해 제2 변환 연산자(들)를 적용하는 것은 제1 텍스처 데이터 및 제2 텍스처 데이터의 둘 모두를, 미리 정의된 텍스처 데이터에 의해 정의되는 공통 텍스처 공간으로 가져온다.
제1 디지털 3D 모델 및 제2 디지털 3D 모델을 공통 텍스처 공간에 배치하기 위하여, 타겟 텍스처 공간을 정의하는 타겟 텍스처 데이터가 선택/정의된다. 이러한 선택/정의는 제1 디지털 3D 모델, 제2 디지털 3D 모델, 표준 디지털 3D 모델, 또는 미리 정의된 텍스처 공간 중 적어도 하나에 기초할 수 있다. 이에 따라, 적어도 하나의 텍스처 수정 파라미터를 결정하는 것은 제1 디지털 3D 모델, 제2 디지털 3D 모델, 표준 디지털 3D 모델, 미리 정의된 텍스처 공간, 또는 이들의 조합 중 하나로부터 선택된 참조에 기초한다. 적어도 하나의 텍스처 수정 파라미터는 타겟 텍스처 공간, 및 텍스처의 균일화에 의해, 타겟 텍스처 공간과 적어도 실질적으로 정합할 필요가 있는 디지털 3D 모델들 중 하나 이상의 텍스처 공간에 기초하여 결정될 수 있다.
실시예에서, 적어도 하나의 텍스처 수정 파라미터를 생성하는 것은 필적하는 영역들로부터의 텍스처 컴포넌트들의 제1 식별 값(들)을 포함한다. 색을 정의하기 위한 이러한 값들은 3 차원 벡터들을 포함할 수 있고, RGB, LAB, HSV 등과 같은 상이한 색 공간들에서 표현될 수 있다. RGB는 일반적으로 가장 보편적인 색 공간이지만, 바람직하게는, 하나의 색 공간으로부터 또 다른 색 공간으로의 텍스처 컴포넌트의 변환을 통해 LAB 색 공간에서 표현될 수 있다. 식별된 값들은 값들에서의 차이를 결정하기 위하여 사용될 수 있다. 이하의 방법은 RGB 색 공간에 관련하여 개시되지만, LAB 색 공간과 같은 다른 색 공간들을 이용하여 작동할 수 있다. 참조 표(reference table)가 생성되고, 참조 표는 참조 및 교정을 거치는 모델에서의 RGB 컴포넌트들의 값들 사이의 영역 특정 관계를 포함한다. 예시적인 표가 이하에서 포함된다.
여기서, C_R1은 참조에서의 영역 1에 대한 RGB 값들을 표현하는 R_R1, G_R1, B_R1을 갖는 참조에서의 영역 1에서의 색을 지칭하고, C_CR1은 교정을 거치는 모델에서의 영역 1에 대한 RGB 값들을 표현하는 R_CR1, G_CR1, B_CR1을 갖는, 교정을 거치는 모델에서의 영역 1에서의 색을 지칭한다. 이러한 표는 영역 2와 같은 다른 영역들에 대한 값들 및 교정을 거치는 다른 모델'과 같은 다른 모델들에 대한 값들을 포함할 수 있다는 것이 이해가능하다.
상이한 실시예들에서, 참조는 제1 디지털 3D 모델, 제2 디지털 3D 모델, 표준 디지털 3D 모델, 미리 정의된 텍스처 공간, 또는 이들의 조합 중 하나로부터 선택된다. 표준 디지털 3D 모델 또는 미리 정의된 텍스처 공간이 참조로서 이용될 때, 제1 텍스처 데이터와 제2 텍스처 데이터 사이의 텍스처를 균일화하는 것은 제1 텍스처 데이터 및 제2 텍스처 데이터의 각각이 교정을 거칠 것을 요구할 것이어서, 제1 텍스처 데이터와 제2 텍스처 데이터 사이의 텍스처 값들에서의 차이가 감소된다는 것이 이해가능하다.
적어도 하나의 텍스처 수정 파라미터를 생성하는 것은 필적하는 영역들에 대해 식별된 값들 사이의 차이를 결정하는 것을 더 포함할 수 있다. 차이는 전형적으로 다음으로서 계산될 수 있고(예시로서, 차이는 영역 1에 대하여 도시됨),
D(C_R1, C_CR1) = Sqrt((R_R1 ―R_CR1)^2 + (G_R1 ―G_CR1)^2 + (B_R1 ―B_CR1)^2)
여기서, D(C_R1, C_CR1)는 차이를 표현한다.
적어도 하나의 텍스처 수정 파라미터를 생성하는 것은 계산된 차이에 기초하여 교정을 거치는 모델의 텍스처(예컨대, 색들)를 수정하기 위하여, 색들과 같은 텍스처의 변환 연산자(들)를 결정하는 것을 더 포함할 수 있다. 이러한 변환 연산자(들)는 필적하는 영역들의 텍스처(예컨대, 색들) 사이의, 최소 평균 차이와 같은 차이를 최소화하는 것으로 귀착될 수 있다. 예로서, 변환 연산자(들)는 다음으로서 적용된 3x3 행렬 M을 포함할 수 있고
C_CR1_calibrated = M * C_CR1
여기서, C_CR1_calibrated는 변환 연산자(들) M을 교정을 거치는 모델에서의 영역 1의 미리-교정된 텍스처에 적용한 후의 텍스처(예컨대, 색)이다. 변환 연산자(들)는 또한, 오프셋(offset)과 조합된 3x3 행렬, 또는 오프셋 단독, 또는 더 높은 차수의 변환일 수 있다.
동일한 원리는 국소적 또는 전역적 조절이 달성될 수 있도록, 다른 영역들에 적용될 수 있다.
텍스처를 균일화하기 위한 다른 기존에 공지된 기법들이 적용될 수 있다. 이들은 텍스처를 RGB 색 공간으로부터 균일한 텍스처 공간으로와 같이, 하나의 텍스처 공간으로부터 또 다른 텍스처 공간으로 변환하기 위한 기법들, 및/또는 선형 최소 제곱 알고리즘(linear least square algorithm) 또는 제약(constraint)들을 갖는 선형 최소 제곱 알고리즘와 같은, 차이를 최소화하기 위한 기법들을 포함할 수 있다.
실시예에 따르면, 적어도 하나의 텍스처 수정 파라미터를 결정하는 것은 제1 디지털 3d 모델, 제2 디지털 3d 모델, 표준 디지털 3d 모델 중 하나를 포함하는 참조의 영역에 기초한다. 방법은 영역을 자동적으로 선택하도록 구성될 수 있다. 추가적으로 또는 대안적으로, 참조의 부분은 사용자 선택될 수 있다. 예를 들어, 사용자 인터페이스는 적어도 하나의 텍스처 수정 파라미터가 결정되는 것에 기초하여, 마우스를 이용하는 것에 의한 것과 같이, 사용자가 모델의 영역을 선택하는 것을 허용하는 점안기 도구(eyedropper tool)를 포함할 수 있다. 특히, 점안기 도구는 사용자가 개별적인 색을 가지는 상이한 영역들 상에서 점안기를 이동시키고, 그 다음으로, (예컨대, 클릭-앤-드래그(click-and-drag) 동작과 같은 커서 동작을 수행하거나 터치스크린 상에서 터치-앤-드래그(touch-and-drag) 동작을 수행함으로써) 색을 샘플링함으로써, 색과 같은 텍스처를 선택하는 것을 허용한다. 샘플링된 색은 더 이전에 설명된 바와 같이, 변환 연산자(들)를 결정하기 위하여 이용될 수 있다.
상이한 실시예들에서, 차이를 계산하기 이전에, 상이한 영역들에 대한 (색에 대한 RGB 컴포넌트들과 같은) 텍스처 컴포넌트들의 값들은 상이한 방식들로 가중화될 수 있다. 예를 들어, 청색 오버레이(blue overlay)를 결정하는 수가 이용될 수 있고; 평균화된 색들의 수를 지시하는 수, 관측 각도 및 체커 보드 패턴 진폭(checker board pattern amplitude)에 기초한 데이터의 품질을 포함하는 수가 또한 이용될 수 있다.
적어도 하나의 텍스처 수정 파라미터들을 결정하기 위하여 차이가 텍스처 데이터 사이에서 결정되는 실시예들 중의 임의의 것에서, 방법은 계산된 차이가 어떤 임계치보다 더 높을 경우에, 계산된 차이(예를 들어, D(C_R1, C_CR1))를 이상점(outlier)들로서 식별하는 단계를 포함할 수 있다. 어떤 임계치보다 더 높은 차이로 귀착되는 영역들은 적어도 하나의 텍스처 수정 파라미터를 결정하기 위하여 이용되는 것이 방지될 수 있는데, 그 이유는 이 차이들이 제1 디지털 3D 모델의 텍스처 데이터와 제2 디지털 3D 모델의 텍스처 데이터 사이의 실제적인 변화들을 표현할 수 있기 때문이다. 이에 따라, 이러한 영역들은 모델들을 공통 텍스처 공간에 배치하기 위한 변환 연산자(들)를 생성하기 위하여 사용되지 않을 수 있다.
상이한 실시예들에서, 수정을 위한, 적어도 하나의 텍스처 수정 파라미터에 기초한 (색과 같은) 텍스처는 수정되어야할 모델 상에서 수정된 색들을 동일하게 분포시키는 것에 의한 것, 가장 높은 청색 오버레이 수를 갖는 영역들을 선택하는 것에 의한 것, 오직 치아들 상의 색을 선택하는 것에 의한 것, 오직 치은 상의 색들을 선택하는 것에 의한 것, 색을 가지는 사용자 선택된 영역에 의한 것, 비변화되도록 지시되는 사용자 선택된 영역들에 의한 것, 치은과 치아들 상의 색들의 수 사이의 특정 비율을 선택하는 것에 의한 것, 앞니들 상의 매끄러운 표면들과 같이, 전형적으로 비변화되는 치아들 상의 영역들을 선택하는 것에 의한 것, 또는 작은 기하구조 차이들을 가지는 영역들을 선택하고 큰 기하구조 변화들을 갖는 영역들을 제외하는 것에 의한 것 중 적어도 하나에 기초하여 식별될 수 있다.
실시예에서, 제1 텍스처 데이터의 적어도 일부에 대한 점수화 함수는 제1 디지털 3D 모델의 상이한 영역들에 대응하는 분류 점수의 제1 세트를 생성하기 위하여 적용되고; 및/또는 점수화 함수는 제2 디지털 3D 모델의 상이한 영역들에 대응하는 분류 점수의 제2 세트를 생성하기 위하여 제2 텍스처 데이터의 적어도 일부에 대해 적용된다. 분류 점수의 세트는 모델의 상이한 영역들과 개별적으로 연관된 점수들의 집합을 표현한다. 전형적으로, 점수화 함수는 환자의 치아에 관련되는 텍스처 데이터에 대해 적용되지만, 점수화 함수는 치은염을 식별하기 위한 치은과 같은, 다른 치과적 질환들을 식별하기 위한 구강 상황의 다른 부분들에 적용될 수 있다.
점수화 함수를 적용함으로써 텍스처 데이터를 프로세싱하는 것은 (더 이후에 설명된) 디지털 3D 모델에서 시각화되는 바와 같이, 환자의 치아들 상에 존재하는 하나 이상의 우식증 부위들을 검출하는 것을 포함한다.
상이한 실시예들에서, 점수화 함수는 i) 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들, ii) 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트, iii) 텍스처 데이터로부터의 상이한 영역들의 동일하거나 상이한 텍스처 컴포넌트(들), 또는 iv) 제1 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트, 및 제2 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들 중 하나를 포함하는 수학적 관계를 포함한다. 또한, 방법은 제1 텍스처 데이터의 적어도 일부에 대해 점수화 함수를 적용하는 것이, 점수화 함수에서, 제1 텍스처 데이터로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함하고, 제2 텍스처 데이터의 적어도 일부에 대해 점수화 함수를 적용하는 것이, 점수화 함수에서, 제2 텍스처 데이터로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함한다는 것을 포함한다.
실시예에서, 점수화 함수는 영역으로부터의 상이한 텍스처(예컨대, 색) 컴포넌트들을 포함하는 수학적 관계를 포함할 수 있어서, 전형적으로, 수치 값, 즉, 분류 점수로 귀착될 수 있다. 분류 점수는 영역의 적색 컴포넌트와 녹색 컴포넌트 사이와 같은, 적어도 2 개의 텍스처 컴포넌트들 사이의 콘트라스트(contrast) 또는 콘트라스트 버전(contrast version)을 지시할 수 있거나, 영역으로부터의 컴포넌트(예컨대, 녹색 색 컴포넌트)의 표현의 손실을 지시할 수 있다. 예를 들어, 수학적 관계는 적색 색 컴포넌트 및 녹색 색 컴포넌트에 기초한다. 방법은 점수화 함수를 제1 텍스처 데이터의 적어도 일부 및 제2 텍스처 데이터의 적어도 일부에 대해 적용하는 단계를 더 포함한다. 이러한 적용은 분류 점수의 제1 세트를 생성하기 위하여, 점수화 함수에서, 제1 텍스처 데이터로부터의 텍스처 컴포넌트 값들, 예컨대, 영역의 적색 색 컴포넌트 값 및 녹색 색 컴포넌트 값을 이용하는 것을 포함한다. 또한, 적용은 분류 점수의 제2 세트를 생성하기 위하여, 점수화 함수에서, 제2 텍스처 데이터로부터의 텍스처 컴포넌트 값들, 예컨대, 영역의 적색 색 컴포넌트 값 및 녹색 색 컴포넌트 값을 이용하는 것을 포함한다.
하나의 실시예에서, 점수화 함수는 점수화 함수 1에 의해 정의되고,
f(R,G) = (R-G) / (R+G)
여기서, R은 적색 채널의 값을 표현하고, G는 형광 데이터와 같은 텍스처 데이터로부터 획득된, 디지털 3D 모델의 영역에 대한 녹색 채널의 값을 표현한다. 예시된 점수화 함수는 f(R,G)의 값이 더 높을수록, 콘트라스트가 더 높고 우식증의 심각도가 더 높은 콘트라스트를 표현한다.
또 다른 실시예에서, 점수화 함수는 점수화 함수 2에 의해 정의되고,
f(R,G) = (n1 * (n2R + n3) / ((n4G + n7) + n8) ―n9) / n10
여기서, R은 적색 채널의 값을 표현하고, G는 형광 데이터와 같은 텍스처 데이터로부터 획득된, 디지털 3D 모델의 영역에 대한 녹색 채널의 값을 표현하고, n1 내지 n10은 수를 표현한다. 예시된 점수화 함수는 f(R,G)의 값이 더 높을수록, 우식증의 심각도가 더 높은 콘트라스트 버전을 표현한다.
예로서, 위의 실시예의 수학식은 다음으로서 기재될 수 있고,
f(R,G) = (300 * r / (g + 0.0000001) ―150) / 255
여기서,
r = ((90 / 255) * R) + (60/ 255),
g = ((185 / 255)) * G + (70 / 255)
또 다른 실시예에서, 점수화 함수는 영역에 대한 단일 텍스처 컴포넌트를 포함하는 수학적 관계를 포함한다. 하나의 이러한 점수화 함수는 다음을 포함하고,
점수화 함수 3: f(G) = (1 ―G)
여기서, G는 형광 데이터와 같은 텍스처 데이터로부터 획득된, 디지털 3D 모델의 영역에 대한 녹색 채널의 값을 표현한다. 예시된 점수화 함수는 f(G)의 값이 더 낮을수록, 우식증의 심각도가 더 높은 녹색 컴포넌트의 표현의 손실을 표현한다. 점수화 함수를 적용하는 것은, 점수화 함수에서, 텍스처 데이터로부터의 영역의 녹색 컴포넌트 값을 이용하는 것을 포함한다. 전형적으로, 텍스처 컴포넌트 값들의 이용은 영역 특정적이다.
또 다른 실시예에서, 분류 점수는 건강한 영역들에 기초한다. 이것은 i) 건강한 영역들 및 병변(lesion)을 포함하는 영역과 같은 상이한 영역들로부터의 동일한 텍스처(예컨대, 색) 컴포넌트, 또는 ii) 건강한 영역들 및 병변을 포함하는 영역과 같은 상이한 영역들로부터의 상이한 텍스처(예컨대, 색) 컴포넌트들 중 하나 사이의 수학적 관계를 포함한다. 방법은 점수화 함수를 제1 텍스처 데이터의 적어도 일부 및 제2 텍스처 데이터의 적어도 일부에 대해 적용하는 단계를 더 포함한다. 이러한 적용은 분류 점수의 제1 세트를 생성하기 위하여, 점수화 함수에서, 제1 텍스처 데이터로부터의 텍스처 컴포넌트 값들, 예컨대, 상이한 영역들로부터의 동일한 또는 상이한 텍스처 컴포넌트들의 색 컴포넌트 값들을 이용하는 것을 포함한다. 또한, 적용은 분류 점수의 제2 세트를 생성하기 위하여, 점수화 함수에서, 제2 텍스처 데이터로부터의 텍스처 컴포넌트 값들, 예컨대, 상이한 영역들로부터의 동일한 또는 상이한 텍스처 컴포넌트들의 색 컴포넌트 값들을 이용하는 것을 포함한다.
상이한 실시예들에서, 점수화 함수는 다음의 수학적 관계들 중 하나에 의해 정의될 수 있고,
점수화 함수 4: f = (GHA ―GL))/GHA
점수화 함수 5: f = (RHA ―RL))/RHA
점수화 함수 6: f = ((GHA ―GL))/GHA) + ((RHA ―RL))/RHA)
점수화 함수 7: f = (GL + RL) / (GHA + RHA)
점수화 함수 8: f = 1―((GL + RL) / (GHA + RHA))
여기서, GHA 및 RHA은 건강한 영역들로부터의 녹색 및 적색 컴포넌트들의 평균 값들이고, 병변을 포함하는 영역으로부터의 녹색 및 적색 컴포넌트들의 GL 및 RL 값들이다. GHA 및 RHA은 분류 점수가 계산되는 치아를 포함하는 3D 모델로부터 획득되는 값들을 표현할 수 있거나, 이러한 평균 값들은 동일한 환자의 상이한 3D 모델들의 건강한 영역들로부터, 예를 들어, 이전의 스캔들에 기초하여 생성된 3D 모델들로부터 획득되는 평균 값들을 표현할 수 있다. 이에 따라, 점수화 함수 4 및 5는 건강한 영역들 및 병변을 포함하는 영역과 같은 상이한 영역들로부터의 동일한 텍스처(예컨대, 색) 컴포넌트 사이의 수학적 관계를 표현하고, 점수화 함수들 6 내지 8은 건강한 영역들 및 병변을 포함하는 영역과 같은 상이한 영역들로부터의 상이한 텍스처(예컨대, 색) 컴포넌트들 사이의 수학적 관계를 표현한다.
형광 데이터에 의해 표현된 텍스처 데이터에서, 영역에서의 더 적은 녹색 광의 존재는 일반적으로, 건강한 치아 물질의 손실을 지시할 수 있고, 이것은 치과적 질환을 제안할 수 있다. 유사하게, 영역에서의 더 많은 적색 광의 존재는 우식성 영역을 지시한다. 이에 따라, 점수화 함수는 디지털 3D 모델에서 치과적 질환을 지정하는 이 원리를 포착하는 수치 값을 출력하도록 설계될 수 있다.
또 다른 실시예에서, 점수화 함수는 제1 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트 및 제2 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들을 포함하는 수학적 관계를 포함할 수 있다. 하나의 이러한 점수화 함수는 다음을 포함하고,
점수화 함수 9: f = (1 ―Gf) + (1 ―Rc) + (1 ―Gc) + (1 ―Bc)
여기서, Gf는 형광 데이터로부터의 영역의 녹색 컴포넌트의 값을 표현할 수 있고, Rc, Gc, Bc는 색 데이터로부터의 영역의 RGB 컴포넌트들의 값들을 표현할 수 있다. 제1 텍스처 데이터의 적어도 일부 및 제2 텍스처 데이터의 적어도 일부에 대해 점수화 함수를 적용하는 것은, 점수화 함수에서, 형광 데이터로부터의 녹색 색 값 및 색 데이터로부터의 RGB 색 값들을 이용하는 것을 포함한다. 전형적으로, 텍스처 컴포넌트 값들의 이용은 영역 특정적이다.
분류 점수가 건강한 영역에 기초하는 실시예들에서, 방법은 적어도 하나의 치아의 건강한 영역들로부터의 녹색 색 컴포넌트와 같은 적어도 하나의 텍스처 컴포넌트에 대한 가중화된 평균/평균 값을 추정하는 단계를 포함한다. 이것은 예를 들어, 분류가 계산되어야 하는 3d 모델을 형성하는 메쉬에서의 각각의 정점 또는 파셋에서, 텍스처 데이터로부터의 적어도 하나의 컴포넌트 값의 값을 샘플링하고 샘플링된 텍스처 값들로부터 히스토그램(histogram)을 생성함으로써 달성될 수 있다. 이러한 히스토그램은 전형적으로, 치은에 대한 텍스처 값들의 분포, 건강한 치아 텍스처 값들의 분포, 질병이 걸린 치아 텍스처 값들의 분포, 및 잡음을 포함하는 분포를 포함한다. 모델이 구획화될 경우에, 히스토그램은 개별적인 치과적 객체 또는 치과적 객체들의 그룹에 기초할 수 있다. 치과적 객체들의 그룹은 치은을 갖거나 갖지 않는 치아들을 포함할 수 있다. 이에 따라, 텍스처 값 분포에 대하여, 전체로서의 디지털 3D 모델은 치은을 갖지만, 바람직하게는, 치은을 갖지 않는 치아들을 포함하는 치과적 객체들의 그룹을 포함할 수 있다. 방법은 건강한 영역들을 표현하는 영역들을 식별하는 단계, 및 건강한 영역에 대하여 적어도 하나의 텍스처 컴포넌트에 대한 가중화된 평균/평균 값을 결정하는 단계를 더 포함한다. 이러한 가중화된 평균/평균은 분포의 최빈값(mode), 중위값(median), 또는 평균값(mean)에 기초할 수 있다.
질병이 걸린 치아 색 값들 및 치은 색 값들에 대한 분포들은 이들이 어둡고 적색일 때에 형광 데이터에서와 같이 중첩할 가능성이 있을 수 있어서, 둘 사이를 구별하는 것을 어렵게 할 수 있다. 그러나, 치은 또는 치아 및 치아 유형과 같은 상이한 치과적 객체들에서의 3D 모델의 구획화로, 메쉬의 어느 부분들이 치아들에 속하고 치은에 속하는지를 식별하고, 치은을 필터링하고 치아들로부터의 형광 색 값들만을 샘플링하여, 이에 따라, 기재된 문제를 극복하는 것이 가능하다. 건강한 치아 색 값들에 대한 분포는 더 높은 색 세기(color intensity)들을 가지고, 이에 따라, 건강한 영역들의 식별을 허용하고 평균을 계산하는 것을 허용한다. 건강한 치아들에 속하는 색 값들의 분포의 최빈값을 구하는 것은 건강한 치아 색 값들의 분포로 이루어진 멀티모달 분포(multimodal distribution) 및 멀티모달 잡음 분포로부터 가능할 수 있다. 이에 따라, 건강한 치아 색 분포를 식별하고 그 평균을 계산하는 것이 가능할 것이다.
건강한 영역을 식별하기 위한 개시내용은 심각도 값에 관련하여 설명될 수 있지만, 건강한 영역의 식별 또는 건강한 영역에 기초한 결정을 요구하는 모든 개시된 실시예들에 대하여 동일하게 적용가능하다. 건강한(치과적) 영역은 치과적 질환 또는 치과적 질환의 발달을 표현하는 가상적 3 차원 모델을 생성할 때, 식별 함수, 심각도 함수, 또는 점수화 함수에서와 같은 몇몇 개시된 방법들에서 참조로서 이용될 수 있는 영역으로서 이해될 수 있다. 건강한(치과적) 영역은 또한, 양호한 건강 상태들에서의 영역들로서 분류될 수 있는 영역들을 포함할 수 있다. 이러한 영역들은 전형적으로, 실질적으로 높은 확률로, 양호한 건강 상태에서의 영역들로서 식별될 수 있는 영역들이다.
실시예에 따르면, 치과적 질환 및/또는 심각도 값을 포함하는 영역의 식별은 건강한 치과적 영역을 식별하는 것을 요구할 수 있다. 하나의 실시예에서, 획득된 제1 디지털 3D 모델에서의 건강한 영역의 식별은 사용자에 의해 수행될 수 있다. 사용자는 건강한 영역(들)을 수동적으로 식별하기 위하여 텍스처 데이터의 적어도 하나의 시각적 검사를 수행할 수 있다. 예를 들어, 사용자는 제1 디지털 3D 모델 상에서 텍스처(색) 데이터를 시각적으로 검사할 수 있고, 마우스로 영역을 선택할 수 있어서, 이에 따라, 선택된 영역을 건강한 영역으로서 등록할 수 있다.
추가적으로 또는 대안적으로, 획득된 제1 디지털 3D 모델에서의 건강한 영역은 형광 데이터 및/또는 색 데이터로부터 획득된 바와 같은 하나 이상의 텍스처 컴포넌트들의 평가에 기초하여, 예를 들어, 자동적으로 식별될 수 있다. 예를 들어, 하나 이상의 텍스처 컴포넌트들은 적색 채널, 녹색 채널, 또는 형광 데이터로부터의 적색 및 녹색 채널들의 조합 중 하나 이상을 포함한다. 또 다른 예에서, 하나 이상의 텍스처 컴포넌트들은 적색 채널, 녹색 채널, 청색 채널, 또는 적색, 녹색, 또는 청색 채널들 중의 2 개 이상의 조합 중 하나 이상을 포함할 수 있다. 또 다른 예에서, 색 데이터 및 형광 데이터로부터의 상이한 채널들이 또한 사용될 수 있다.
하나의 실시예에서, 획득된 텍스처 데이터 중 하나의 적어도 하나의 텍스처 컴포넌트에 대하여, 하나 이상의 텍스처 컴포넌트들의 평가는 텍스처 데이터 중 하나의 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포에 기초하여 참조 값을 결정함으로써 수행될 수 있다. 그 후에, 결정된 참조 값의 특정 범위 내의 적어도 하나의 텍스처 컴포넌트에 대응하는 텍스처 컴포넌트의 개개의 값을 가지는 영역들은 건강한 영역으로서 식별된다. 대안적으로, 획득된 텍스처 데이터 중 하나에 대하여, 참조 값은 획득된 텍스처 데이터 중 하나에 관련되는 텍스처 값 분포에 기초하여 결정되고, 결정된 참조 값의 정의된 범위 내의 텍스처의 값을 가지는 영역들을 건강한 영역으로서 식별한다. 이 실시예에서, 결정 및 식별은 전체로서의 텍스처 데이터 중 하나에 기초하고, 즉, 텍스처 데이터 중 하나의 모든 텍스처 컴포넌트들로부터의 기여가 텍스처 데이터 중 하나로부터의 하나 이상의 텍스처 컴포넌트들의 선택 대신에 참작된다.
선행 실시예들 중의 어느 하나에서, 텍스처 값은 적어도 하나의 텍스처 컴포넌트의 세기 값/텍스처 데이터 중 하나의 세기 값 또는 세기 값으로부터 유도가능한 임의의 값을 포함할 수 있다. 텍스처 값 분포는 획득된 디지털 3D 모델 또는 치과적 객체를 형성하는 영역들(예컨대, 메쉬의 상이한 파셋들/정점들)을 가로지르는 값 분포의 빈도(frequency)로서 이해될 수 있다. 이러한 텍스처 값 분포의 예는 획득된 디지털 3D 모델 또는 치과적 객체를 형성하는 상이한 영역들(예컨대, 메쉬의 상이한 파셋들/정점들)을 가로지르는 세기 분포의 빈도를 표현할 수 있는, 색 세기 히스토그램과 같은 히스토그램을 포함한다. 이러한 색 세기 히스토그램은 형광 데이터와 같은 텍스처 데이터 중 하나, 또는 텍스처 데이터 중 하나의 텍스처 컴포넌트(예컨대, 적색 채널 또는 녹색 채널)에 대한 것일 수 있다. 참조 값의 결정은 획득된 텍스처 데이터 중 하나 또는 텍스처 데이터 중 하나의 적어도 하나의 텍스처 컴포넌트의 텍스처 값 분포에 기초하여 값을 계산하는 것을 포함한다. 이러한 계산은 평균, 가중화된 평균, 중위값, 최빈값 중 하나를 계산하는 것, 또는 분포를 데이터에 맞추고 맞추어진 분포의 최빈값을 선택하는 것을 포함할 수 있다. 건강한 영역들을 식별하거나 상이한 개시된 함수들을 이용하는 목적을 위한 컴포넌트 또는 전체로서의 텍스처 데이터에 대한 텍스처 값은 컴퓨터 모델링 및 디지털 이미징의 분야에서 기존에 공지된 기법들에 의해 결정될 수 있다.
예로서, 텍스처 값 분포는 디지털 3D 모델 또는 특정 치과적 객체로부터 특정 색 컴포넌트(채널)를 추출하고 카운트들(예컨대, 영역들의 수) 대 색 세기를 도표화함으로써 생성되는 색 히스토그램을 포함한다. 스캐닝 세션이 완료된 후에, 획득된 텍스처 데이터(형광 데이터 및 색 데이터)는 정점 색들의 개념을 사용함으로써 최종적인 3D 메쉬 모델의 상이한 정점들에서 저장될 수 있다. 이 경우에, 각각의 정점은 2 개의 색 컴포넌트들, RGB 공간 [R: 0-255; G: 0-255 B: 0-255]에서 표현된 정상적인 색 텍스처에 대한 하나, 및 RGB 공간 [R: 0-255; G: 0-255; B: 0]에서 또한 표현된 형광 데이터에 대한 하나를 포함할 수 있다. 형광 데이터에 대하여, 청색 데이터 컴포넌트가 이용가능하지 않은데, 그 이유는 그 색이 스캐닝 프로세스 동안에 또는 나중에 필터링되기 때문이다. 형광 텍스처 데이터에 대한 상이한 색 컴포넌트들의 히스토그램들을 추출할 때, 각각의 정점으로부터의 적색(R) 데이터 컴포넌트가 추출되고, 마찬가지로, 녹색(G) 컴포넌트는 형광 텍스처에 대한 녹색 색 히스토그램을 생성하기 위하여 추출될 수 있다. 이것은 녹색 컴포넌트의 형광 텍스처 데이터 히스토그램을 디스플레이할 때, 낮은 세기 녹색 값들이 주로 적색 컴포넌트를 포함하는 정점들로부터 유래되며 그 반대도 마찬가지이고, 그러므로, 참조 값을 결정할 때, 낮은 세기 녹색 값들을 필터링하는 것이 유용할 수 있다는 것을 의미한다.
하나의 실시예에서, 참조 값의 결정은 전체로서의 제1 디지털 3D 모델에 대하여 수행될 수 있다. 다시 말해서, 전체로서의 제1 디지털 3D 모델에 대한 텍스처 값 분포는 전체 디지털 3D 모델, 또는 개별적인 치과적 객체보다 더 많지만, 즉, 치과적 객체들(예컨대, 치아들)의 집합이지만, 전체 디지털 3D 모델들보다 더 적은 모델 부분에 관련되는 텍스처 값을 표현한다. 개별적인 치과적 객체보다 더 많은 모델 부분은 치은을 갖는, 그러나 바람직하게는, 치은을 갖지 않는 하나 초과의 치아를 포함할 수 있다. 하나 초과의 치과적 객체의 선택은 수동적으로 영역들의 선택을 통해, 또는 자동적으로, 디지털 3D 치과적 모델의 구획화 후의 치과적 객체들의 선택을 통해 달성될 수 있다. 사용자는 자동적 선택을 업데이팅할 가능성을 가질 수 있다. 이에 따라, 치과적 질환의 식별 및 심각도 값의 결정은 치과적 모델의 임의의 일부로부터의 건강한 영역을 사용할 수 있다. 이 실시예에서 개시된 바와 같은 전체로서의 디지털 3D 모델을 이용하는 것은 치과적 질환의 존재에 대하여 검사되는 치과적 객체의 텍스처 값 또는 텍스처 값 분포로부터 신뢰성 있는 참조 값을 획득하는 것이 어려운 상황에서 유용할 수 있다. 상황은 치과적 질환의 존재에 대하여 검사되는 영역을 포함하는 치과적 객체가 큰 우식증 병변과 같은 심각한 치과적 질환, 또는 전형적으로 실질적으로, 치과적 충진재들과 같은 비-치아 물질에 의한 치아 피복부(tooth coverage)를 가질 때에 발생할 수 있다. 이 접근법은 상이한 치과적 객체들에 대한 심각도 값들을 결정할 때에 연산적으로 더 빠를 수 있는데, 그 이유는 참조 값들이 결정되고 건강한 영역들은 개별 치아 기준이 아니라 전체로서의 전체 모델에 대하여 식별되기 때문이다. 이에 따라, 적용가능할 경우에, 이 실시예에 따라 식별된 건강한 영역으로부터의 텍스처 값이 이용될 수 있다.
또 다른 실시예에서, 참조 값을 결정하기 이전에, 획득된 제1 디지털 3D 모델은 개별적인 치과적 객체들로 구획화되고, 개별 치아 기준의 평가가 수행된다. 개별적인 치과적 객체는 복수의 개별적인 치아 및 치은을 표현할 수 있고, 또한, 치과적 충진재들 및 임플란트들과 같은 비-치아 물질을 포함할 수 있다. 이것은 치과적 질환, 이웃하는 치아, 동일한 치아 유형의 존재에 대하여 검사되는 치아와 같은 개별적인 치과적 객체에 특정적인 텍스처 값 분포를 사용하는 것을 허용한다. 그러므로, 치과적 질환의 식별 및 심각도 값의 결정은 특정 치과적 객체(예컨대, 치아)(즉, 개별 치아 기준)로부터의 건강한 영역에 기초한다. 이것은 특히 유용할 수 있고, 예를 들어, 어금니(molar) 및 앞어금니(premolar) 치아들이 일반적으로 더 어둡고, 앞니들과 같은 다른 치아들보다 더 낮은 텍스처 값을 가질 수 있다. 개별 치아 기준의 국소적으로 계산된 건강한 영역은 심각도의 레벨을 결정하기 위하여 건강한 영역을 이용할 때에 전역적인 것(즉, 전체로서의 디지털 3D 모델을 이용함)보다 더 양호하게 수행할 가능성이 있다.
치과적 객체들은 개별적으로 식별가능하므로, 구획화는 또한, 치과적 질환, 이웃하는 치아, 동일한 치아 유형의 존재에 대하여 검사되는 치아로부터와 같이, 개별적인 치과적 객체로부터의 텍스처 값 또는 건강한 영역을 사용한 치과적 질환의 식별 및/또는 심각도 값의 결정의 가능성을 제공한다. 하나의 실시예에서, 개별 치아 기준의 식별은 치과적 질환의 존재에 대하여 검사되는 영역을 포함하는 치아의 건강한 영역, 및 치과적 질환의 존재에 대하여 검사되는 치아로부터 유도되는 획득된 텍스처 데이터 중 하나 또는 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포를 식별하는 것을 포함한다. 건강한 영역은 치과적 질환에 대하여 평가되는 치아로 국소화되므로, 이 접근법은 치과적 질환의 존재 및 심각도 값들을 결정할 때에 가장 신뢰성 있는 결과들을 제시할 수 있다. 또 다른 실시예에서, 개별 치아 기준의 식별은 치과적 질환의 존재에 대하여 검사된 치아에 이웃하는 치아의 건강한 영역, 및 이웃하는 치아로부터 유도되는 획득된 텍스처 데이터 중 하나 또는 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포를 식별하는 것을 포함한다. 또 다른 실시예에서, 개별 치아 기준의 식별은 치과적 질환의 존재에 대하여 검사되는 영역을 포함하는 치아와 동일한 치아 유형인, 제1 디지털 3D 모델에서의 치아의 건강한 영역, 및 치과적 질환의 존재에 대하여 검사되는 치아와 동일한 치아 유형인 치아로부터 유도되는 획득된 텍스처 데이터 중 하나 또는 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포를 식별하는 것을 포함한다. 동일한 치아 유형은 앞니들, 송곳니(canine)들, 앞어금니들, 또는 어금니들과 같은, 구강 와동에서의 치아들의 유형들을 지칭할 수 있다. 동일한 치아 유형은 구획화된 획득된 제1 디지털 3D 모델에서 치과적 객체들의 특징들을 검출하는 것을 허용하는 특징 검출 기법들을 적용함으로써 식별될 수 있고, 이에 의해, 랜드마크(landmark)들과 같은 적어도 실질적으로 동일한 특징 세트에 기초하여 동일한 치과적 객체 유형들을 식별하는 것을 허용할 수 있다. 이웃하는 치아 또는 동일한 치아 유형을 사용하는 실시예들은 치과적 질환의 존재에 대하여 검사되는 치과적 객체의 텍스처 값 또는 텍스처 값 분포로부터 신뢰성 있는 참조 값을 획득하는 것이 어려운 상황에서 유용할 수 있다. 상황은 치과적 질환의 존재에 대하여 검사되는 영역을 포함하는 치과적 객체가 큰 우식증 병변과 같은 심각한 치과적 질환, 또는 전형적으로 실질적으로, 치과적 충진재들과 같은 비-치아 물질에 의한 치아 피복부를 가질 때에 발생할 수 있다. 이에 따라, 적용가능할 경우에, 이 실시예들에 따라 식별된 건강한 영역으로부터의 텍스처 값은 즉, 치과적 질환의 존재에 대하여 검사되는 치아의 건강한 영역으로부터, 치과적 질환의 존재에 대하여 검사되는 치아의 이웃하는 치아 또는 치과적 질환의 존재에 대하여 검사되는 치아와 동일한 치아 유형으로부터 이용될 수 있다.
전체로서의 디지털 3D 모델로부터 또는 치과적 객체로부터의 것 중의 어느 하나인 텍스처 값 분포는 건강한 영역들, 치과적 질환들을 잠재적으로 가지는 영역들, 및 아마도 잡음 신호를 포함하는 상이한 영역들로부터의 텍스처 값 분포를 포함할 수 있다. 이에 따라, 필터링은 잠재적으로 건강한 영역들에 대응할 수 있는 필터링된 텍스처 값을 획득하기 위하여 적용될 수 있다. 실시예에서, 참조 값을 결정하기 이전에, 텍스처 값은 필터링되고, 필터링된 텍스처 값 분포가 획득된다. 이것은 정의된 텍스처 값 범위 너머에서 개개의 텍스처 값을 가지는 텍스처 데이터또는 텍스처 컴포넌트들을 필터링함으로써 달성되고, 참조 값은 정의된 텍스처 값 범위 내에 속하는 텍스처 값 분포에 기초하여 결정된다. 건강한 영역들은 전형적으로, 낮은 텍스처 값들의 집중을 표현하는 텍스처 값들을 통상적으로 가지는 치과적 질환 영역들보다 더 높은 텍스처 값들을 가진다. 필터링은 적어도 최소 값 임계치, 즉, 하부 임계치 중 적어도 하나를 정의함으로써 채용될 수 있다. 예를 들어, 15와 같은 어떤 값 미만인 텍스처 값들(세기들)은 더 어두운 면 색 히스토그램들에 대하여 필터링될 수 있다. 최대 값 임계치, 즉, 상부 임계치는 또한, 높은 텍스처 값들, 예를 들어, 하이라이트(highlight)들과 같은 과포화된 상황들을 표현하는 텍스처 값을 표현할 수 있는 영역들을 필터링하기 위하여 채용될 수 있다. 필터링, 특히, 최소 값 임계치는 참조 값을 결정하는 것에 부정적으로 영향을 줄 수 있고 이에 따라, 건강한 영역의 식별에 영향을 줄 수 있는 이상점들(예컨대, 잠재적으로 질병이 걸린 영역들)을 제거하는 것을 허용한다. 그러므로, 개시된 필터링은 참조 값의 결정 및 건강한 영역들의 식별 시의 신뢰성을 개선시킨다. 당업자는 필터링이 텍스처 값 분포 상에서, 또는 텍스처 값 분포를 정의하기 이전에 범위 내에 속하는 텍스처 값들을 선택하면서 적용될 수 있다는 것을 인식할 것이다.
선행 실시예들 중의 임의의 것에서, 필터링은 자동적으로 또는 사용자 개입(user intervention) 중의 어느 하나로 수행될 수 있다. 예를 들어, 사용자는 정의된 텍스처 값 범위를 정의하기 위하여 임계치 값(들)을 정의할 수 있다. 마찬가지로, 자동적으로 정의된 텍스처 값 범위는 사용자 개입을 통해 업데이팅될 수 있다. 또 다른 실시예에서, 건강한 영역을 식별하기 위한 텍스처 값 분포의 필터링은 제1 디지털 3D 모델에서 표현된 형태학적 엔티티 데이터에 대해 수행된다. 이것은 제1 디지털 3D 모델을 치과적 객체들로 구획화하여, 열창(fissure)들, 커스프(cusp)들, 얼굴 및 구강 표면들 등과 같은 추가적인 하위-치아 정보를 식별함으로써 구현된다. 필터링은 하위-치아 정보 중 하나 이상에 대응하는 텍스처 값 데이터를 필터링하도록 구성될 수 있다.
몇몇 실시예들에서, 건강한 영역은 다음 중 하나: i) 전체로서의 텍스처 데이터 중 적어도 하나, 또는 ii) 각각의 텍스처 컴포넌트에 대하여 개별적으로, 하나의 텍스처 컴포넌트 단독, 2 개 이상의 텍스처 컴포넌트들의 조합 중 하나에 기초하여 식별된다. 즉, 참조 값이 결정되고 건강한 영역이 식별되는 것에 기초한 텍스처 값 분포는 전술한 텍스처 데이터 중 하나에 기초한다. 하나의 실시예에서, 건강한 영역은 텍스처 데이터 중 하나로부터의 오직 하나의 텍스처 컴포넌트의 텍스처 값 분포를 사용하여 식별된다. 하나의 텍스처 컴포넌트의 선택은 정의된 기준을 만족시키는 텍스처 값 분포에 기초한다. 이에 따라, 식별된 건강한 영역으로부터의 텍스처 컴포넌트 값들은 식별 함수 및 심각도 함수에서 이용된다. 건강한 영역은 오직 하나의 텍스처 컴포넌트를 이용하여 식별되므로, 연산은 더 신속하게 될 수 있다. 또한, 정의된 기준을 만족시키는 텍스처 컴포넌트의 선택은 또한, 건강한 영역의 식별의 정확도를 개선시킬 수 있다. 또 다른 실시예에서, 건강한 영역은 텍스처 데이터 중 하나의 각각의 텍스처 컴포넌트에 대하여 개별적으로 식별된다. 텍스처 컴포넌트가 텍스처 데이터(예컨대, 형광 데이터) 중 하나에서 이용가능하지 않을 경우에, 누락된 텍스처 컴포넌트는 다른 텍스처 데이터(예컨대, 색 데이터)로부터 이용될 수 있다. 즉, 각각의 텍스처 컴포넌트에 대하여, 텍스처 값 분포가 정의되고, 각각의 텍스처 컴포넌트에 특정적인 건강한 영역이 식별된다. 텍스처 컴포넌트에 특정적인, 식별된 건강한 영역으로부터의 텍스처 컴포넌트 값은 식별 함수 및 심각도 함수에서의 특정 텍스처 컴포넌트에 대하여 이용된다. 예를 들어, 녹색 채널의 색 세기 분포에 기초하여 식별된 건강한 영역은 식별 함수 및 심각도 함수에서의 건강한 영역에 대한 녹색 채널 세기 값을 제공하기 위하여 이용된다. 유사하게, 적색 채널의 색 세기 분포에 기초하여 식별된 건강한 영역은 식별 함수 및 심각도 함수에서의 건강한 영역에 대한 적색 채널 세기 값을 제공하기 위하여 이용된다. 이것은 텍스처 컴포넌트의 텍스처 값이 식별 함수 또는 심각도 함수에서 이용될 때, 텍스처 컴포넌트를 이용하여 구체적으로 식별된 건강한 영역을 이용하는 것을 허용할 수 있다. 또 다른 실시예에서, 건강한 영역은 2 개 이상의 텍스처 컴포넌트들의 조합에 기초하여 식별된다. 이것은 예를 들어, 제1 건강한 영역을 식별하기 위하여 제1 텍스처 컴포넌트(예컨대, 적색 채널)의 텍스처 값 분포를 사용하고 제2 건강한 영역을 식별하기 위하여 제2 텍스처 컴포넌트(예컨대, 녹색 채널)의 텍스처 값 분포를 사용함으로써 채용될 수 있다. 제1 건강한 영역 및 제2 건강한 영역의 중첩은 텍스처 컴포넌트 값들이 식별 함수 및 심각도 함수에서 이용되도록 선택되는 건강한 영역을 정의할 수 있다. 중첩하는 건강한 영역을 건강한 영역으로서 이용하는 것은 건강한 영역의 식별의 신뢰성을 개선시킬 수 있다. 또 다른 실시예에서, 건강한 영역은 전체로서의 텍스처 데이터의 적어도 하나의 텍스처 값 분포를 사용하여, 즉, 상이한 텍스처 컴포넌트들의 개별적인 텍스처 값 분포를 이용하지 않으면서, 그 대신에, 상이한 텍스처 컴포넌트들의 조합된 효과를 포함하는 텍스처 데이터 중 하나의 텍스처 값 분포를 이용하여 식별된다. 이에 따라, 식별된 건강한 영역으로부터의 텍스처 컴포넌트 값들은 식별 함수 및 심각도 함수에서 이용된다. 건강한 영역은 전체로서의 텍스처 데이터 중 하나를 이용하여 식별되므로, 이 접근법은 연산적으로 더 빠를 수 있다.
위의 실시예들을 감안하면, 참조 값의 결정 및 건강한 영역의 식별은 형태학적 엔티티 및 형태학적 엔티티로부터 획득가능한 텍스처 값의 조합에 기초할 수 있다는 것이 당업자에게 명백할 것이다. 형태학적 엔티티는 전체로서의 제1 디지털 3D 모델, 치과적 질환의 존재에 대하여 검사되는 치과적 객체, 이웃하는 치아, 또는 치과적 질환의 존재에 대하여 검사되는 치아와 동일한 치아 유형의 치아 중 하나를 포함할 수 있다. 유사하게, 텍스처 값은 텍스처 데이터 중 적어도 하나, 또는 텍스처 데이터 중 적어도 하나로부터의 텍스처 컴포넌트들 중 적어도 하나를 포함할 수 있다. 더 이전에 지시된 바와 같은 개시내용은 일반적으로, 특정한 형태학적 엔티티 및 텍스처 값이 또 다른 것에 비해 선호될 수 있는 상황들의 안내를 제공한다.
위의 실시예들을 감안하면, 다른 점수화 함수들은 또한, 디지털 3D 모델의 상이한 영역들에 대한 분류 점수의 세트를 생성하기 위하여 사용될 수 있다는 것이 당업자에게 명백할 것이다. 이러한 점수화 함수들은 또한, 치과적 질환 특정적 점수화 함수들을 포함할 수 있다. 어느 점수화 함수를 이용할 것인지에 대한 선택은 상이한 점수화 함수들에 의해 생성된 점수의 특이성(specificity) 및 감도(sensitivity)에 의해 결정될 수 있고, 여기서, 특이성은 치과적 질환을 가지지 않는 것으로서 올바르게 식별되는 건강한 영역들의 백분율에 관련되고, 감도는 치과적 질환을 가지는 것으로서 올바르게 식별되는 질병이 걸린 영역들의 백분율에 관련된다는 것이 명백하다. 예를 들어, 선택은 개개의 임계치를 개별적으로 만족시키는 특이성 및 감도, 및 최소 임계치를 또한 충족시키는 특이성 및 감도의 합에 기초할 수 있다. 유사하게, 식별 함수 및 심각도 함수의 선택은 최소 임계치 기준을 충족시키는 특이성 및 감도에 기초할 수 있다.
실시예에서, 방법은 생성된 분류 점수의 제1 세트를 제1 디지털 3D 모델 또는 제1 디지털 3D 모델의 복사분의 적어도 일부 상으로 맵핑하는 단계를 포함한다. 제1 디지털 3D 모델 또는 그 복사본(copy)은 제1 텍스처 데이터를 포함하거나, 제1 텍스처 데이터를 가지지 않는다. 추가적으로 또는 대안적으로, 방법은 생성된 분류 점수의 제2 세트를 제2 디지털 3D 모델 또는 제2 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계를 포함한다. 맵핑된 분류 점수의 제2 세트를 포함하는 제2 디지털 3D 모델 또는 그 복사본은 제2 텍스처 데이터를 포함하거나, 제2 텍스처 데이터를 가지지 않는다.
실시예에서, 텍스처 데이터를 가지지 않는 제1 디지털 3D 모델, 제1 디지털 3D 모델의 복사본, 제2 디지털 3D 모델, 및 제2 디지털 3D 모델의 복사본은 환자의 치아들의 석고 모델을 스캐닝하거나 색 데이터를 포함하는 디지털 3D 모델로부터 색 데이터를 제거하는 것의 어느 하나에 의해 획득될 수 있고, 구강내 스캐너를 이용하여 환자의 치아들의 스캐닝에 의해 획득될 수 있다. 제1 디지털 3D 모델, 제1 디지털 3D 모델의 복사본, 제2 디지털 3D 모델, 및 제2 디지털 3D 모델의 복사본이 텍스처 데이터를 포함하는 실시예에서, 이러한 텍스처 데이터는 색 데이터 및/또는 형광 데이터를 포함할 수 있다.
상이한 실시예들에서, 시각적 지시자는 영역-특정 심각도 값 또는 심각도의 레벨 또는 치과적 질환의 점수화 값, 레이트, 또는 발달과 같은 다른 성질들을 지시하는, 환자의 치과적 3D 모델 상에서 전형적으로 오버레이된 포인터(pointer), 히트 맵(heat map), 또는 임의의 다른 그래픽 표현을 포함할 수 있다. 시각적 지시자는 심각도 값들의 상이한 범위들 또는 심각도의 상이한 레벨들을 지시하기 위한 상이한 성질들로 제시될 수 있다. 히트 맵(heat mp)의 경우에, 상이한 성질들은 상이한 색들을 포함할 수 있다. 예를 들어, 심각도의 중간 레벨은 오렌지 색(orange color)으로 표현될 수 있고, 심각도의 높은 레벨은 적색 색으로 표현될 수 있다.
분류 점수의 제1 세트를 맵핑하는 것은 통상적으로, 제1 디지털 3D 모델 또는 그 복사본 상에서, 분류 점수의 제1 세트 내에 포함된 분류 점수들을 표현하는 것을 포함한다. 추가적으로 또는 대안적으로, 분류 점수의 제2 세트를 맵핑하는 것은 제2 디지털 3D 모델 또는 그 복사본 상에서, 분류 점수의 제2 세트 내에 포함된 분류 점수들을 표현하는 것을 포함한다. 분류 점수는 디지털 3D 모델로부터의 특정 영역에 대하여 결정되므로, 분류 점수를 맵핑하는 것은 특정 영역 상에서 분류 점수를 오버레이하거나 겹쳐놓는 것을 포함한다. 이러한 오버레이 또는 겹쳐놓는 것은 색들 또는 표기들과 같은 시각적 지시들을 통해 디지털 3D 모델 상에서 분류 점수를 표현하는 것을 허용한다.
전형적으로, 분류 점수의 제1 세트를 맵핑하는 것은 통상적으로, 제1 디지털 3D 모델 또는 그 복사본 상의 상이한 시각적 지시들(예컨대, 색들 또는 표기)로, 미리 정의된 상이한 점수 범위들 내에 속하는 분류 점수의 제1 세트 내에 포함된 분류 점수들을 표현하는 것을 포함한다. 추가적으로 또는 대안적으로, 분류 점수의 제2 세트를 맵핑하는 것은, 제2 디지털 3D 모델 또는 그 복사본 상의 상이한 시각적 지시들로, 미리 정의된 상이한 점수 범위들 내에 속하는 분류 점수의 제2 세트 내에 포함된 분류 점수들을 표현하는 것을 포함한다. 더 이전에 개시된 바와 같이, 분류 점수는 우식증의 존재 뿐만 아니라, 우식증의 심각도를 표현할 수 있다. 방법은 우식증의 심각도에 관련되는 상이한 점수 범위들을 정의하는 단계를 포함하고, 각각의 점수 범위는 특정 색 또는 표기와 연관될 수 있다. 그러므로, 분류 점수의 세트 내에 포함된 하나 초과의 분류 점수는 정의된 점수 범위들 중 하나로 범주화되고, 따라서, 분류 점수가 범주화되는 점수 범위와 연관되는 색 또는 표기를 갖는 디지털 3D 모델 상으로 맵핑된다. 심각도 및 연관된 색에 관련된 분류 점수의 예시적인 범주화(categorization)는 이하에서 도시된다.
여기서, CS는 디지털 3D 모델의 영역에 대한 분류 점수이고, S1 내지 S3은 범위들을 정의하는 분류 점수들이다.
당업자는 범주들의 수를 증가시키거나 감소시킴으로써 범주들의 세분화도(granularity) 중 적어도 하나를 변동시킬 수 있고, 점수 범위를 변동시킬 수 있고, 연관된 색들을 변화시킬 수 있다는 것이 명백하다. 이러한 변형들은 개시내용의 범위 내에 있다.
실시예에서, 방법은 제1 텍스처 데이터 및 제2 텍스처 데이터를 비교하는 것이, 하나 초과의 대응하는 영역들에 대하여, 분류 점수의 제1 세트와 분류 점수의 제2 세트 사이의 차이 점수들을 결정하는 것을 포함한다는 것을 포함한다. 차이 점수는 제1 디지털 3D 모델 및 제2 디지털 3D 모델로부터의 대응하는 영역들, 즉, 제2 디지털 3D 모델로부터의 영역에 대응하는 제1 디지털 3D 모델로부터의 영역에 대해 계산된다. 분류 점수 사이의 차이는 제1 시간 포인트와 제2 시간 포인트 사이의 우식증의 영역 특정 발달을 제시할 시에 유용하다.
또 다른 실시예에서, 방법은 제1 텍스처 데이터 및 제2 텍스처 데이터를 비교하는 단계를 포함한다. 이러한 비교는 하나 초과의 대응하는 영역들에 대하여, 제1 텍스처 데이터 내에 포함된 텍스처 값들과 제2 텍스처 데이터 내에 포함된 텍스처 값들 사이의 텍스처 차이 값들을 결정하는 것을 포함한다. 이에 따라, 이 실시예에서는, 분류 점수 사이의 차이를 계산하는 대신에, 우식증 발달의 식별이 텍스처 데이터에서의 차이에 기초하여 결정될 수 있다. 이러한 차이는 영역 특정적이고, 즉, 제1 디지털 3D 모델로부터의 영역에 대한 텍스처 데이터는 제2 디지털 3D 모델의 대응하는 영역으로부터의 텍스처 데이터와 비교된다.
실시예에서, 치과적 우식증에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 것은 차이 점수들 및/또는 텍스처 차이 값들을 디지털 3D 모델 상으로 맵핑하는 것을 포함한다. 디지털 3D 모델은 제1 디지털 3D 모델, 제2 디지털 3D 모델, 제1 디지털 3D 모델의 복사본, 또는 제2 디지털 3D 모델의 복사본의 적어도 하나 중 하나를 포함한다. 제1 디지털 3D 모델 또는 제1 디지털 3D 모델의 복사본은 제1 텍스처 데이터를 포함하거나, 제1 텍스처 데이터를 가지지 않는다. 추가적으로 또는 대안적으로, 제2 디지털 3D 모델 또는 제2 디지털 3D 모델의 복사본은 제2 텍스처 데이터를 포함하거나, 제2 텍스처 데이터를 가지지 않는다.
차이 점수 또는 텍스처 차이 값들은 디지털 3D 모델들의 대응하는 영역들에 대하여 결정되므로, 차이 점수 또는 텍스처 차이 값을 맵핑하는 것은 차이 점수 또는 텍스처 차이 값이 계산되는 영역 상에서 차이 점수 또는 텍스처 차이 값을 오버레이하거나 겹쳐놓는 것을 포함한다. 제1 디지털 3D 모델 또는 제2 디지털 3D 모델들 중 하나를 포함하는 디지털 3d 모델에 대하여, 이러한 오버레이 또는 겹쳐놓는 것은 대응하는 영역으로 고려되는 개개의 영역 상에서 행해진다. 제1 디지털 3D 모델의 복사본 또는 제2 디지털 3D 모델의 복사본은, 우식증의 발달을 표현하는 디지털 3D 모델로서 이용될 때, 각각 제1 디지털 3D 모델 또는 제2 디지털 3D 모델의 대응하는 영역들을 반영하는 (오버레이 또는 겹쳐놓는 것을 위한) 영역을 사용할 수 있다. 이러한 오버레이 또는 겹쳐놓는 것은 색들 또는 표기와 같은 시각적 지시들을 통해 디지털 3D 모델 상에서 차이 점수 또는 텍스처 차이 값을 표현하는 것을 허용한다.
실시예에서, 차이 점수들 또는 텍스처 차이 값들을 맵핑하는 것은, 색들 또는 표기들과 같은 상이한 시각적 지시들로, 미리 정의된 상이한 차이 범위들 내에 속하는 차이 점수들 및/또는 텍스처 차이 값들을 표현하는 것을 포함한다.
차이 점수들 및 텍스처 차이 값들은 제1 시간 주기와 제2 시간 주기 사이의 우식증의 발달의 심각도를 표현할 수 있다. 방법은 우식증의 발달의 심각도에 관련되는 상이한 정의된 차이 범위들(차이 점수들 및 텍스처 차이 값들에 대하여 상이함)을 정의하는 단계를 포함하고, 각각의 차이 점수 및/또는 텍스처 차이 값은 특정 색 또는 표기와 연관될 수 있다. 그러므로, 하나 초과의 차이 점수 또는 텍스처 차이 값은 정의된 차이 범위들 중 하나로 범주화되고, 따라서, 차이 점수 또는 텍스처 차이 값이 범주화되는 차이 범위와 연관되는 색 또는 표기를 갖는 디지털 3D 모델 상으로 맵핑된다.
우식증의 발달 및 연관된 색에 관련하여 차이 점수 또는 텍스처 차이 값에 기초한 예시적인 범주화가 이하에서 도시된다. 단순화의 이유들로, 차이 점수 및 텍스처 차이 값을 포괄하는 둘 모두의 실시예들은 동일한 표에서 표현된다.
여기서, DS는 대응하는 영역들에 대한 차이 점수이고, DS1 내지 DS3은 범위들을 정의하는 차이 점수들이고, TDV는 대응하는 영역들에 대한 텍스처 차이 점수이고, TDV1 내지 TDV3은 범위들을 정의하는 텍스처 차이 값들이다.
위의 표에 따르면, 당업자는 우식증의 발달이 차이 점수 또는 텍스처 차이 값의 어느 하나 또는 차이 점수 및 텍스처 차이 값의 조합에 기초한다는 것을 인식할 것이다. 조합의 경우에, 실시예에 따르면, 우선순위 규칙은 2 개의 조건들 중의 오직 하나가 충족될 경우에 충돌을 해결할 수 있다. 예를 들어, DS3 ≤ DS이지만, TDV3 ≤ TDV의 조건이 만족되지 않을 경우에, 방법은 우식증의 발달을 범주화하기 위하여 우선순위 규칙을 적용하는 단계, 및 따라서, 디지털 3D 모델 상에서 연관된 색으로 우식증을 제시하는 단계를 포함할 수 있다. 하나의 이러한 규칙은 중간 및 주요 변화에 대한 차이 점수를 우선순위화하는 것, 및 작은 또는 경미한 변화에 대한 텍스처 차이 값을 우선순위화하는 것을 포함할 수 있고, 즉, 주어진 예에 대하여, DS3 ≤ DS이 만족되지만, TDV3 ≤ TDV이 만족되지 않으면, 연관된 색은 적색이다. 예시된 규칙에 따르면, DS < DS1이 만족되는 것이 아니라, TDV < TDV1이 만족될 경우에, 연관된 색은 녹색이다. 다른 우선순위 규칙들이 또한 채용될 수 있고, 이 개시내용의 범위 내에 있다. 조합의 경우에, 또 다른 실시예에 따르면, 치과적 질환에 의해 영향받은 영역의 결정은 차이 점수 및 텍스처 차이 값의 합 또는 가중화된 합에 기초할 수 있다. 합 또는 가중화된 합은 치과적 질환의 발달의 심각도를 반영하는 시각적 지시들 및 상이한 범위들에 링크될 수 있는 합산된 점수로 귀착된다.
당업자는 범주들의 수를 증가시키거나 감소시킴으로써 범주들의 세분화도 중 적어도 하나를 변동시킬 수 있고, 미리 정의된 차이 범위를 변동시킬 수 있고, 연관된 색들 및 우선순위 규칙들을 변화시킬 수 있다는 것이 명백하다. 이러한 변형들은 개시내용의 범위 내에 있다.
실시예에서, 제1 텍스처 데이터 및 제2 텍스처 데이터의 비교는 하나 초과의 대응하는 영역들에 대하여, i) 제2 시간 포인트와 제1 시간 포인트 사이의 시간 기간(time span) 및 차이 점수들, 또는 ii) 제2 시간 포인트와 제1 시간 포인트 사이의 시간 기간 및 텍스처 차이 값들에 기초하여, 치과적 우식증의 발달의 레이트들을 결정하는 것을 포함한다.
실시예에서, 치과적 우식증에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 것은 치과적 우식증의 발달 레이트를 제1 디지털 3D 모델, 제2 디지털 3D 모델, 제1 디지털 3D 모델의 복사본, 또는 제2 디지털 3D 모델의 복사본 중 적어도 하나 상으로 맵핑하는 것을 포함한다. 제1 디지털 3D 모델 또는 제1 디지털 3D 모델의 복사본은 제1 텍스처 데이터를 포함하거나, 제1 텍스처 데이터를 가지지 않는다. 추가적으로 또는 대안적으로, 제2 디지털 3D 모델 또는 제2 디지털 3D 모델의 복사본은 제2 텍스처 데이터를 포함하거나, 제2 텍스처 데이터를 가지지 않는다.
차이 점수 또는 텍스처 차이 값에 기초하여 변화의 레이트들을 맵핑하는 것은 차이 점수 또는 텍스처 차이 값이 계산되는 영역 상에서 변화의 레이트들을 오버레이하거나 겹쳐놓는 것을 포함한다. 더 이전에 개시된 바와 같이, 차이 점수 또는 텍스처 차이 값들은 제1 및 제2 디지털 3D 모델들의 대응하는 영역들에 대해 결정되므로, 이러한 오버레이 또는 겹쳐놓는 것은 디지털 3D 모델에서의 대응하는 영역들을 반영하는 영역 상에서 행해진다. 이러한 오버레이 또는 겹쳐놓는 것은 적어도 2 개의 취득된 모델들 사이의 시간 기간을 참작하여 색들 또는 표기들과 같은 시각적 지시들을 통해 디지털 3D 모델 상에서 변화의 레이트들을 표현하는 것을 허용한다.
실시예에서, 치과적 우식증의 발달의 레이트들을 맵핑하는 것은, 색들 또는 표기들과 같은 상이한 시각적 지시들로, 미리 정의된 상이한 레이트 범위들 내에 속하는, 바람직하게는 영역 특정적인 변화의 레이트들을 표현하는 것을 포함한다.
변화의 레이트는 제1 시간 주기와 제2 시간 주기 사이의 우식증의 발달의 심각도를 표현할 수 있다. 방법은 우식증의 발달의 심각도에 관련되는 상이한 변화의 레이트들을 미리 정의하는 단계를 포함하고, 각각의 변화의 레이트는 특정 색 또는 표기와 연관될 수 있다. 그러므로, 하나 초과의 변화의 레이트들은 정의된 변화의 레이트 중 하나로 범주화되고, 따라서, 변화의 레이트가 범주화되는 변화의 레이트들과 연관되는 색 또는 표기를 갖는 디지털 3D 모델 상으로 맵핑된다.
연관된 색 및 우식증의 발달에 관련하여 변화의 레이트에 기초한 예시적인 범주화가 이하에서 도시된다.
여기서, RoC는 대응하는 영역들에 대한 변화의 레이트(Rate of Change)이고, RoC1 내지 RoC3은 범위들을 정의하는 변화의 레이트이다.
하나의 실시예에서, 변화의 레이트들의 범주화는 상이한 점수 또는 텍스처 차이 값에 따라 계산되는 변화의 레이트들에 기초할 수 있다. 또 다른 실시예에서, 범주화는 상이한 점수 및 텍스처 차이 값에 따라 계산되는 조합된 변화의 레이트들에 기초할 수 있다.
당업자는 범주들의 수를 증가시키거나 감소시킴으로써 범주들의 세분화도 중 적어도 하나를 변동시킬 수 있고, 변화의 레이트를 변동시킬 수 있고, 연관된 색들을 변화시킬 수 있다는 것이 명백하다. 이러한 변형들은 개시내용의 범위 내에 있다.
디지털 3D 모델 상에서의 차이 점수들, 텍스처 차이 값들, 또는 변화의 레이트들 중 하나를 통한 우식증 또는 우식증의 발달의 맵핑된 표현은 식별된 우식성 영역들이 물리적 치아 상에서 어떻게 가시적인지와 비교하여, 치아 표면에 관련하여 개선된 가시성을 제공할 수 있다.
실시예에서는, 대표적인 디지털 3D 모델을 생성하기 위한 방법이 개시된다. 방법은,
제1 시간 포인트 및 제2 시간 포인트 상에서의 텍스처 데이터에서의 변화에 기초하여 속도 함수(velocity function)를 결정하기 위하여 제1 텍스처 데이터 및 제2 텍스처 데이터를 프로세싱하는 단계;
속도 함수에 기초하여 미래의 시간 포인트에서의 미래의 텍스처 데이터를 결정하는 단계 ―미래의 텍스처 데이터는 환자의 치아들의 세트가 미래의 텍스처 데이터에 도달하기 이전에 결정됨―; 및
환자의 치아들의 대표적인 디지털 3D 모델을 생성하는 단계를 포함하며,
i) 미래의 텍스처 데이터는 대표적인 디지털 3D 모델 상으로 맵핑되고; 그리고/또는
ii) 치과적 우식증의 발달은 환자에 대한 미래의 텍스처 데이터 및 최후에 취득된 텍스처 데이터의 비교에 기초하여 대표적인 디지털 3D 모델 상으로 맵핑된다.
선행 방법의 실시예에서, 제1 텍스처 데이터 및 제2 텍스처 데이터를 프로세싱하기 이전에, 제1 텍스처 데이터 및 제2 텍스처 데이터는 텍스처를 균일화함으로써 공통 텍스처 공간에 배치된다.
실시예에 따르면, 제1 디지털 3D 모델에 대응하는 텍스처 데이터의 획득과 제2 디지털 3D 모델에 대응하는 텍스처 데이터의 획득 사이의 시간 기간 사이의 심각도 값 또는 텍스처 데이터의 하나 이상의 컴포넌트에서의 변화에 기초한 속도 함수가 결정된다. 또한, 속도 함수에 기초한 미래의 시간 포인트에서의 미래의 텍스처 데이터 또는 심각도 값 ―미래의 텍스처 데이터는 환자의 치아들의 세트가 미래의 텍스처 데이터에 도달하기 이전에 결정됨 ―이 결정된다. 환자의 치아들의 대표적인 디지털 3D 모델이 생성된다. 대표적인 디지털 3D 모델은 미래의 텍스처 데이터가 대표적인 디지털 3D 모델 상으로 맵핑된다는 것을 포함한다. 추가적으로 또는 대안적으로, 환자의 치아들의 대표적인 디지털 3D 모델은 대표적인 디지털 3D 모델 상으로 맵핑된 결정된 미래의 텍스처 데이터를 이용하여 심각도 값들을 계산하는 것에 기초하여 결정된 미래의 치과적 질환을 포함한다.
대표적인 디지털 3D 모델은 제1 디지털 3d 모델, 제1 디지털 3d 모델의 복사본, 제2 디지털 3d 모델, 또는 제2 디지털 3d 모델의 복사본 중 적어도 하나를 포함할 수 있다. 제1 디지털 3d 모델 또는 제1 디지털 3d 모델의 복사본은 제1 텍스처 데이터를 포함할 수 있거나, 제1 텍스처 데이터를 가지지 않는다. 유사하게, 제2 디지털 3d 모델 또는 제2 디지털 3d 모델의 복사본은 제2 텍스처 데이터를 포함할 수 있거나, 제2 텍스처 데이터를 가지지 않는다. 전형적으로, 대표적인 디지털 3d 모델이 최후에 취득된 텍스처 데이터에 관련되는 디지털 3d 모델을 포함하고, 이러한 디지털 3d 모델은 최후에 취득된 텍스처 데이터를 포함할 수 있거나, 최후에 취득된 텍스처 데이터를 가지지 않는다는 것이 선호된다. 하나의 실시예에서, 속도 함수는 제1 텍스처 데이터 및 제2 텍스처 데이터에 관련되는 대응하는 영역들에 대하여 생성될 수 있다. 그러나, 속도 함수는 대표적인 모델이 발달되어야 하는 전체 치아에 대한 평균으로서 생성될 수 있다. 속도 함수의 계산은 또한, 제1 시간 포인트 및 최후의 텍스처 데이터가 취득된 시간 포인트 상에서의 제1 텍스처 데이터 및 최후에 취득된 텍스처 데이터에 기초할 수 있다는 것이 이해된다. 대안적으로, 속도 함수의 계산은 제2 시간 포인트 및 최후의 텍스처 데이터가 취득된 시간 포인트 상에서의 제2 텍스처 데이터 및 최후에 취득된 텍스처 데이터에 기초할 수 있다. 일부 사례들에서, 최후에 취득된 텍스처 데이터는 제2 텍스처 데이터이고, 이에 따라, 최후에 취득된 텍스처 데이터의 시간 포인트는 제2 시간 포인트이다. 상이한 실시예들에서, 더 이전에 개시된 바와 같이, 환자에 대한 미래의 텍스처 데이터 및 최후에 취득된 텍스처 데이터의 비교는 텍스처 데이터의 직접적인 비교 또는 점수화 함수를 통한 텍스처 데이터의 간접적인 비교에 기초한다. 상이한 실시예들에서, 속도 함수는 더 이전에 개시된 바와 같이, 변화의 레이트들이다. 상이한 실시예들에서, 속도 함수는 제1 시간 포인트와 제2 시간 포인트 사이의 우식증의 발달을 정의하는 선형 레이트 함수(linear rate function) 또는 비-선형 레이트 함수(non-linear rate function)에 의해 정의된다.
실시예에서, 방법은 제1 디지털 3D 모델, 제2 디지털 3D 모델, 또는 시간 시퀀스에서 우식증의 발달을 표현하는 디지털 3D 모델 중 적어도 하나를 제시하는 단계를 포함하고, 여기서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델은 공통 텍스처 공간에 배치된다. 이러한 표현은 시간의 주기 상에서 우식증의 발달을 보기 위하여 특히 유용할 수 있다. 제1 디지털 3D 모델 및 제2 디지털 3D는 제1 디지털 3D 모델 및 제2 디지털 3D 모델로 귀착된 스캔이 언제 취해졌는지와 연관된 시간 스탬프들에 따라 시간 시퀀스에서 배열될 수 있다.
제1 디지털 3D 모델 및 제2 디지털 3D 모델을 공통 텍스처 공간에 배치하는 것은 제1 텍스처 데이터 및 제2 텍스처 데이터가 공통 텍스처 공간에 배치되는 것으로서 이해될 수 있다.
실시예에서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델에서의 대응하는 영역들은 제1 디지털 3D 모델 및 제2 디지털 3D 모델이 공통 좌표계(coordinate system)에 배치될 때에 위치적으로 관련되는 2 개의 표현들로부터의 영역들을 포함한다.
제1 디지털 3D 모델 및 제2 디지털 3D 모델을 공통 좌표계에 배치하는 것은 2 개의 모델들을 적어도 실질적으로 정렬되게 하는 것을 지칭한다. 이것은 개시내용에서 더 이후에 설명되는 정렬 기법들에 의해 달성될 수 있다. 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이의 대응하는 영역들 또는 필적하는 영역들을 식별하기 위하여, 모델들은 먼저 공통 좌표계로 가져오게 될 수 있다. 공통 좌표계에서의 모델들의 이러한 배치 동안에, 하나의 모델은 또 다른 모델 상에서 오버레이되거나 겹쳐놓일 수 있다.
용어 "위치적으로 관련된" 영역들은 서로와의 해부학적 관계(예컨대, 대응성) 또는 공간적 관계(예컨대, 대응성) 중 적어도 하나를 가지는 영역들을 지칭한다. 이러한 해부학적 관계는 구강 홈(buccal groove), 원위부 피트(distal pit), 혀 홈(lingual groove), 안쪽혀 커스프(mesiolingual cusp), 루이스 오프셋(lewis offset), 원위부 커스프 등과 같은 랜드마크들에 기초한다.
제1 디지털 3D 모델 및 제2 디지털 3D 모델을 동일한 좌표계에 배치하는 것은 자동적으로 또는 사용자 개입으로 수행될 수 있다. 모델들을 동일한 좌표계에 배치하는 것을 통한 정렬은 제1 디지털 3D 모델 및 제2 디지털 3D 모델을 국소적으로 및/또는 전역적으로 정렬하는 변환 행렬로부터 결정될 수 있다. 실시예에서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 둘 모두는 구획화되고, 2 개의 모델들로부터의 각각의 치아는 각각의 치아의 형상, 랜드마크들과 같은 특징들, 및 위치와 같은 그 특성들에 기초하여 식별자를 자동적으로 또는 수동적으로 배정받는다. 일단 2 개의 모델들에서의 치아 사이의 대응성이 식별자에 기초하여 확립되면, 2 개의 모델들로부터의 동일한 식별자를 갖는 치아는 개별적으로 정렬된다. 2 개의 모델들에서의 치아 아치(tooth arch)들에서의 임의의 변형은 아치의 어느 한 측부 상에서 변동을 균등하게 분포시키는 것과 같은 균형화 단계를 통해 조절될 수 있다. 또 다른 실시예에서, 사용자는 디지털 3D 모델들 상의 2 초과의 대응하는 포인트들을 선택할 수 있고, 이러한 대응하는 포인트들은 제1 시간 포인트와 제2 시간 포인트 사이의 2 개의 모델들에서 실질적으로 정지되어 있는, 즉, 이동하지 않는 포인트들을 표현한다. 모델들은 대응하는 포인들의 정렬을 통해 적어도 실질적인 정렬로 된다. 이것은 모델들 중 적어도 하나에서의 영역을 선택함으로써 추가로 보충될 수 있고, 영역은 제1 시간 포인트와 제2 시간 포인트 사이의 2 개의 모델들에서의 주름(rugae)의 일부와 같은, 실질적으로 정지되어 있는, 즉, 이동하지 않은 섹션을 표현한다. 2 개의 모델들은 주름과 같은 비-이동가능한 영역의 선택을 감안하여 추가로 정렬된다. 또 다른 정렬에서, 모델들은 하나의 모델을 또 다른 모들 상에서 오버레이함으로써 수동적으로 정렬될 수 있고, 사용자가 정렬에 만족될 때까지, 사용자는 하나의 모델을 상이한 자유도들로 수동적으로 이동시킬 수 있다.
일부 실시예들에서, 방법은 제1 및 제2 디지털 3D 모델들을 전역적으로 정렬하는 단계를 포함한다. 이것은 예컨대, 방법이 개별적인 치아들의 우식증의 발달에서의 변화들을 모니터링하기 위한 것일 때에 유리하고, 여기서, 전역적으로 정렬된 디지털 3D 모델들의 치아 부분들 사이의 직접적인 비교는 시간 경과에 따라 임의의 우식증 발달을 검출하기 위하여 이용될 수 있다. 정렬은 디지털 3D 모델들 사이의 공간적 대응성이 결정되는 것으로 규정한다.
일부 실시예들에서, 전역적 정렬은 기록될 경우에 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이에서 경과한 시간 동안에, 적어도 실질적으로 정지되어 있고, 즉, 변화/이동하지 않았을 가능성이 가장 높은 치아들의 세트의 부분들에 대응하는 디지털 3D 모델들의 부분들에 기초한다. 예를 들어, 환자의 상부 턱에서의 주름은 디지털 3D 모델들 뿐만 아니라, 오직 전방부 치아들의 위치를 정정하는 치과교정 치료(orthodontic treatment) 동안의 환자의 어금니 치아들과 같은, 이동할 것으로 예상되지 않는 치아들의 전역적 정렬에서 이용될 수 있다. 전역적 정렬은 예컨대, 디지털 3D 모델들의 대응하는 부분들 상에서, 디지털 3D 모델들의 조작자 선택된 구역들 상에서, 또는 환자의 치아들의 세트에서의 사분면(quadrant)들 중 하나 이상의 치아들 상에서 정의된 3 개의 포인트들에 기초할 수 있다.
일련의 디지털 3D 모델들에 대하여, 정렬은 각각의 디지털 3D 모델들을 일련의, 즉, 가장 근접한 더 이전의 디지털 3D 모델들에서의 이전의 디지털 3D 모델들과 정렬하는 것을 포함할 수 있다. 일부 경우들에는, 그러나, 조작자가 주어진 디지털 3D 모델들이 이전의 디지털 3D 모델들 중의 어느 것과 정렬되어야 하는지를 판단하는 것을 허용하는 것이 또한 유리할 수 있다.
일부 실시예들에서, 방법은 제1 및 제2 디지털 3D 모델들의 구획화된 치아들을 국소적으로 정렬하는 방법을 포함한다. 본 출원의 맥락에서, 어구 "구획화된 치아들을 국소적으로 정렬함"은 하나의 디지털 3D 모델들의 구획화된 치아들 중 하나 이상이 다른 디지털 3D 모델들의 대응하는 치아들과 개별적으로 정렬되는 상황을 지칭한다. 국소적 정렬은 예컨대, 디지털 3d 모델들로부터 구획화된 송곳니 치아의 디지털 3D 모델들을 정렬하는 것과 같이, 디지털 3D 모델들로부터 구획화된 치아들의 대응하는 디지털 3D 모델들을 정렬함으로써 실현될 수 있다. 제1 디지털 3d 모델의 구획화된 치아들의 3D 모델들은 이에 따라, 치아 대 치아에 기초하여 제2 디지털 3d 모델에서의 치아들의 대응하는 3D 모델들과 정렬되고, 즉, 정렬은 치아들의 전체 세트의 전역적 스케일이 아니라, 개별적인 치아들의 스케일에서 국소적이다. 상이한 구획화된 치아들을 정렬하기 위하여 이용된 이 변환들은 이에 따라, 동일한 변환이 모든 치아들 및 치은에 적용되는 전역적 정렬과 대조적으로 상이할 수 있다.
구획화된 치아들의 3D 모델들의 국소적 정렬은 디지털 3D 모델들의 기록 사이의 치아들의 임의의 상대적인 이동에 관계 없이, 디지털 3D 모델들의 대응하는 치아들이 정확하게 정렬될 수 있다는 장점을 제공한다. 디지털 3D 모델들의 치아들 사이의 진정한 해부학적 대응성이 이에 따라 획득될 수 있다.
필적하는 영역들 또는 대응하는 영역들은 다수의 방식들로 식별될 수 있다. 하나의 실시예에서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델은 서로의 상에 오버레이되고, 공통 좌표계에서 가져오게 된다. 그 후에, 제1 디지털 3D 모델 또는 제2 디지털 3D 모델 중 하나는 주요 모델로서 선택된다. 적어도 하나의 벡터는 주요 모델의 영역으로부터 도출되고, 적어도 하나의 벡터가 비-선택된 모델과 교차하는 비-선택된 표현에서의 영역이 식별된다. 적어도 하나의 벡터가 도출되는 주요 표현의 영역, 및 적어도 하나의 벡터가 교차하는 비-선택된 표현의 식별된 영역은 필적하는 영역들 또는 대응하는 영역들로서 식별된다.
또 다른 실시예에서, 필적하는 영역들 또는 대응하는 영역들은 다음의 프로세스에 기초하여 식별될 수 있다. 제1 디지털 3D 모델 또는 제2 디지털 3D 모델 중 하나의 치아 크라운 표면(tooth crown surface)의 영역으로부터의 포인트 Mi가 선택된다. 다음으로, 미리 정의된 기준을 만족시키는 제2 디지털 3D 모델 또는 제1 디지털 3D 모델 중의 또 다른 것 상의 치아 크라운 표면의 적어도 하나의 영역 상에서의, 포인트 Mi에 대한 적어도 하나의 가장 근접한 포인트 Ni가 식별된다. 미리 정의된 기준은 Mi로부터 Ni까지의 거리의 계산된 합을 포함할 수 있고, 여기서, 계산된 합은 미리 정의된 임계치 미만이다. 단일 포인트 Mi에 대한 하나 초과의 포인트들 Ni가 미리 정의된 기준을 충족시키기 위하여 식별되는 시나리오에서, 하나의 관련된 포인트 Ni를 선택하기 위한 제거 루틴이 이용될 수 있다. 예를 들어, 제거 루틴은 Mi로부터의 거리의 최소 계산된 합을 가지는 가장 근접한 포인트 Ni(즉, 관련된 포인트 Ni)를 선택하는 것에 기초할 수 있다. 포인트 Mi를 포함하는 영역, 및 미리 정의된 기준을 만족시키는 포인트 Ni 또는 관련된 포인트 Ni를 포함하는 영역은 필적하는 영역들 또는 대응하는 영역들을 정의한다. 다른 제거 루틴들은 또한, 포인트 Mi로부터의 거리 벡터가 포인트 Ni(즉, 관련 포인트 Ni)에서 또 다른 모델의 파셋과 형성하는 각도가 미리 정의된 각도 임계치를 충족시키는 것과 같이 채용될 수 있고, 이것은 또한, 이 개시내용의 범위 내에 있다. 이러한 제거 루틴은 또한, 조합된 제거 루틴, 예를 들어, 개시된 최소 계산된 합 기준 및 거리 벡터 기준의 개시된 각도와 같은 하나 초과의 기준의 만족을 포함할 수 있다. 또 다른 실시예에서, 2 개의 모델들 사이의 랜드마크 비교와 같은 특징에 기초한 식별 기법들은 서로에 해부학적으로 대응하는 영역들을 식별하기 위하여 적용될 수 있다. 이에 따라, 대응하는 영역들 또는 필적하는 영역들은 해부학적으로 관련된 영역들이다.
실시예에서, 제1 디지털 3d 모델 또는 제2 디지털 3d 모델 중 하나는 참조 모델로 선택될 수 있고, 제1 디지털 3d 모델 또는 제2 디지털 3d 모델 중의 또 다른 것은 비-참조 모델이다. 모델들이 공통 좌표계에 배치된 후에, 참조 모델로부터의 영역은 비-참조 모델의 하나 이상의 영역들과 중첩할 수 있다. 하나의 실시예에서, 필적하는 영역들 또는 대응하는 영역들은 참조 모델로부터의 영역, 및 참조 영역과의 최대 중첩을 가지는 비-참조 모델로부터 영역을 포함한다. 또 다른 실시예에서, 필적하는 영역들 또는 대응하는 영역들은 참조 모델로부터의 영역, 및 참조 영역과 중첩하는 모든 영역들을 포함한다. 또 다른 실시예에서, 필적하는 영역들 또는 대응하는 영역들은 참조 모델로부터의 영역, 및 참조 영역과 중첩하는 모든 영역들의 서브세트를 포함하고, 서브세트는 비-참조 모델로부터의 중첩하는 영역과 참조 모델로부터의 영역과의 중첩의 최소 백분율과 같은 선택 임계치에 의해 정의된다. 참조 모델로부터의 영역, 즉, 참조 영역이 비-참조 모델로부터의 하나 초과의 영역들과 중첩하는 실시예들에서, 참조 모델로부터의 영역의 텍스처 값 및/또는 분류 점수는 i) 참조 영역과의 최대 중첩을 가지는 영역의 텍스처 값 및/또는 분류 점수, ii) 참조 영역과 중첩하는 모든 영역들의 텍스처 값 및/또는 분류 점수의 평균 또는 가중화된 평균, 또는 iii) 참조 영역과 중첩하는 모든 영역들의 서브세트의 텍스처 값 및/또는 분류 점수의 평균 또는 가중화된 평균 중 하나와 비교된다. 가중화된 평균은 비-참조 모델로부터의 중첩하는 영역들과 참조 모델로부터의 영역과의 중첩의 개별적인 백분율과 같은 어떤 기준에 기초하여 계산될 수 있다. 가중화된 평균을 계산하기 위한 다른 기준이 또한 이용될 수 있고, 이 개시내용의 범위 내에 있을 수 있다.
텍스처를 균일화하기 위한 필적하는 영역들 및 텍스처 데이터의 비교를 위한 대응하는 영역들의 식별은 동이한 기법 또는 상이한 기법들을 채용함으로써 행해질 수 있다는 것이 주목될 수 있다. 필적하는 영역들의 식별을 위한, 상이한 실시예들에서 개시된 기법들은 또한, 일반적으로 필적하는 영역들의 식별을 위하여, 예컨대, 심각도 차이들의 세트를 결정하기 위하여, 또는 심각도 차이들의 세트를 맵핑, 즉, 오버레이하기 위하여 채용될 수 있다.
정렬된 3D 치아 모델들 상에서 대응하는 영역들 또는 필적하는 영역들을 선택하는 것은 모델들 사이의 공간적으로 및/또는 해부학적으로 관련된 영역들이 비교될 수 있다는 장점을 제공한다. 적어도 하나의 텍스처 수정 파라미터 또는 치아 표면 상에서 상이한 시간 포인트들 사이의 우식증의 발달을 결정하는 것은 더 정확한 척도를 제공한다.
상이한 시간 포인트들에서 취득된 2 개의 디지털 3D 모델들로부터의 텍스처 데이터를 비교하는 것에 의한 우식증의 발달의 검출은 몇몇 디지털 3D 모델들을 비교하고 시간 경과에 따라 환자의 치아들에서의 우식증의 발달을 모니터링하도록 확장될 수 있다. 모니터링은 복수의 디지털 3d 모델들이 기록되도록, 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이, 그 전, 및/또는 그 후에 기록된 몇몇 다른 디지털 3D 모델들을 수반할 수 있다. 비교는 그 다음으로, 예컨대, 2 개의 순차적으로 취득된 디지털 3D 모델들 사이, 또는 최후에 취득된 디지털 3D 모델들과 환자에 대해 취득된 제1 디지털 3D 모델들 사이일 수 있다. 제1 예에서는, 병원에서의 최후의 방문 이후의 발달이 검출될 수 있다. 제2 예에서는, 모니터링의 시작 이후의 전체적인 발달이 검출된다. 일부 경우들에는, 그러나, 조작자가 주어진 디지털 3D 모델이 이전의 디지털 3D 모델의 어느 것과 정렬되어야 하는지를 판단하는 것을 허용하는 것이 또한 유리할 수 있다. 일부 실시예들에서, 개시된 방법을 구현하도록 구성된 사용자 인터페이스는 조작자가 몇몇 획득된 디지털 3D 모델들 중의 어느 것이 비교되어야 하는지를 판단할 수 있는 것으로 규정한다.
방법은 전형적으로, 제1 텍스처 데이터 및 제2 텍스처 데이터의 비교 이전에, 제1 및 제2 디지털 3D 모델들의 구획화를 더 포함할 수 있다. 구획화는 상이한 치아들에 대응하는 제1 및 제2 디지털 3D 모델들의 부분들을 식별한다. 구획화는 식별된 치아들 및 치은이 분리될 수 있고 개별적인 치아들 및 치은의 독립적인 3D 부분들로서 취급될 수 있는 것으로 규정한다. 또한, 이러한 구획화는 제1 디지털 3D 모델 및 제2 디지털 3D 모델에서의 동일한 치과적 객체들 또는 동일한 치과적 객체들에서의 영역들을 비교하는 것을 허용한다.
실시예에 따르면, 치아에 대한 치과적 우식증을 표현하는 디지털 3 차원(3D) 모델을 생성하기 위한 방법이 개시된다. 방법은,
환자의 치아들의 디지털 3D 모델을 획득하는 단계 ―디지털 3D 모델은 치아를 포함함―;
치아의 형광 물질을 여기할 수 있는 제1 파장에서의 광을 포함하는 탐지 광(probe light)으로 치아를 조명하는 것에 응답하여 형광 데이터를 획득하는 단계;
치아 영역 특정 점수 값을 획득하기 위하여 획득된 형광 데이터에 대해 점수화 함수를 적용하는 단계; 및
텍스처 데이터를 포함하거나 텍스처 데이터를 가지지 않는 획득된 디지털 3D 모델 상에서 시각적 지시로서의 점수 값을 오버레이하는 단계 ―점수 값의 시각적 지시는 우식증의 존재 또는 부재를 표현함―를 포함한다.
점수화 함수는 i) 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들, ii) 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트, iii) 텍스처 데이터로부터의 상이한 영역들의 동일하거나 상이한 텍스처 컴포넌트(들), 또는 iv) 제1 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트, 및 제2 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들 중 하나를 포함하는 수학적 관계를 포함할 수 있다.
일부 실시예들에서, 제1 파장은 350 nm 내지 450 nm의 범위와 같이, 250 nm 내지 500 nm의 범위에 있다. 일부 실시예들에서, 제1 파장에서 광을 방출하는 광원은 치아들의 형광 물질들을 여기하기 위하여 이용될 수 있는 청색 또는 자외선 착색 광을 방출하는 LED이다.
실시예에서, 식별 함수는 치과적 질환의 존재에 대하여 검사되는 영역의 텍스처 데이터와 텍스처 공간에서의 건강한 영역의 텍스처 데이터 사이의 거리에 기초한다. 거리는 건강한 영역의 텍스처 컴포넌트들로부터 영역의 텍스처 컴포넌트들의 편차를 표현할 수 있다. 거리는 유클리드 거리(Euclidean distance)를 포함할 수 있고, 여기서, 텍스처 데이터의 텍스처 컴포넌트들은 텍스처 공간의 상이한 차원들을 표현한다. 예를 들어, 건강한 영역으로부터의 편차는 색 공간에서의 유클리드 거리로서 정의될 수 있다. 하나의 실시예에서, 형광 데이터 및 색 데이터에 대한 이러한 거리는 다음으로서 표현될 수 있다.
또 다른실시예에서, 형광 데이터 및 색 데이터에 대한 이러한 거리는 다음으로서 표현될 수 있다.
식별 함수는 영역으로부터의 색 데이터의 적어도 하나의 텍스처 컴포넌트 및 형광 데이터의 적어도 하나의 텍스처 컴포넌트, 및 건강한 영역으로부터의 색 데이터의 적어도 하나의 텍스처 컴포넌트 및 형광 데이터의 적어도 하나의 텍스처 컴포넌트를 포함하는 수학적 관계를 정의할 수 있다. 실시예에서, 식별 함수에서의 영역 및/또는 건강한 영역으로부터의 형광 데이터의 적어도 하나의 텍스처 컴포넌트는 적색 텍스처 컴포넌트 또는 녹색 텍스처 컴포넌트 중 적어도 하나만을 포함한다. 식별 함수는 형광 데이터의 청색 텍스처 컴포넌트를 가지지 않을 수 있다.
실시예에서, 식별 함수는 다음으로서 표현되고,
여기서, IV는 식별 값이고,
또 다른 실시예에서, 식별 함수는 다음으로서 표현되고,
여기서, IV는 식별 값이고,
심각도 함수는 영역으로부터의 형광 데이터의 텍스처 컴포넌트 및 건강한 영역으로부터의 형광 데이터의 동일한 텍스처 컴포넌트를 포함하는 수학적 관계를 정의한다. 실시예에서, 심각도 함수는 식별 함수와는 상이하다. 심각도 함수는 다음으로서 표현될 수 있고,
여기서, SV는 심각도 값이고,
식별 함수를 적용하는 것은, 식별 함수에서, 치과적 질환의 존재에 대하여 검사되는 영역 및 식별된 건강한 영역으로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함할 수 있다. 유사하게, 심각도 함수를 적용하는 것은, 심각도 함수에서, 치과적 질환의 존재에 대하여 검사되는 영역 및 건강한 영역으로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함할 수 있다. 영역은 치과적 질환의 존재에 대하여 검사되는 영역이다.
건강한 영역으로부터의 텍스처 컴포넌트 값은 건강한 영역으로부터의 텍스처 컴포넌트 값, 또는 하나 초과의 식별된 건강한 영역의 텍스처 컴포넌트 값들로부터 유도된 값을 포함한다. 텍스처 값이 하나 초과의 식별된 건강한 영역들로부터 유도될 수 있는 후자의 구현예에서, 이러한 유도는 하나 초과의 건강한 영역으로부터의 텍스처 값들의 평균, 가중화된 평균, 중위값, 최빈값 중 하나를 계산하는 것을 포함할 수 있다.
식별 임계치 기준은 치과적 질환의 존재를 식별하기 위하여 이용될 수 있는 임계치 값을 포함할 수 있다. 임계치 값의 선택에 따라, 임계치 값보다 더 높거나 더 낮은 식별 값은 치과적 질환의 존재로서 식별될 수 있다. 대안적으로, 식별 임계치 기준은 값 범위를 포함할 수 있고, 범위 내에 속하는 식별 값은 치과적 질환의 존재로서 식별된다.
실시예에서, 치과적 질환의 심각도의 레벨은 심각도 임계치 기준을 만족시키는 결정된 심각도 값에 기초하여 결정된다. 심각도 임계치 기준은 심각도의 레벨을 결정하기 위하여 이용될 수 있는 임계치 값을 포함할 수 있다. 대안적으로, 식별 임계치 기준은 상이한 값 범위들을 포함할 수 있고, 특정 범위 내에 속하는 심각도 값은 심각도의 레벨로서 결정된다. 예를 들어, 심각도의 레벨은 초기, 중간, 및 심각한 범주들로 범주화될 수 있다. 이러한 범주화는 상이한 범위들에서의 분류 점수의 분류에 관련하여 개시된 유사한 방식으로 적용되고 맵핑될 수 있고, 표 2를 통해 또한 설명된 바와 같이, 상이한 색들로서 표현될 수 있다.
영역이 치과적 질환, 심각도의 레벨, 또는 치과적 질환의 발달을 포함하는지 여부를 식별하는 것에 관련된 임계치 기준은 상이한 접근법들을 이용함으로써 결정될 수 있다. 예를 들어, 각각의 함수(예컨대, 식별, 또는 심각도, 또는 점수화)에 대하여, 시각적-촉각적 방사선촬영 방법들, 또는 테스트 치아들 또는 테스트 턱 모델들에 대한 이력적 평가들 중 하나 이상은 함수 특정 임계치 기준, 또는 병변 또는 차이들 또는 범위를 범주화하기 위한 범위들을 정하기 위하여 수행될 수 있다. Anahita Jablonski - Momeni 등 "Use of ICDAS -II, Fluorescence-Based Methods, and Radiography in Detection and Treatment Decision of Occlusal Caries Lesions: An In Vitro Study" Int J Dent. 2012 ; 2012: 371595에 대해 참조가 행해진다.
실시예에서, 시각적 지시자를 포함하는 가상적 3 차원 모델을 생성하는 것은 영역 특정 심각도 값 또는 심각도의 레벨을 획득된 제1 디지털 3d 모델 또는 그 복사본 중의 적어도 일부 상으로 맵핑하는 것을 포함한다. 맵핑된 심각도 값 또는 맵핑된 심각도의 레벨을 포함하는 제1 디지털 3d 모델 또는 그 복사본은 텍스처 데이터 중 적어도 하나를 포함할 수 있거나, 제1 디지털 3D 모델에 관련되는 텍스처 데이터 중 임의의 것을 가지지 않는다.
실시예에서, 환자의 치아들의 세트의 제2 디지털 3D 모델, 및 제2 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터가 획득된다. 제2 디지털 3D 모델 및 영역-특정 텍스처 데이터는 제1 디지털 3D 모델 및 제1 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터가 획득되었던 시간 포인트와 상이한 제2 시간 포인트에서 획득된다. 식별 임계치 기준을 만족시키는 식별 값에 기초한 치과적 질환을 포함하는 영역은 제2 디지털 3D 모델에 대하여 식별될 수 있다. 식별 값은 제2 디지털 3D 모델의 영역과 연관된 텍스처 데이터에 대해 식별 함수를 적용함으로써 계산될 수 있다. 또한, 심각도 값은 치과적 질환을 포함하는 제2 디지털 3D 모델의 영역으로서 식별된 영역과 연관된 텍스처 데이터 내에 포함된 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써 결정될 수 있다.
실시예에서, 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이의 대응하는 영역들에 대한 심각도 값들 사이의 심각도 차이들의 세트가 계산되고, 심각도 차이들의 세트를 포함하는 디지털 3D 모델이 생성된다. 심각도 차이들의 세트는 시각적 지시자로, 예를 들어, 상이한 색들을 포함하는 오버레이된 영역 특정 히트 맵으로서 표현될 수 있다. 심각도 차이들은 차이의 크기에 따라 상이한 범주들로, 예를 들어, 작은 변화, 경미한 변화, 중간 변화, 및 주요한 변화로 범주화될 수 있다. 이러한 범주화는 상이한 범위들로 범주화된 텍스처 차이 값에 관련하여 개시된 유사한 방식으로 적용되고 맵핑될 수 있고, 표 3을 통해 또한 설명된 바와 같이, 상이한 색들로 표현될 수 있다. 각각의 모델에 대한 심각도 값은 동일한 모델로부터의 건강한 영역들에 관련하여 계산되므로, 이 접근법은 모델들 또는 텍스처 데이터가 획득되는 주변 광 조건들로부터의 영향에 대해 면역이 되어 있는데, 그 이유는 건강한 영역 및 치과적 질환의 존재 및 심각도에 대해 검사된 영역이 동일한 광 조건을 받기 때문이다. 그러므로, 제1 디지털 3D 모델 및 제2 디지털 3D 모델이 상이한 주변 광 조건들 하에서 획득되더라도, 2 개의 모델들 사이의 결정된 심각도 값들은 텍스처들을 균일화할 필요 없이 비교될 수 있다.
실시예에서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델로부터의 대응하는 영역들은 위치적으로 관련된, 즉, 공간적으로 관련된 영역들 및/또는 해부학적으로 관련된 영역들이다. 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이의 대응하는 영역들은 제1 디지털 3D 모델을 개별적인 치과적 객체들로, 그리고 제2 디지털 3D 모델을 개별적인 치과적 객체들로 개별적으로 구획화함으로써 식별될 수 있다. 이것은 구획화된 제1 디지털 3D 객체 및 구획화된 제2 디지털 3D 모델로부터 대응하는 치과적 객체들을 식별하고 식별된 대응하는 치과적 객체들을 국소적으로 정렬하는 것에 선행한다. 대응하는 영역들은 국소적으로 정렬된 대응하는 치과적 객체들에서 정렬된 영역들을 식별함으로써 식별된다. 위치적으로 관련된 영역들에 관련되는 상이한 실시예들은 개시내용에서 더 이전에 설명된다.
대응하는 치과적 객체들은 다수의 방식들로 식별될 수 있다. 실시예에서, 제1 디지털 3D 모델 및 제2 디지털 3D 모델은 2 개의 모델들로부터의 적어도 3 개의 대응하는 포인트들을 이용하는 것에 의한 것과 같이 전역적으로 정렬되고, 포인트들은 바람직하게는 2 개의 모델들의 비-이동 부분들로부터 선택된다. 대응하는 포인트들은 반복적 최근접 포인트(Iterative Closest Point; ICP) 기법을 이용함으로써 정렬될 수 있고, 이에 의해, 2 개의 모델들을 전역적으로 정렬할 수 있다. 2 개의 모델들은 개별적으로 구획화되고, 제1 디지털 3D 모델의 치과적 객체로부터의 벡터(예컨대, 표면으로부터의 법선 벡터)는 제2 디지털 3D 모델 상으로 투영된다. 벡터가 그 상으로 교차하는 제2 디지털 3D 모델의 치과적 객체는 벡터가 그로부터 투영되는 제1 디지털 3D 모델의 치과적 객체에 대한 대응하는 치과적 객체로서 식별된다. 또 다른 실시예에서, 대응하는 치과적 객체들은 2 개의 모델들에서 구획화된 치과적 객체들의 특징들을 검출하는 것을 허용하는 특징 검출 기법들을 적용함으로써 식별될 수 있고, 이에 의해, 랜드마크들과 같은 적어도 실질적으로 동일한 특징 세트를 표현하는 2 개의 모델들로부터 치과적 객체들을 식별하는 것을 허용할 수 있다. 이에 따라, 대응하는 치과적 객체들은 적어도 실질적으로 동일한 특징 세트를 가지는 제1 디지털 3D 모델 및 제2 디지털 3D 모델로부터의 치과적 객체들을 포함한다. 식별된 대응하는 치과적 객체들을 국소적으로 정렬하는 것 및 대응하는 영역들의 식별이 더 이후에 설명된다.
실시예에서, 심각도 차이들의 세트를 포함하는 디지털 3D 모델을 생성하는 것은 영역 특정 심각도 차이를 획득된 제1 디지털 3d 모델 또는 그 복사본의 적어도 일부 상으로 맵핑하는 것을 포함한다. 심각도 차이들의 세트를 포함하는 제1 디지털 3d 모델 또는 그 복사본은 텍스처 데이터 중 적어도 하나를 포함하거나, 제1 디지털 3D 모델에 관련되는 텍스처 데이터 중 임의의 것을 가지지 않는다. 추가적으로 또는 대안적으로, 심각도 차이들의 세트를 포함하는 디지털 3D 모델을 생성하는 것은 영역 특정 심각도 차이를 획득된 제2 디지털 3d 모델 또는 그 복사본의 적어도 일부 상으로 맵핑하는 것을 포함한다. 심각도 차이들의 세트를 포함하는 제2 디지털 3d 모델 또는 그 복사본은 텍스처 데이터 중 적어도 하나를 포함하거나, 제2 디지털 3D 모델에 관련되는 텍스처 데이터 중 임의의 것을 가지지 않는다. 맵핑된 차이들은 상이한 범위들에 속하는 차이들에 대한 상이한 성질들(예컨대, 색)을 가지는 포인터 또는 히트 맵과 같은 시각적 지시자로서 제시될 수 있다.
실시예에서, 하나 초과의 대응하는 영역들에 대하여, 제1 디지털 3D 모델에 대응하는 텍스처 데이터의 획득과 제2 디지털 3D 모델에 대응하는 텍스처 데이터의 획득 사이의 시간 기간 및 심각도 차이들에 기초한 치과적 질환의 발달의 레이트들이 결정된다. 또한, 치과적 질환의 발달의 레이트들을 포함하는 디지털 3D 모델이 생성될 수 있다. 발달의 레이트들은 시각적 지시자로, 예를 들어, 상이한 색들을 포함하는 오버레이된 영역-특정 히트 맵으로서 표현될 수 있다. 심각도 차이들은 레이트들의 크기에 따라 상이한 범주들로, 예를 들어, 작은 레이트, 경미한 레이트, 중간 레이트, 및 주요한 레이트로 범주화될 수 있다. 이러한 범주화는 상이한 범위들로 범주화된 변화의 레이트에 관련하여 개시된 유사한 방식으로 적용되고 맵핑될 수 있고, 표 4를 통해 또한 설명된 바와 같이, 상이한 색들로 표현될 수 있다.
실시예에서, 디지털 3D 모델을 생성하는 것은 치과적 질환의 발달의 영역 특정 레이트들을 획득된 제1 디지털 3d 모델 또는 그 복사본의 적어도 일부 상으로 맵핑하는 것을 포함한다. 심각도 차이들의 세트를 포함하는 제1 디지털 3d 모델 또는 그 복사본은 텍스처 데이터 중 적어도 하나를 포함하거나, 제1 디지털 3D 모델에 관련되는 텍스처 데이터 중 임의의 것을 가지지 않는다. 추가적으로 또는 대안적으로, 디지털 3D 모델을 생성하는 것은 치과적 질환의 발달의 영역 특정 레이트들을 획득된 제2 디지털 3d 모델 또는 그 복사본의 적어도 일부 상으로 맵핑하는 것을 포함한다. 심각도 차이들의 세트를 포함하는 제2 디지털 3d 모델 또는 그 복사본은 텍스처 데이터 중 적어도 하나를 포함하거나, 제2 디지털 3D 모델에 관련되는 텍스처 데이터 중 임의의 것을 가지지 않는다. 맵핑된 레이트들은 상이한 범위들에 들어가는 레이트들에 대한 상이한 성질들(예컨대, 색)을 가지는 포인터 또는 히트 맵과 같은 시각적 지시자로서 제시될 수 있다.
심각도 값, 심각도의 레벨, 및 심각도 차이와 같은 결정된 값은 영역 특정적이므로, 인용된 맵핑은 특정 영역 상에서 결정된 값을 오버레이하거나 겹쳐놓는 것을 포함한다. 이러한 오버레이 또는 겹쳐놓는 것은 색들 또는 표기들과 같은 시각적 지시들을 통해 디지털 3D 모델 상에서 결정된 값을 표현하는 것을 허용한다. 맵핑은 하나 이상의 더 이전에 개시된 실시예들에서 개시되는 맵핑 기법을 적용함으로써 수행될 수 있다.
실시예에 따르면, 데이터 프로세싱 시스템이 개시된다. 데이터 프로세싱 시스템은 이 개시내용의 하나 이상의 실시예들에서 개시된 방법의 하나 이상의 단계들을 수행하도록 구성되는, 하드웨어 프로세서와 같은 모듈들 또는 연산 유닛들을 포함한다. 데이터 프로세싱 시스템은 메모리와 같은 다른 모듈들을 포함할 수 있다.
실시예에 따르면, 비-일시적 컴퓨터 판독가능 매체에서 구체화된 컴퓨터 프로그램 제품이 개시된다. 컴퓨터 프로그램 제품은, 하드웨어 데이터 프로세서로 하여금, 컴퓨터 판독가능 프로그램 코드가 하드웨어 데이터 프로세서에 의해 실행될 때에 방법을 수행하게 하기 위하여 하드웨어 데이터 프로세서에 의해 실행가능한 상기 컴퓨터 판독가능 프로그램 코드를 포함한다. 방법은 하나 이상의 시스템 컴포넌트들이 이 개시내용의 하나 이상의 실시예들에서 개시된 방법의 하나 이상의 단계들을 수행하는 것을 허용하는 하나 이상의 기능들을 포함할 수 있다.
개시내용의 실시예들은 그 장점들과 함께, 첨부 도면들에 관련하여 취해진 다음의 예시적이고 비-제한적인 상세한 설명으로부터 가장 양호하게 이해될 수 있고,
도 1은 실시예에 따른, 시간 시퀀스에서 복수의 스캔들을 제시하기 위한 방법을 예시하고;
도 2는 실시예에 따른, 디지털 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 3은 실시예에 따른, 디지털 모델들을 디스플레이하기 위한 방법을 예시하고;
도 4는 실시예에 따른, 디지털 3D 모델들을 공통 텍스처 공간에 배치하기 위한 방법을 예시하고;
도 5는 실시예에 따른, 디지털 3 차원(3D) 모델을 생성하기 위한 방법을 예시하고;
도 6은 실시예에 따른, 대응하는 영역들 또는 필적하는 영역들을 식별하기 위한 방법을 예시하고;
도 7은 실시예에 따른, 대표적인 디지털 3D 모델을 생성하기 위한 방법을 예시하고;
도 8은 실시예에 따른, 공통 텍스처 공간에 배치된 텍스처 데이터를 갖는, 상이한 시간포인트들에서 획득된 2 개의 디지털 3D 모델들을 예시하고;
도 9a는 실시예에 따른, 텍스처 데이터를 포함하는, 시간 포인트에서 획득된 디지털 모델을 예시하고;
도 9b는 실시예에 따른, 텍스처 데이터를 포함하는, 시간 포인트에서 획득된 디지털 모델을 예시하고;
도 10은 실시예에 따른, 디지털 3D 모델 상에서 오버레이된 맵핑된 분류 점수를 예시하고;
도 11은 실시예에 따른, 디지털 3D 모델 상에서 오버레이된 맵핑된 텍스처 차이 값을 예시하고;
도 12a는 실시예에 따른 분류 점수의 맵핑된 제1 세트를 예시하고;
도 12b는 실시예에 따른 분류 점수의 맵핑된 제2 세트를 예시하고;
도 12c는 실시예에 따른 맵핑된 분류 점수 차이를 예시하고;
도 13은 실시예에 따른 데이터 프로세싱 시스템을 예시하고;
도 14a는 실시예에 따른, 텍스처를 균일화하는 방법을 예시하고;
도 14b는 실시예에 따른, 텍스처를 균일화하는 방법을 예시하고;
도 15는 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 16은 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 17은 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 18은 실시예에 따른, 건강한 치과적 영역을 식별하기 위한 방법을 예시하고;
도 19는 몇몇 실시예들에 따른, 건강한 치과적 영역을 식별하기 위한 방법을 예시하고;
도 20a는 실시예에 따른, 건강한 영역들을 식별하기 위한 참조 값을 결정하는 것을 예시하고;
도 20b는 실시예에 따른, 건강한 영역들을 식별하기 위한 참조 값을 결정하는 것을 예시하고;
도 21은 실시예에 따른, 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법을 예시하고; 그리고
도 22는 실시예에 따른 데이터 프로세싱 시스템을 예시한다.
도 1은 실시예에 따른, 시간 시퀀스에서 복수의 스캔들을 제시하기 위한 방법을 예시하고;
도 2는 실시예에 따른, 디지털 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 3은 실시예에 따른, 디지털 모델들을 디스플레이하기 위한 방법을 예시하고;
도 4는 실시예에 따른, 디지털 3D 모델들을 공통 텍스처 공간에 배치하기 위한 방법을 예시하고;
도 5는 실시예에 따른, 디지털 3 차원(3D) 모델을 생성하기 위한 방법을 예시하고;
도 6은 실시예에 따른, 대응하는 영역들 또는 필적하는 영역들을 식별하기 위한 방법을 예시하고;
도 7은 실시예에 따른, 대표적인 디지털 3D 모델을 생성하기 위한 방법을 예시하고;
도 8은 실시예에 따른, 공통 텍스처 공간에 배치된 텍스처 데이터를 갖는, 상이한 시간포인트들에서 획득된 2 개의 디지털 3D 모델들을 예시하고;
도 9a는 실시예에 따른, 텍스처 데이터를 포함하는, 시간 포인트에서 획득된 디지털 모델을 예시하고;
도 9b는 실시예에 따른, 텍스처 데이터를 포함하는, 시간 포인트에서 획득된 디지털 모델을 예시하고;
도 10은 실시예에 따른, 디지털 3D 모델 상에서 오버레이된 맵핑된 분류 점수를 예시하고;
도 11은 실시예에 따른, 디지털 3D 모델 상에서 오버레이된 맵핑된 텍스처 차이 값을 예시하고;
도 12a는 실시예에 따른 분류 점수의 맵핑된 제1 세트를 예시하고;
도 12b는 실시예에 따른 분류 점수의 맵핑된 제2 세트를 예시하고;
도 12c는 실시예에 따른 맵핑된 분류 점수 차이를 예시하고;
도 13은 실시예에 따른 데이터 프로세싱 시스템을 예시하고;
도 14a는 실시예에 따른, 텍스처를 균일화하는 방법을 예시하고;
도 14b는 실시예에 따른, 텍스처를 균일화하는 방법을 예시하고;
도 15는 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 16은 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 17은 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법을 예시하고;
도 18은 실시예에 따른, 건강한 치과적 영역을 식별하기 위한 방법을 예시하고;
도 19는 몇몇 실시예들에 따른, 건강한 치과적 영역을 식별하기 위한 방법을 예시하고;
도 20a는 실시예에 따른, 건강한 영역들을 식별하기 위한 참조 값을 결정하는 것을 예시하고;
도 20b는 실시예에 따른, 건강한 영역들을 식별하기 위한 참조 값을 결정하는 것을 예시하고;
도 21은 실시예에 따른, 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법을 예시하고; 그리고
도 22는 실시예에 따른 데이터 프로세싱 시스템을 예시한다.
다음의 설명에서는, 예시로서, 발명이 어떻게 실시될 수 있는지를 도시하는 첨부 도면들에 대해 참조가 행해진다.
도 1은 실시예에 따른, 시간 경과에 따라 환자의 구강 상황의 3D 그래픽 모델들을 생성하기 위한 방법을 예시한다. 방법(100)은 102에서, 복수의 스캔들을 획득하는 것을 포함하고, 각각의 스캔은 특정 시간에서의 환자의 구강 상황을 표현하고, 여기서, 각각의 스캔은 텍스처 데이터를 포함한다. 104에서, 적어도 하나의 텍스처 수정 파라미터가 결정되고, 106에서, 개개의 복수의 스캔듣 중 적어도 하나, 바람직하게는 각각의 텍스처는 적어도 하나의 텍스처 수정 파라미터 중 하나에 기초하여 수정된다. 그 후에, 108에서, 그 텍스처가 단계(106)에서 수정되는 복수의 스캔들은 시간 시퀀스에서 제시된다.
도 2는 실시예에 따른 디지털 3 차원 모델을 생성하기 위하여, 치아에 대한 우식증과 같은 치과적 질환에서의 발달을 표현하는 디지털 3 차원(3D) 모델을 생성하기 위한 방법을 예시한다. 방법(200)은 202에서, 제1 시간 포인트에서, 제1 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제1 디지털 3D 모델을 획득하는 것; 및 204에서, 제2 시간 포인트에서, 제2 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제2 디지털 3D 모델을 획득하는 것을 포함한다. 206에서, 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델은 텍스처를 균일화함으로써 공통 텍스처 공간에 배치된다. 그 후에, 208에서, 공통 텍스처 공간에 배치된 제1 디지털 3D 모델 및 제2 디지털 3D 모델에서의 대응하는 영역들의 제1 텍스처 데이터 및 제2 텍스처 데이터의 비교에 기초한 치과적 우식증에서의 발달을 표현하는 디지털 3 차원 모델이 생성된다.
도 14a를 참조하면, 도 14a는 실시예에 따른 텍스처를 균일화하는 방법을 예시한다. 필적하는 영역들에 대한 제1 텍스처 데이터(1402) 및 제2 텍스처 데이터(1404)는 적어도 하나의 텍스처 수정 파라미터(1406)를 결정하기 위하여 개시내용에 따라 직접적으로 이용된다. 텍스처 수정 파라미터(1406)는, 제2 텍스처 데이터(1404)로서 공통 텍스처 공간에 있는 균일화된 제1 텍스처 데이터(1408)를 생성하기 위하여, 제1 텍스처 데이터 및 제2 텍스처 데이터 중 적어도 하나에, 예를 들어, 제1 텍스처 데이터(1402)에 적용될 수 있다.
도 14b를 참조하면, 도 14b는 실시예에 따른 텍스처를 균일화하는 방법을 예시한다. 필적하는 영역들에 대한 제1 텍스처 데이터(1402) 및 제2 텍스처 데이터(1404)는 적어도 하나의 텍스처 수정 파라미터(1414)를 결정하기 위하여 더 이전의 개시내용에 따라 간접적으로 이용된다. 이것은 제1 텍스처 데이터 및 제2 텍스처 데이터의 둘 모두를, 제1 텍스처 데이터 및 제2 텍스처 데이터가 이용가능한 텍스처 공간(예컨대, RGB 색 공간)과는 상이한 텍스처 공간(예컨대, LAB 색 공간)으로 먼저 변환하는 것을 요구한다. 이러한 변환은 변환된 제1 텍스처 데이터(1410) 및 변환된 제2 텍스처 데이터(1412)로 귀착된다. 변환된 제1 텍스처 데이터(1410) 및 변환된 제2 텍스처 데이터(1412)는 적어도 하나의 텍스처 수정 파라미터(1414)를 결정하기 위하여 더 이전의 개시내용에 따라 직접적으로 이용된다. 텍스처 수정 파라미터(1414)는 변환된 제1 텍스처 데이터 또는 변환되 제2 텍스처 데이터 중 적어도 하나에, 예를 들어, 디지털 3D 모델들이 시각화되고 비교되어야 할 텍스처 공간(예컨대, RGB 색 공간)으로 그 이후에 변환되는 변환된 제1 텍스처 데이터(1402)에 적용될 수 있다. 이것은 제2 텍스처 데이터(1404)로서 공통 텍스처 공간에 있는 균일화된 제1 텍스처 데이터(1416)로 귀착된다.
도 3은 실시예에 따른, 디지털 3 차원(3D) 모델을 생성하기 위한 방법을 예시한다. 방법(300)은 302에서, 제1 시간 포인트에서, 제1 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제1 디지털 3D 모델을 획득하는 것; 및 304에서, 제2 시간 포인트에서, 제2 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제2 디지털 3D 모델을 획득하는 것을 포함한다. 306에서, 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델은 텍스처를 균일화함으로써 공통 텍스처 공간에 배치된다. 그 후에, 308에서, 공통 텍스처 공간에 배치된 제1 텍스처 데이터를 포함하는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 포함하는 제2 디지털 3D 모델은 디스플레이 유닛 상에서 디스플레이된다.
도 4는 실시예에 따른, 디지털 3D 모델들을 공통 텍스처 공간에 배치하기 위한 방법을 예시한다. 방법(400)은 402에서, 제1 디지털 3D 모델 또는 제2 디지털 3D 모델 중 하나를 선택하는 것, 및 404에서, 선택된 디지털 3D 모델로부터 적어도 하나의 영역을 선택하는 것을 포함하고, 선택된 영역은 텍스처 교정을 위하여 이용된다. 406에서, 비-선택된 제1 디지털 3D 모델 또는 제2 디지털 3D 모델 중 하나를 포함하는 또 다른 모델 상의 필적하는 영역이 식별된다. 408에서, 선택된 모델의 선택된 영역 및 비-선택된 또 다른 모델의 필적하는 영역에 기초한 변환 연산자(들)를 포함하는 적어도 하나의 텍스처 수정 파라미터가 생성되고; 410에서, 비-선택된 또 다른 모델의 필적하는 영역에 대해 적어도 하나의 생성된 텍스처 수정 파라미터가 적용된다.
도 5는 실시예에 따른, 치아에 대한 치과적 우식증을 표현하는 디지털 3 차원(3D) 모델을 생성하기 위한 방법이 개시되는 것을 예시한다. 방법(500)은 502에서, 환자의 치아들의 디지털 3D 모델을 획득하는 것 ―디지털 3D 모델은 치아를 포함함―; 및 504에서, 치아의 형광 물질을 여기할 수 있는 제1 파장에서의 광을 포함하는 탐지 광으로 치아를 조명하는 것에 응답하여 형광 데이터를 획득하는 것을 포함한다. 506에서, 치아 영역 특정 점수 값을 획득하기 위하여 획득된 형광 데이터에 대해 점수화 함수가 적용된다. 점수화 함수는 i) 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들, ii) 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트, iii) 텍스처 데이터로부터의 상이한 영역들의 동일하거나 상이한 텍스처 컴포넌트(들), 또는 iv) 제1 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트, 및 제2 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들 중 하나를 포함하는 수학적 관계를 포함한다. 마지막으로, 508에서, 시각적 지시로서의 점수 값은 텍스처 데이터를 포함하거나 텍스처 데이터를 가지지 않는 획득된 디지털 3D 모델 상으로 오버레이되고, 여기서, 점수 값의 시각적 지시는 우식증의 존재 또는 부재를 표현한다. 유사한 접근법은 점수화 함수 대신에 심각도 함수, 그리고 점수 값들 대신에 심각도 값들이 획득된 디지털 3D 모델 상에서 시각적 지시로서 오버레이될 때에 적용될 수 있다는 것이 당업자에게 명백할 것이다.
도 6은 제1 디지털 3d 모델 및 제2 디지털 3d 모델에서 대응하는 영역들 또는 필적하는 영역들을 식별하기 위한 방법을 예시한다. 방법(600)은 602에서, 제1 디지털 3d 모델 또는 제2 디지털 3d 모델 중 하나를, 제2 디지털 3d 모델 또는 제1 디지털 3d 모델 중의 또 다른 것 상에서 오버레이하는 것을 포함한다. 604에서, 제1 디지털 3d 모델 또는 제2 디지털 3d 모델 중 하나는 주요 모델로서 선택된다. 606에서, 적어도 하나의 벡터는 주요 모델의 영역으로부터 도출되고, 적어도 하나의 벡터가 비-선택된 표현과 교차하는 비-선택된 표현에서의 영역이 식별된다. 마지막으로, 608에서, 적어도 하나의 벡터가 도출되는 주요 모델의 영역, 및 적어도 하나의 벡터가 교차하는 비-선택된 모델의 식별된 영역은 대응하는 영역들 또는 필적하는 영역들로서 식별된다. 개시된 접근법은 대응하는 또는 필적하는 영역들의 식별을 요구하는 하나 이상의 실시예들을 위하여 이용될 수 있다는 것이 당업자에게 명백할 것이다.
도 7은 실시예에 따른, 미래의 텍스처 데이터를 포함하는 대표적인 디지털 3D 모델을 생성하기 위한 방법을 예시한다. 방법(700)은 702에서, 제1 시간 포인트 및 제2 시간 포인트 상에서의 텍스처 데이터에서의 변화에 기초하여 속도 함수를 결정하기 위하여 제1 텍스처 데이터 및 제2 텍스처 데이터를 프로세싱하는 것을 포함한다. 704에서, 속도 함수에 기초하여 미래의 시간 포인트에서의 미래의 텍스처 데이터가 결정되고, 여기서, 미래의 텍스처 데이터는 환자의 치아들의 세트가 미래의 텍스처 데이터에 도달하기 이전에 결정된다. 마지막으로, 706에서, 환자의 치아들의 대표적인 디지털 3D 모델이 생성되고, 여기서, 치과적 우식증의 미래의 발달은 환자에 대한 미래의 텍스처 데이터 및 최후에 취득된 텍스처 데이터의 비교에 기초하여 대표적인 디지털 3D 모델 상으로 맵핑된다. 개시된 접근법은 속도 함수의 결정 및 미래의 텍스처 데이터 또는 치과적 질환을 포함하는 디지털 3D 모델의 생성을 요구하는 하나 이상의 실시예들을 위하여 이용될 수 있다는 것이 당업자에게 명백할 것이다.
도 8은 실시예에 따른, 공통 텍스처 공간에서의 텍스처 데이터를 갖는, 상이한 시간포인트들에서 획득된 2 개의 디지털 3D 모델들을 예시한다. 제1 디지털 3D 모델(802) 및 제2 디지털 3D 모델(804)은 각각 제1 시간 포인트 및 제2 시간 포인트에서 획득된다. 제1 디지털 3D 모델 및 제2 디지털 3D 모델은 균일화된 텍스처를 가지지 않는 텍스처 데이터를 가진다는 것이 관찰될 수 있다. 그러므로, 이 예에서, 제1 디지털 3D 모델은 (변환된 모델의 형태인) 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 둘 모두가 텍스처를 균일화함으로써 공통 텍스처 공간에 배치되도록, 변환된 모델(806)을 생성하기 위하여 제1 디지털 3D 모델을 수정하는, 도 3 또는 도 4에서 개시된 방법과 같은 프로세스(810)를 거친다.
도 9a는 실시예에 따른, 텍스처 데이터를 포함하는, 시간 포인트에서 획득된 디지털 모델을 예시한다. 제1 디지털 3D 모델(902)과 같은 디지털 3D 모델은 색 데이터를 포함하는 텍스처 데이터를 포함한다. 텍스처 데이터는 갈색 또는 흑색 색에서와 같은 상대적으로 더 어두운 영역들을 표현하는 치아(906)에 대한 영역(908) 및 치아(910)에 대한 영역(912)을 표현한다. 더 어두운 영역들은 우식성 영역들의 존재를 지시할 수 있다. 도 9b는 실시예에 따른, 텍스처 데이터를 포함하는, 시간 포인트에서 획득된 디지털 모델을 예시한다. 제1 디지털 3D 모델(904)과 같은 디지털 3D 모델은 형광 데이터를 포함하는 텍스처 데이터를 포함한다. 텍스처 데이터는 상대적으로 더 어두운 영역들을 표현하는 치아(906)에 대한 영역(914) 및 치아(910)에 대한 영역(916)을 표현한다. 더 어두운 영역들은 우식성 영역들의 존재를 지시할 수 있다.
도 10은 실시예에 따른, 디지털 3D 모델 상에서 오버레이된 맵핑된 분류 점수를 예시한다. 결정된 분류 점수는 디지털 3D 모델(1002) 상으로 맵핑될 수 있다. 이러한 분류 점수(1004, 1006, 1008)는 점수가 들어가는 범주(예를 들어, 초기 또는 중간)에 따라 상이한 색들과 같은 상이한 시각적 지시들을 통해 제시될 수 있다. 예를 들어, 각각 중간 및 초기 우식증을 지시하는 연관된 색들(1014 및 1016)에 따르면, 우식증(1006)은 초기 우식증을 표현하는 반면, 1004 및 1008은 중간 우식증을 표현한다. 디지털 3D 모델은 텍스처 데이터를 포함할 수 있거나, 텍스처 데이터를 가지지 않을 수 있다. 슬라이더(1012)는 텍스처 데이터의 투명도(transparency)를 변화시키기 위하여 제공될 수 있다. 유사하게, 맵핑된 분류 점수의 투명도를 변환시키는 것을 허용하는 슬라이더(1010)가 제공될 수 있다. 모델은 사용자가 특정 시간 포인트에 대한 모델을 선택할 수 있도록, 시간라인(1018)에 관련하여 표현될 수 있다. 여기에서 개시된 접근법은 심각도 값들/심각도의 레벨과 같은 정보를 디지털 3D 모델 상에서 맵핑하기 위하여 사용될 수 있고, 여기서, 심각도 값들/심각도의 레벨은 맵핑된 정보가 들어가는 범주에 따라 색들과 같은 상이한 시각적 지시들로 제시된다는 것이 당업자에게 명백할 것이다. 유사하게, 슬라이더, 시간라인, 또는 다른 것들과 같은 다른 기능성들은 정보를 맵핑하는 것과 조합하여 양호하게 이용될 수 있고, 이 개시내용의 범위 내에 있다.
도 11은 실시예에 따른, 디지털 3D 모델 상에서 오버레이된 맵핑된 텍스처 차이 값을 예시한다. 디지털 3D 모델은 복수의 치아들을 포함한다. 예시적인 목적들을 위하여, 오직 하나의 치아가 도시된다. 제1 시간 포인트 시간 #2에서, 치아는 제1 텍스처 데이터의 적어도 일부(1106)를 표현하는 색 데이터를 포함하고, 제2 시간 포인트 시간 #3에서, 치아는 제2 텍스처 데이터의 적어도 일부(1108)를 표현하는 색 데이터를 포함한다. 적어도 일부(1106) 및 적어도 일부(1108)의 차이에 기초한 텍스처(색) 차이 값들은 1114, 1138, 및 1140에 의해 표현된 바와 같이, 계산되어 치아의 디지털 3D 모델 상으로 맵핑된다. 색 데이터에 기초한 텍스처 차이 값에 기초하여, 각각의 값은 상이한 색에 의해 시각적으로 표현될 수 있다. 유사하게, 제1 시간 포인트 시간 #2에서, 치아는 제1 텍스처 데이터의 적어도 일부(1110)를 표현하는 형광 데이터를 포함하고, 제2 시간 포인트 시간 #3에서, 치아는 제2 텍스처 데이터의 적어도 일부(1112)를 표현하는 형광 데이터를 포함한다. 적어도 일부(1110) 및 적어도 일부(1112)의 차이에 기초한 텍스처 차이 값들은 1116, 1122, 및 1124에 의해 표현된 바와 같이, 계산되어 치아의 디지털 3D 모델 상으로 맵핑된다. 형광 데이터에 기초한 텍스처 차이 값에 기초하여, 각각의 값은 상이한 색에 의해 시각적으로 표현될 수 있다. 우식증의 발달을 표현하는 예시적인 디지털 3D 모델(1104)은 디지털 3D 모델(1104) 상으로 맵핑된 (색 데이터 또는 형광 데이터에 기초한) 텍스처 차이 값을 포함한다. 예를 들어, 치아(1132)에 대하여, 텍스처 차이 값(1134)은 시각적으로 표현된다. 유사하게, 1136은 디지털 3D 모델(1104)의 상이한 치아에 대한 텍스처 차이 값을 시각적으로 표현한다. 텍스처 차이 값은 슬라이드(1126) 상의 포인트들(1128 및 1130)을 이용함으로써 설정되거나 변화될 수 있는, 텍스처 차이 값 및 텍스처 차이 값 범위와 연관된 색에 기초하여 상이한 색들로 표현될 수 있다. 디지털 3D 모델 상으로의 텍스처 데이터 및/또는 텍스처 차이 값의 투명도는 각각 슬라이더 제어부(1118 및 1120)에 의해 변동될 수 있다. 어느 모델들 및/또는 텍스처 데이터가 텍스처 차이 값의 계산을 위하여 비교될 필요가 있는지의 선택은 시간라인(1102)으로부터 선택될 수 있다. 여기에 개시된 접근법은 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 심각도 값들 사이의 심각도 차이들의 세트를 디지털 3D 모델 상으로 맵핑하기 위하여 사용될 수 있고, 여기서, 심각도 차이들의 세트는 심각도 차이 정보가 들어가는 범주에 따라 색들과 같은 상이한 시각적 지시들로 제시된다는 것이 당업자에게 명백할 것이다. 유사하게, 슬라이드, 슬라이더 제어부, 시간라인, 또는 다른 것들과 같은 다른 기능성들은 정보를 맵핑하는 것과 조합하여 양호하게 이용될 수 있고, 이 개시내용의 범위 내에 있다.
도 10에서 예시된 바와 같이, 분류 점수는 디지털 3D 모델 상에서 맵핑될 수 있다. 유사하게, 도 12a는 실시예에 따른 분류 점수의 맵핑된 제1 세트를 예시한다. 예를 들어, 제1 시간 포인트(1216)에 대하여, 치아(1206 및 1204)에 대한 분류 점수(1210 및 1208)를 포함하는 분류 점수의 제1 세트는 제1 디지털 3D 모델(1202) 상에서 맵핑된다. 색 방식(1212)에 따르면, 디지털 3D 모델(1202) 상의 상이한 색들에서의 분류 점수의 표현은 우식증의 심각도의 지시이다. 도 12b는 실시예에 따른 분류 점수의 맵핑된 제2 세트를 예시한다. 예를 들어, 제2 시간 포인트(1222)에 대하여, 치아(1206 및 1204)에 대한 분류 점수(1220 및 1224)를 포함하는 분류 점수의 제2 세트는 제2 디지털 3D 모델(1230) 상에서 맵핑된다. 색 방식(1212)에 따르면, 디지털 3D 모델(1230) 상의 상이한 색들에서의 분류 점수의 표현은 우식증의 심각도의 지시이다. 디지털 3D 모델 상으로의 텍스처 데이터 및/또는 분류 점수의 투명도는 각각 슬라이더 제어부(1226 및 1228)에 의해 변동될 수 있다. 여기에서 개시된 접근법은 제1 시간 포인트(1216) 및 제2 시간 포인트(1222)에 관련되는 심각도 값들/심각도의 레벨과 같은 정보를 각각 상이한 디지털 3D 모델들 상에서 맵핑하기 위하여 사용될 수 있고, 여기서, 심각도 값들/심각도의 레벨들은 맵핑된 정보가 들어가는 범주에 따라 색들(1212)과 같은 상이한 시각적 지시들로 제시된다는 것이 당업자에게 명백할 것이다. 유사하게, 슬라이더, 시간라인, 및 다른 것들과 같은 다른 기능성들은 정보를 맵핑하는 것과 조합하여 양호하게 이용될 수 있고, 이 개시내용의 범위 내에 있다.
도 12c는 실시예에 따른 맵핑된 분류 점수 차이를 예시한다. 분류 점수의 제1 세트 및 분류 점수의 제2 세트에 기초한 분류 점수 차이는 도 12a 및 도 12b에서 예시된 바와 같이 계산될 수 있어고, 우식증의 발달을 표현하는 디지털 3D 모델(1236) 상에서 표현될 수 있다. 예를 들어, 차이 점수(1240)는 분류 점수(1220) 및 분류 점수(1210)에서의 차이를 표현하고, 차이 점수(1238)는 분류 점수(1224) 및 분류 점수(1208)에서의 차이를 표현한다. 차이 점수는 각각 제1 시간 포인트(1216) 및 제2 시간 포인트(1222)에서 획득된 제1 텍스처 데이터 및 제2 텍스처 데이터의 비교에 기초하여 계산된다. 디지털 3D 모델(1236) 상으로의 텍스처 데이터 및/또는 차이 점수의 투명도는 각각 슬라이더 제어부들(1234 및 1232)에 의해 변동될 수 있다. 차이 점수는 슬라이드(1250) 상의 포인트들(1246 및 1244)을 이용함으로써 설정되거나 변화될 수 있는, 차이 점수 및 차이 점수 범위와 연관된 색에 기초하여 상이한 색들로 표현될 수 있다. 차이 점수 범위는 3 개의 범위들(1248, 1242, 및 1252)에 의해 예시된다. 여기에 개시된 접근법은 제1 디지털 3D 모델 및 제2 디지털 3D 모델의 심각도 값들 사이의 심각도 차이들의 세트를 디지털 3D 모델 상으로 맵핑하기 위하여 사용될 수 있고, 여기서, 심각도 차이들의 세트는 심각도 차이 정보가 들어가는 범주에 따라 색들과 같은 상이한 시각적 지시들로 제시된다는 것이 당업자에게 명백할 것이다. 유사하게, 슬라이드, 슬라이더 제어부, 시간라인, 또는 다른 것들과 같은 다른 기능성들은 정보를 맵핑하는 것과 조합하여 양호하게 이용될 수 있고, 이 개시내용의 범위 내에 있다.
도 13은 실시예에 따른 데이터 프로세싱 시스템을 예시한다. 시스템(1300)은 제1 텍스처 데이터를 가지는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 가지는 제2 디지털 3D 모델을 생성하도록 구성되는 스캐너 시스템(1302)을 포함한다. 프로세서(1310)는 제1 텍스처 데이터를 가지는 제1 디지털 3D 모델 및 제2 텍스처 데이터를 가지는 제2 디지털 3D 모델을 수신하도록 구성된다. 개개의 텍스처 데이터를 갖는 모델들은 스캐너 시스템(1302)으로부터 및/또는 데이터베이스(1304)로부터 수신될 수 있다. 프로세서(1310)는 복수의 수단, 균일화 모듈(1312), 텍스처 데이터 비교기(1314), 점수 생성기(1316), 점수 비교기(1318), 레이트 생성기(1320), 또는 맵핑 모듈(1322) 중 하나 이상을 포함할 수 있지만, 이것으로 제한되지는 않는다. 균일화 모듈(1312)은 제1 디지털 3D 모델 및 제2 디지털 3D 모델을 공통 텍스처 공간에 배치하도록 구성된다. 균일화 모듈은 이에 따라, 적어도 하나의 텍스처 수정 파라미터를 결정하고 제1 텍스처 데이터 또는 제2 텍스처 데이터 중 적어도 하나에 대해 결정된 적어도 하나의 텍스처 수정 파라미터를 적용하도록 구성된다. 텍스처 데이터 비교기(1314)는 텍스처 차이 값을 계산하도록 구성된다. 점수 생성기(1316)는 텍스처 데이터에 기초하여 분류 점수의 세트를 결정하도록 구성된다. 점수 비교기(1318)는 차이 점수를 계산하도록 구성된다. 레이트 생성기(1320)는 발달의 레이트들 또는 속도 함수를 결정하도록 구성된다. 맵핑 모듈(1322)은 분류 점수의 세트, 텍스처 차이 값들, 차이 점수들, 발달의 레이트들, 또는 미래의 텍스처 중 하나 이상을 포함하는 정보를 디지털 3D 모델 상에서 맵핑하도록 구성된다. 프로세서는 추가적인 수단, 예를 들어, 시간 라인을 따라 시간 시퀀스에서 디지털 모델들을 자동적으로 배열하기 위한 수단, 투명도 슬라이더들(예컨대, 도 12c에서의 1232 및 1234, 또는 도 11에서의 1118 및 1120) 또는 색 범위 슬라이더(예컨대, 도 12c에서의 1250, 또는 도 11에서의 1126)에서의 사용자 입력과 같은, 사용자 인터페이스(1308)에서의 사용자 입력을 수신하기 위한 수단, 및 맵핑된 정보를 갖는 상이한 디지털 3D 모델들을 생성하기 위한 수단을 포함할 수 있다. 프로세서 유닛은 맵핑된 정보를 갖는 생성된 3D 모델들을 디스플레이 유닛(1306) 상에서 제공하도록 구성된다. 메모리 또는 대응하는/필적하는 영역 식별기와 같은 다수의 엘리먼트들은 열거되는 것이 아니라, 개시내용의 범위 내에 있다는 것이 명백해야 한다.
도 15는 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법(1500)을 예시한다. 방법은 1502에서, 환자의 치아들의 세트의 제1 디지털 3D 모델, 및 제1 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터를 획득하는 것을 포함하고, 텍스처 데이터는 형광 데이터 및 색 데이터를 포함한다. 그 후에, 1504에서, 치과적 질환을 포함하는 영역이 식별된다. 이것은 식별 임계치 기준을 식별하는 식별 값에 기초하고, 여기서, 식별 값은 제1 디지털 3D 모델의 영역과 연관된 텍스처 데이터에 대해 식별 함수를 적용함으로써 계산된다. 일단 치과적 질환을 포함하는 영역이 식별되면, 1506에서, 심각도 값은 치과적 질환을 포함하는 영역으로서 식별된 적어도 하나의 영역에 대하여 결정된다. 이것은 식별된 영역과 연관된 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써 수행된다. 마지막으로, 1508에서, 우식증과 같은 치과적 질환을 포함하는 영역에 대한 결정된 심각도 값에 기초한 시각적 지시자를 포함하는 가상적 3 차원 모델이 생성된다. 개시된 방법은 컴퓨터 구현된 방법이다.
도 16은 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법(1600)을 예시한다. 단계들(1602, 1606, 1608, 및 1610)은 각각 이미 개시된 단계들(1502, 1504, 1506, 및 1508)(도 15)과 동일하다. 이 실시예에서, 1606에서 치과적 질환을 포함하는 영역을 식별하기 이전에, 건강한 영역이 1604에서 식별된다. 더 이전에 개시된 바와 같이, 이러한 식별은 형광 데이터 및/또는 색 데이터로부터 획득된 바와 같은 하나 이상의 텍스처 컴포넌트들의 평가에 기초할 수 있다.
도 17은 실시예에 따른, 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법을 예시한다. 단계들(1702, 1704, 1706, 및 1708)은 각각 이미 개시된 단계들(1502)(도 15), 1604(도 16), 1504 및 1506(도 15)과 동일하다. 단계(1710)에서, 치과적 질환의 심각도의 레벨은 심각도 임계치 기준을 만족시키는 결정된 심각도 값에 기초하여 결정된다. 1712에서는, 가상적 3 차원 모델이 생성된다. 모델은 획득된 제1 디지털 3d 모델 또는 그 복사본의 적어도 일부 상으로의 맵핑된 영역-특정 심각도의 레벨을 포함하는 시각적 지시자를 포함한다. 맵핑된 심각도 값 또는 맵핑된 심각도의 레벨을 포함하는 제1 디지털 3d 모델 또는 그 복사본은 텍스처 데이터 중 적어도 하나를 포함하거나, 제1 디지털 3D 모델에 관련되는 텍스처 데이터 중 임의의 것을 가지지 않는다.
도 18은 실시예에 따른, 건강한 치과적 영역을 식별하기 위한 방법(1800)을 예시한다. 1802에서는, 환자의 치아들의 세트의 디지털 3D 모델 및 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터가 획득된다. 텍스처 데이터는 형광 데이터 또는 색 데이터 중 적어도 하나를 포함한다. 1804에서, 획득된 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 대하여, 참조 값은 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포에 기초하여 결정된다. 추가적으로 또는 대안적으로, 텍스처 데이터에 대하여, 참조 값은 텍스처 데이터에 관련되는 텍스처 값 분포에 기초하여 1806에서 결정된다. 참조 값이 적어도 하나의 텍스처 컴포넌트에 기초할 경우에, 1808에서, 결정된 참조 값의 특정 범위 내의 적어도 하나의 텍스처 컴포넌트에 대응하는 텍스처 컴포넌트의 개개의 값을 가지는 영역은 건강한 영역으로서 결정된다. 그러나, 참조 값이 텍스처 데이터에 기초할 경우에, 1808에서, 결정된 참조 값의 정의된 범위 내의 텍스처 값을 가지는 영역은 건강한 영역으로서 결정된다.
도 19는 몇몇 실시예들에 따른, 건강한 치과적 영역을 식별하기 위한 방법(1900)을 예시한다. 단계들(1904 및 1912) 중 하나 이상의 도입이 더 이후의 단계들(1804, 1806, 및 1808)에서 이용가능한 옵션들에 영향을 준다는 것을 제외하고는, 단계들(1902, 1906, 1908, 및 1910)은 단계들(1802, 1804, 1806, 및 1808)(도 18)과 유사하다. 하나의 실시예에서, 1904에서는, 참조 값을 결정하기 이전에, 획득된 디지털 3D 모델이 개별적인 치과적 객체들로 구획화되고, 개별 치아 기준으로 건강한 영역을 식별한다. 개별적인 치과적 객체는 복수의 개별적인 치아 및 치은을 표현할 수 있고, 또한, 치과적 충진재들 및 임플란트들과 같은 비-치아 물질을 포함할 수 있다. 이것은 치과적 질환, 이웃하는 치아, 동일한 치아 유형의 존재에 대하여 검사되는 치아와 같은 개별적인 치과적 객체에 특정적인(즉, 개별 치아 기준) 텍스처 값 분포를 사용하는 것을 허용한다. 또 다른 실시예에서, 획득된 디지털 3D 모델을 구획화하는 선행 실시예와 조합하든지 또는 조합하지 않든지, 1912에서, 참조 값을 결정하기 이전에, 정의된 값 범위 너머에서 개개의 텍스처 값을 가지는 텍스처 데이터 또는 텍스처 컴포넌트들을 필터링함으로써, 필터링된 텍스처 값 분포가 획득되고; 1906/1908에서, 참조 값의 결정은 정의된 값 범위 내에 속하는 텍스처 값 분포에 기초한다.
도 20a는 실시예에 따른, 건강한 영역들을 식별하기 위한 참조 값을 결정하는 것을 예시한다. 실시예는 분포가 색 세기와 같은 그 개개의 텍스처 컴포넌트 값으로 (카운트들에 의해 표현된) 파셋들과 같은 영역들의 수를 도표화하는 히스토그램을 표현하는 텍스처 컴포넌트(형광 데이터로부터의 적색 채널)에 대한 세기 분포에 의해 도시된 바와 같은 텍스처 값 분포(2000)를 예시한다. 하부 임계치(2006)는 분포를 필터링하기 위하여 이용되고, 평균과 같은 수학적 연산은 평균(2004)에 대응하는 참조 값(대략 65)을 식별하기 위하여 필터링된 분포에 대해 적용된다.
도 20b는 실시예에 따른, 건강한 영역들을 식별하기 위한 참조 값을 결정하는 것을 예시한다. 실시예는 분포가 색 세기와 같은 그 개개의 텍스처 컴포넌트 값으로 (카운트들에 의해 표현된) 파셋들과 같은 영역들의 수를 도표화하는 히스토그램을 표현하는 텍스처 컴포넌트(형광 데이터로부터의 녹색 채널)에 대한 세기 분포에 의해 도시된 바와 같은 텍스처 값 분포(2002)를 예시한다. 하부 임계치(2008) 및 상부 임계치(2012)는 분포를 필터링하기 위하여 이용되고, 피크(peak)와 같은 수학적 연산은 피크(2010)에 대응하는 참조 값(대략 37.5)을 식별하기 위하여 필터링된 분포에 대해 적용된다.
도 21은 실시예에 따른, 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법(2100)을 예시한다. 2102에서, 제1 시간 포인트에서, 환자의 치아들의 세트의 제1 디지털 3D 모델, 및 제1 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터가 획득된다. 2104에서, 치과적 질환을 포함하는 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한, 치과적 질환의 심각도의 레벨과 연관된 심각도 값은 식별된 영역과 연관된 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써 결정된다. 2106에서, 제1 시간 포인트보다 더 이후의 제2 시간 포인트에서, 환자의 치아들의 세트의 제2 디지털 3D 모델, 및 제2 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터가 획득된다. 2108에서, 치과적 질환을 포함하는 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한, 치과적 질환의 심각도의 레벨과 연관된 심각도 값은 식별된 영역과 연관된 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써 결정된다. 그 후에, 2110에서, 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이의 대응하는 영역들에 대한 심각도 값들 사이의 심각도 차이들의 세트가 계산된다. 2112에서, 심각도 차이들의 세트를 포함하는 디지털 3D 모델이 생성된다.
도 22는 실시예에 따른 데이터 프로세싱 시스템을 예시한다. 시스템(2200)은 제1 디지털 3D 모델 및 제1 디지털 3D 모델에 대응하는 영역-특정 텍스처 데이터를 생성하도록 구성되는 스캐너 시스템(2202)을 포함한다. 스캐너 시스템(2202)은 또한, 제2 디지털 3D 모델 및 제2 디지털 3D 모델에 대응하는 영역-특정 텍스처 데이터를 생성하도록 구성될 수 있다. 프로세서(2210)는 제1 디지털 3D 모델 및 제1 모델에 대응하는 텍스처 데이터를 수신하도록 구성되고, 또한, 제2 디지털 3D 모델 및 제2 모델에 대응하는 텍스처 데이터를 수신하도록 구성될 수 있다. 개개의 텍스처 데이터를 갖는 모델들은 또한, 스캐너 시스템(1302)으로부터 및/또는 데이터베이스(2204)로부터 수신될 수 있다. 프로세서(2210)는 복수의 수단, 건강한 영역 식별기(2212), 식별 모듈(2214), 심각도 모듈(2218), 대응하는 영역 식별기(2220), 심각도 값 비교기(2222), 레이트 생성기(2224), 맵핑 모듈(2226), 및 메모리(2228) 중 하나 이상을 포함할 수 있지만, 이것으로 제한되지는 않는다.
건강한 영역 식별기(2212), 식별 모듈(2214), 심각도 모듈(2218), 대응하는 영역 식별기(2220), 심각도 값 비교기(2222), 레이트 생성기(2224), 맵핑 모듈(2226), 및 메모리(2228). 건강한 영역 식별기는 획득된 제1 디지털 3D 모델에서 건강한 영역을 식별하도록 구성되고, 식별은 형광 데이터 및/또는 색 데이터로부터 획득된 바와 같은 하나 이상의 텍스처 컴포넌트들의 평가에 기초한 식별을 포함한다. 식별 모듈(2214)은 식별 임계치 기준을 만족시키는 식별 값에 기초하여 치과적 질환을 포함하는 영역을 식별하도록 구성되고, 식별 값은 제1 디지털 3D 모델의 영역과 연관된 텍스처 데이터에 대해 식별 함수를 적용함으로써 계산된다. 심각도 모듈(2218)은 식별된 영역과 연관된 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써, 치과적 질환을 포함하는 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한 심각도 값을 결정하도록 구성된다. 이미 개시된 모듈은 제2 디지털 3D 모델 및 그 대응하는 텍스처 데이터에 대해 동작할 수 있다. 심각도 비교기(2222)는 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이의 대응하는 영역들에 대한 심각도 값들 사이의 심각도 차이들의 세트를 계산하도록 구성된다. 대응하는 영역 식별기(2220)는 제1 디지털 3D 모델과 제2 디지털 3D 모델 사이의 대응하는 영역들을 식별하도록 구성된다. 레이트 생성기(2224)는 발달의 레이트들 또는 속도 함수를 결정하도록 구성된다. 맵핑 모듈(2226)은 심각도 값들, 심각도의 레벨, 심각도 차이들의 세트, 발달의 레이트들, 또는 미래의 텍스처 중 하나 이상을 포함하는 정보를 디지털 3D 모델 상에서 맵핑하도록 구성된다. 프로세서는 추가적인 수단, 예를 들어, 시간 라인을 따라 시간 시퀀스에서 디지털 모델들을 자동적으로 배열하기 위한 수단, 투명도 슬라이더들(예컨대, 도 12c에서의 1232 및 1234, 또는 도 11에서의 1118 및 1120) 또는 색 범위 슬라이더(예컨대, 도 12c에서의 1250, 또는 도 11에서의 1126)에서의 사용자 입력과 같은, 사용자 인터페이스(2208)에서의 사용자 입력을 수신하거나 텍스처 값들을 필터링하기 위한 임계치들을 설정하기 위한 수단, 및 맵핑된 정보를 갖는 상이한 디지털 3D 모델들을 생성하기 위한 수단을 포함할 수 있다. 프로세서 유닛은 맵핑된 정보를 갖는 생성된 3D 모델들을 디스플레이 유닛(2206) 상에서 제공하도록 구성된다.
일부 실시예들이 상세하게 설명되고 도시되었지만, 개시내용은 이러한 세부사항들로 한정되는 것이 아니라, 다음의 청구항들에서 정의된 발명 요지의 범위 내에서 다른 방식들로 또한 구체화될 수 있다. 특히, 다른 실시예들이 사용될 수 있고, 본 발명의 범위로부터 이탈하지 않으면서, 구조적 및 기능적 수정들이 행해질 수 있다는 것이 이해되어야 한다.
청구항은 선행 청구항들 중의 임의의 것을 지칭할 수 있고, "임의의"는 선행 청구항들 중의 "임의의 하나 이상"을 의미하는 것으로 이해된다.
용어 "포함한다/포함하는/포함하는(comprises/comprising/including)"는 이 명세서에서 이용될 때, 기재된 특징들, 정수들, 동작들, 단계들, 또는 컴포넌트들의 존재를 특정하도록 취해지지만, 하나 이상의 다른 특징들, 정수들, 단계들, 컴포넌트들, 또는 그 그룹들의 존재 또는 추가를 배제하지 않는다는 것이 강조되어야 한다.
몇몇 수단을 열거하는 청구항들에서, 이 수단 중의 몇몇은 하드웨어의 바로 동일한 항목에 의해 구체화될 수 있다. 어떤 조치들이 상호 상이한 종속항들에서 인용되거나 상이한 실시예들에서 설명된다는 단순한 사실은 이 조치들의 조합이 유리하게 이용될 수 없다는 것을 지시하지는 않는다.
Claims (59)
- 영역에서의 치과적 질환(dental condition)을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법으로서,
환자의 치아들의 세트의 제1 디지털 3D 모델, 및 상기 제1 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터를 획득하는 단계 ―상기 텍스처 데이터는 형광 데이터(fluorescence data) 및 색 데이터(color data)를 포함함―;
식별 임계치 기준을 만족시키는 식별 값에 기초하여 상기 치과적 질환을 포함하는 영역을 식별하는 단계 ―상기 식별 값은 상기 제1 디지털 3D 모델의 영역과 연관된 상기 텍스처 데이터에 대해 식별 함수를 적용함으로써 계산됨―;
상기 식별된 영역과 연관된 상기 텍스처 데이터의 적어도 하나에 대해 심각도 함수(severity function)를 적용함으로써, 상기 치과적 질환을 포함하는 상기 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한 심각도 값을 결정하는 단계; 및
상기 치과적 질환을 포함하는 영역에 대한 상기 결정된 심각도 값에 기초하여, 시각적 지시자를 포함하는 가상적 3 차원 모델을 생성하는 단계
를 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항에 있어서,
상기 획득된 제1 디지털 3D 모델에서 건강한 영역(healthy region)을 식별하는 단계 ―상기 식별은 형광 데이터 및/또는 색 데이터로부터 획득된 하나 이상의 텍스처 컴포넌트들의 평가에 기초한 식별을 포함함―를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 또는 제2항에 있어서,
상기 평가는,
상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 대하여, 상기 텍스처 데이터 중 하나의 텍스처 데이터의 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포에 기초하여 참조 값을 결정하고, 상기 결정된 참조 값의 특정 범위(certain range) 내의 상기 적어도 하나의 텍스처 컴포넌트에 대응하는 상기 텍스처 컴포넌트의 개개의 값을 가지는 영역들을 상기 건강한 영역으로서 식별하는 것; 또는
상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터에 대하여, 상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터에 관련되는 텍스처 값 분포에 기초하여 참조 값을 결정하고, 상기 결정된 참조 값의 정의된 범위 내의 텍스처의 값을 가지는 영역들을 상기 건강한 영역으로서 식별하는 것
을 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제3항 중 어느 한 항에 있어서,
상기 참조 값을 결정하기 이전에, 상기 획득된 제1 디지털 3D 모델을 개별적인 치과적 객체들로 구획화하고, 개별 치아 기준으로 상기 평가를 수행하는 단계를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제4항 중 어느 한 항에 있어서,
상기 개별 치아 기준의 상기 식별은,
상기 치과적 질환의 존재에 대하여 검사되는 영역을 포함하는 치아의 건강한 영역, 및 상기 치과적 질환의 존재에 대하여 검사되는 치아로부터 상기 유도되는 상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터 또는 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 상기 텍스처 값 분포를 식별하는 것,
상기 치과적 질환의 존재에 대하여 검사되는 치아에 이웃하는 치아의 건강한 영역, 및 상기 이웃하는 치아로부터 유도되는 상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터 또는 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 상기 텍스처 값 분포를 식별하는 것, 또는
상기 치과적 질환의 존재에 대하여 검사되는 치아와 동일한 치아 유형인, 상기 제1 디지털 3D 모델에서의 치아의 건강한 영역, 및 상기 치과적 질환의 존재에 대하여 검사되는 치아와 동일한 치아 유형인 치아로부터 유도되는 상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터 또는 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 상기 텍스처 값 분포를 식별하는 것
중 하나를 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제5항 중 어느 한 항에 있어서,
상기 참조 값을 결정하기 이전에, 정의된 값 범위 너머에서 개개의 텍스처 값을 가지는 텍스처 데이터 또는 텍스처 컴포넌트들을 필터링함으로써 필터링된 텍스처 값 분포를 획득하는 단계; 및
상기 정의된 값 범위 내에 속하는 텍스처 값 분포에 기초하여 상기 참조 값을 결정하는 단계를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제6항 중 어느 한 항에 있어서,
상기 건강한 영역은,
전체로서의 상기 텍스처 데이터 중 적어도 하나, 또는
개별적으로 각각의 텍스처 컴포넌트에 대한 하나의 텍스처 컴포넌트 단독, 2 개 이상의 텍스처 컴포넌트들의 조합 중 하나
중 하나에 기초하여 식별되는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항에 있어서,
상기 제1 디지털 3D 모델에서 건강한 영역을 식별하는 단계 ―상기 식별은 상기 텍스처 데이터 중 적어도 하나의 수동적 검사에 기초함―를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제8항 중 어느 한 항에 있어서,
상기 식별 함수는 텍스처 공간에서 상기 영역의 텍스처 데이터와 상기 건강한 영역의 텍스처 데이터 사이의 거리에 기초하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제9항 중 어느 한 항에 있어서,
상기 거리는 유클리드 거리(Euclidean distance)를 포함하고, 상기 텍스처 데이터의 상기 텍스처 컴포넌트들은 상기 텍스처 공간의 상이한 차원들을 표현하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제10항 중 어느 한 항에 있어서,
상기 식별 함수는 상기 영역으로부터의 상기 색 데이터의 적어도 하나의 텍스처 컴포넌트 및 상기 형광 데이터의 적어도 하나의 텍스처 컴포넌트, 및 상기 건강한 영역으로부터의 상기 색 데이터의 적어도 하나의 텍스처 컴포넌트 및 상기 형광 데이터의 적어도 하나의 텍스처 컴포넌트를 포함하는 수학적 관계를 정의하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제11항 중 어느 한 항에 있어서,
상기 식별 함수에서의 상기 영역 및/또는 상기 건강한 영역으로부터의 상기 형광 데이터의 적어도 하나의 텍스처 컴포넌트는 적색 텍스처 컴포넌트 또는 녹색 텍스처 컴포넌트 중 적어도 하나만을 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제12항 중 어느 한 항에 있어서,
상기 식별 함수는 상기 형광 데이터의 청색 텍스처 컴포넌트를 가지지 않는(devoid), 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제13항 중 어느 한 항에 있어서,
상기 식별 함수는 다음으로서 표현되고,
여기서, IV는 식별 값이고,
및
은 상기 건강한 영역으로부터의 상기 형광 데이터의 적색 및 녹색 텍스처 컴포넌트들의 개개의 값들이고,
및
은 상기 영역으로부터의 상기 형광 데이터의 적색 및 녹색 텍스처 컴포넌트들의 개개의 값들이고,
,
, 및
은 상기 건강한 영역으로부터의 상기 색 데이터의 적색, 녹색, 및 청색 텍스처 컴포넌트들의 개개의 값들이고,
,
, 및
는 상기 영역으로부터의 상기 색 데이터의 적색, 녹색, 및 청색 텍스처 컴포넌트들의 개개의 값들인, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법.
- 제1항 내지 제13항 중 어느 한 항에 있어서,
상기 식별 함수는 다음으로서 표현되고,
여기서, IV는 식별 값이고,
은 상기 건강한 영역으로부터의 상기 형광 데이터의 녹색 텍스처 컴포넌트의 값이고,
은 상기 영역으로부터의 상기 형광 데이터의 녹색 텍스처 컴포넌트의 값이고,
,
, 및
은 상기 건강한 영역으로부터의 상기 색 데이터의 적색, 녹색, 및 청색 텍스처 컴포넌트들의 개개의 값들이고,
,
, 및
는 상기 영역으로부터의 상기 색 데이터의 적색, 녹색, 및 청색 텍스처 컴포넌트들의 개개의 값들인, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법.
- 제1항 내지 제15항 중 어느 한 항에 있어서,
상기 심각도 함수는 상기 영역으로부터의 상기 형광 데이터의 텍스처 컴포넌트 및 상기 건강한 영역으로부터의 상기 형광 데이터의 동일한 텍스처 컴포넌트를 포함하는 수학적 관계를 정의하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제16항 중 어느 한 항에 있어서,
상기 심각도 함수는 다음으로서 표현되고,
여기서, SV는 심각도 값이고,
은 상기 건강한 영역으로부터의 상기 형광 데이터의 녹색 텍스처 컴포넌트의 값이고,
은 상기 영역으로부터의 상기 형광 데이터의 녹색 텍스처 컴포넌트의 값인, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법.
- 제1항 내지 제17항 중 어느 한 항에 있어서,
상기 식별 함수를 적용하는 것은, 상기 식별 함수에서, 상기 영역 및 건강한 영역으로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함하고, 그리고
상기 심각도 함수를 적용하는 것은, 상기 심각도 함수에서, 상기 영역 및 건강한 영역으로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제18항 중 어느 한 항에 있어서,
상기 건강한 영역으로부터의 상기 텍스처 컴포넌트 값은 상기 건강한 영역으로부터의 텍스처 컴포넌트 값, 또는 하나 초과의 식별된 건강한 영역의 텍스처 컴포넌트 값들로부터 유도된 값을 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제19항 중 어느 한 항에 있어서,
심각도 임계치 기준을 만족시키는 상기 결정된 심각도 값에 기초하여, 상기 치과적 질환의 심각도의 레벨을 결정하는 단계를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제20항 중 어느 한 항에 있어서,
상기 시각적 지시자를 포함하는 가상적 3 차원 모델을 생성하는 단계는, 영역 특정 심각도 값 또는 심각도의 레벨을 상기 획득된 제1 디지털 3D 모델 또는 상기 획득된 제1 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계를 포함하고, 상기 맵핑된 심각도 값 또는 맵핑된 심각도의 레벨을 포함하는 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제1 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제21항 중 어느 한 항에 있어서,
환자의 치아들의 세트의 제2 디지털 3D 모델, 및 상기 제2 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터를 획득하는 단계 ―상기 제2 디지털 3D 모델 및 상기 영역-특정 텍스처 데이터는 상기 제1 디지털 3D 모델 및 상기 제1 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터가 획득된 시간 포인트와는 상이한 제2 시간 포인트에서 획득됨―를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제22항 중 어느 한 항에 있어서,
식별 임계치 기준을 만족시키는 식별 값에 기초하여 상기 치과적 질환을 포함하는 영역을 식별하는 단계 ―상기 식별 값은 상기 제2 디지털 3D 모델의 영역과 연관된 상기 텍스처 데이터에 대해 상기 식별 함수를 적용함으로써 계산됨―; 및
상기 치과적 질환을 포함하는 상기 제2 디지털 3D 모델의 영역으로서 식별된 영역과 연관된 상기 텍스처 데이터 내에 포함된 데이터 중 적어도 하나에 대해 상기 심각도 함수를 적용함으로써 심각도 값을 결정하는 단계
를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제23항 중 어느 한 항에 있어서,
상기 제1 디지털 3D 모델과 상기 제2 디지털 3D 모델 사이의 대응하는 영역들에 대한 상기 심각도 값들 사이의 심각도 차이들의 세트를 계산하는 단계; 및
상기 심각도 차이들의 세트를 포함하는 디지털 3D 모델을 생성하는 단계
를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제24항 중 어느 한 항에 있어서,
상기 제1 디지털 3D 모델을 개별적인 치과적 객체들로, 그리고 상기 제2 디지털 3D 모델을 개별적인 치과적 객체들로 개별적으로 구획화함으로써;
상기 구획화된 제1 디지털 3D 객체 및 상기 구획화된 제2 디지털 3D 모델로부터 대응하는 치과적 객체들을 식별함으로써;
상기 식별된 대응하는 치과적 객체들을 국소적으로 정렬함으로써; 그리고
상기 국소적으로 정렬된 대응하는 치과적 객체들에서의 정렬된 영역들을 상기 대응하는 영역들로서 식별함으로써,
상기 제1 디지털 3D 모델과 상기 제2 디지털 3D 모델 사이의 상기 대응하는 영역들을 식별하는 단계를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제25항 중 어느 한 항에 있어서,
상기 심각도 차이들의 세트를 포함하는 디지털 3D 모델을 생성하는 단계는,
영역 특정 심각도 차이를 상기 획득된 제1 디지털 3D 모델 또는 상기 획득된 제1 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제1 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―, 또는
영역 특정 심각도 차이를 상기 획득된 제2 디지털 3D 모델 또는 상기 획득된 제2 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제2 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―
를 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제26항 중 어느 한 항에 있어서,
하나 초과의 대응하는 영역들에 대하여, 상기 제1 디지털 3D 모델에 대응하는 상기 텍스처 데이터의 획득과 상기 제2 디지털 3D 모델에 대응하는 텍스처 데이터의 획득 사이의 시간 기간(time span) 및 상기 심각도 차이들에 기초하여 상기 치과적 질환의 발달의 레이트들을 결정하는 단계를 더 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제27항 중 어느 한 항에 있어서,
상기 디지털 3D 모델을 생성하는 단계는,
상기 치과적 질환의 발달의 영역 특정 레이트들을 상기 획득된 제1 디지털 3D 모델 또는 상기 획득된 제1 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제1 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―, 또는
상기 치과적 질환의 발달의 영역 특정 레이트들을 상기 획득된 제2 디지털 3D 모델 또는 상기 획득된 제2 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제2 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―
를 포함하는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 제1항 내지 제28항 중 어느 한 항에 있어서,
상기 제1 디지털 3D 모델에 대응하는 상기 텍스처 데이터의 획득과 상기 제2 디지털 3D 모델에 대응하는 텍스처 데이터의 획득 사이의 시간 기간 사이의 심각도 값 또는 상기 텍스처 데이터의 하나 이상의 컴포넌트에서의 변화에 기초하여 속도 함수를 결정하는 단계;
상기 속도 함수에 기초하여 미래의 시간 포인트에서의 미래의 텍스처 데이터 또는 심각도 값을 결정하는 단계 ―상기 미래의 텍스처 데이터는 상기 환자의 치아들의 세트가 상기 미래의 텍스처 데이터에 도달하기 이전에 결정됨―; 및
환자의 치아들의 대표적인 디지털 3D 모델을 생성하는 단계를 더 포함하며,
i) 상기 미래의 텍스처 데이터는 상기 대표적인 디지털 3D 모델 상으로 맵핑되고; 그리고/또는
ii) 상기 결정된 미래의 텍스처 데이터를 이용하여 상기 심각도 값들을 계산하는 것에 기초하여 결정된 미래의 치과적 질환은 상기 대표적인 디지털 3D 모델 상으로 맵핑되는, 영역에서의 치과적 질환을 표현하는 가상적 3 차원 모델을 생성하기 위한 방법. - 비-일시적 컴퓨터 판독가능 매체에서 구체화된 컴퓨터 프로그램 제품으로서,
상기 컴퓨터 프로그램 제품은, 하드웨어 데이터 프로세서로 하여금, 제1항 내지 제29항 중 어느 한 항에 따른 방법을 수행하게 하기 위하여, 상기 하드웨어 데이터 프로세서에 의해 실행가능한 컴퓨터 판독가능 코드를 포함하는, 컴퓨터 프로그램 제품. - 비-일시적 컴퓨터 판독가능 매체에서 구체화된 컴퓨터 프로그램 제품으로서,
상기 컴퓨터 프로그램 제품은, 하드웨어 데이터 프로세서로 하여금, 건강한 치과적 영역을 식별하기 위한 방법을 실행하게 하기 위하여, 상기 하드웨어 데이터 프로세서에 의해 실행가능한 컴퓨터 판독가능 코드를 포함하고, 상기 방법은,
환자의 치아들의 세트의 디지털 3D 모델, 및 상기 디지털 3D 모델의 상이한 영역들에 대응하는 영역-특정 텍스처 데이터를 획득하는 단계 ―상기 텍스처 데이터는 형광 데이터 또는 색 데이터 중 적어도 하나를 포함함―; 및
상기 획득된 텍스처 데이터의 적어도 하나의 텍스처 컴포넌트에 대하여, 상기 텍스처 데이터의 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 텍스처 값 분포에 기초하여 참조 값을 결정하고, 상기 결정된 참조 값의 특정 범위 내의 상기 적어도 하나의 텍스처 컴포넌트에 대응하는 텍스처 컴포넌트의 개개의 값을 가지는 영역을 상기 건강한 영역으로서 식별하는 단계; 또는
상기 텍스처 데이터에 대하여, 상기 텍스처 데이터에 관련되는 텍스처 값 분포에 기초하여 참조 값을 결정하고, 상기 결정된 참조 값의 정의된 범위 내의 텍스처 값을 가지는 영역을 상기 건강한 영역으로서 식별하는 단계
를 포함하는, 컴퓨터 프로그램 제품. - 제31항에 있어서,
상기 방법은, 상기 참조 값을 결정하기 이전에, 상기 획득된 디지털 3D 모델을 개별적인 치과적 객체들로 구획화하고, 개별 치아 기준으로 상기 건강한 영역을 식별하는 단계를 더 포함하는, 컴퓨터 프로그램 제품. - 제31항 또는 제32항에 있어서,
상기 개별 치아 기준의 상기 식별은,
상기 치과적 질환의 존재에 대하여 검사되는 영역을 포함하는 치아의 건강한 영역, 및 상기 치과적 질환의 존재에 대하여 검사되는 치아로부터 유도되는 상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터 또는 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 상기 텍스처 값 분포를 식별하는 것,
상기 치과적 질환의 존재에 대하여 검사되는 치아에 이웃하는 치아의 상기 건강한 영역, 및 상기 이웃하는 치아로부터 유도되는 상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터 또는 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 상기 텍스처 값 분포를 식별하는 것, 또는
상기 치과적 질환의 존재에 대하여 검사되는 치아와 동일한 치아 유형인, 상기 제1 디지털 3D 모델에서의 치아의 건강한 영역, 및 상기 치과적 질환의 존재에 대하여 검사되는 치아와 동일한 치아 유형인 치아로부터 유도되는 상기 획득된 텍스처 데이터 중 하나의 텍스처 데이터 또는 상기 적어도 하나의 텍스처 컴포넌트에 관련되는 상기 텍스처 값 분포를 식별하는 것
을 포함하는, 컴퓨터 프로그램 제품. - 제31항 내지 제33항 중 어느 한 항에 있어서,
상기 건강한 영역으로부터의 상기 텍스처 컴포넌트 값은 상기 건강한 영역으로부터의 텍스처 컴포넌트 값, 또는 하나 초과의 식별된 건강한 영역의 텍스처 컴포넌트 값들로부터 유도된 값을 포함하는, 컴퓨터 프로그램 제품. - 제31항 내지 제34항 중 어느 한 항에 있어서,
상기 방법은,
상기 참조 값을 결정하기 이전에, 정의된 값 범위 너머에서 개개의 텍스처 값을 가지는 텍스처 데이터 또는 텍스처 컴포넌트들을 필터링함으로써 필터링된 텍스처 값 분포를 획득하는 단계; 및
상기 정의된 값 범위 내에 속하는 텍스처 값 분포에 기초하여 상기 참조 값을 결정하는 단계
를 더 포함하는, 컴퓨터 프로그램 제품. - 제31항 내지 제35항 중 어느 한 항에 있어서,
상기 건강한 영역은,
전체로서의 상기 텍스처 데이터 중 적어도 하나, 또는
개별적으로 각각의 텍스처 컴포넌트에 대한 하나의 텍스처 컴포넌트 단독, 2 개 이상의 텍스처 컴포넌트들의 조합 중 하나
중 하나에 기초하여 식별되는, 컴퓨터 프로그램 제품. - 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법으로서,
제1 시간 포인트에서, 환자의 치아들의 세트의 제1 디지털 3D 모델, 및 상기 제1 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터를 획득하는 단계;
상기 식별된 영역과 연관된 상기 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써, 상기 치과적 질환을 포함하는 상기 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한, 상기 치과적 질환의 심각도의 레벨과 연관된 심각도 값을 결정하는 단계;
상기 제1 시간 포인트보다 더 이후의 제2 시간 포인트에서, 상기 환자의 치아들의 세트의 제2 디지털 3D 모델, 및 상기 제2 디지털 3D 모델의 상이한 영역들에 대응하는 형광 데이터 및 색 데이터를 포함하는 영역-특정 텍스처 데이터를 획득하는 단계;
상기 식별된 영역과 연관된 상기 텍스처 데이터 중 적어도 하나에 대해 심각도 함수를 적용함으로써, 상기 치과적 질환을 포함하는 상기 제1 디지털 3D 모델의 영역으로서 식별된 적어도 하나의 영역에 대한, 상기 치과적 질환의 심각도의 레벨과 연관된 심각도 값을 결정하는 단계;
상기 제1 디지털 3D 모델과 상기 제2 디지털 3D 모델 사이의 대응하는 영역들에 대한 상기 심각도 값들 사이의 심각도 차이들의 세트를 계산하는 단계; 및
상기 심각도 차이들의 세트를 포함하는 디지털 3D 모델을 생성하는 단계
를 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 제37항에 있어서,
상기 치과적 질환을 포함하는 것으로서 식별된 영역은 식별 임계치 기준을 만족시키는 식별 값에 기초하여 식별되고, 상기 식별 값은 상기 제1 디지털 3D 모델 및 제2 모델의 영역과 연관된 상기 텍스처 데이터에 대해 각각 식별 함수를 적용함으로써 계산되는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 제37항 또는 제38항에 있어서,
상기 심각도 함수는 상기 영역으로부터의 상기 형광 데이터의 텍스처 컴포넌트 및 상기 건강한 영역으로부터의 상기 형광 데이터의 동일한 텍스처 컴포넌트를 포함하는 수학적 관계를 정의하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 제37항 내지 제39항 중 어느 한 항에 있어서,
상기 제1 디지털 3D 모델을 개별적인 치과적 객체들로, 그리고 상기 제2 디지털 3D 모델을 개별적인 치과적 객체들로 개별적으로 구획화함으로써;
상기 구획화된 제1 디지털 3D 객체 및 상기 구획화된 제2 디지털 3D 모델로부터 대응하는 치과적 객체들을 식별함으로써;
상기 식별된 대응하는 치과적 객체들을 국소적으로 정렬함으로써; 그리고
상기 국소적으로 정렬된 대응하는 치과적 객체들에서의 정렬된 영역들을 상기 대응하는 영역들로서 식별함으로써,
상기 제1 디지털 3D 모델과 상기 제2 디지털 3D 모델 사이의 상기 대응하는 영역들을 식별하는 단계를 더 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 제37항 내지 제40항 중 어느 한 항에 있어서,
상기 심각도 차이들의 세트를 포함하는 디지털 3D 모델을 생성하는 단계는,
영역 특정 심각도 차이를 상기 획득된 제1 디지털 3D 모델 또는 상기 획득된 제1 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제1 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―, 또는
영역 특정 심각도 차이를 상기 획득된 제2 디지털 3D 모델 또는 상기 획득된 제2 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제2 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―
를 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 제37항 내지 제41항 중 어느 한 항에 있어서,
상기 제1 시간 포인트와 상기 제2 시간 포인트 사이의 시간 기간 및 상기 심각도 차이들에 기초하여, 하나 초과의 대응하는 영역들에 대하여, 상기 치과적 질환의 발달의 레이트들을 결정하는 단계를 더 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 제37항 내지 제42항 중 어느 한 항에 있어서,
상기 디지털 3D 모델을 생성하는 단계는,
상기 치과적 질환의 발달의 영역 특정 레이트들을 상기 획득된 제1 디지털 3D 모델 또는 상기 획득된 제1 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제1 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―, 또는
상기 치과적 질환의 발달의 영역 특정 레이트들을 상기 획득된 제2 디지털 3D 모델 또는 상기 획득된 제2 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 심각도 차이들의 세트를 포함하는 상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본은 상기 텍스처 데이터 중 적어도 하나를 포함하거나, 상기 제2 디지털 3D 모델에 관련되는 상기 텍스처 데이터 중 임의의 것을 가지지 않음―
를 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 제37항 내지 제43항 중 어느 한 항에 있어서,
상기 제1 시간 기간과 제2 시간 기간 사이의 심각도 값 또는 상기 텍스처 데이터의 하나 이상의 컴포넌트들에서의 변화에 기초하여 속도 함수를 결정하는 단계;
상기 속도 함수에 기초하여 미래의 시간 포인트에서의 미래의 텍스처 데이터 또는 심각도 값을 결정하는 단계 ―상기 미래의 텍스처 데이터는 상기 환자의 치아들의 세트가 상기 미래의 텍스처 데이터에 도달하기 이전에 결정됨―; 및
환자의 치아들의 대표적인 디지털 3D 모델을 생성하는 단계를 더 포함하며,
i) 상기 미래의 텍스처 데이터는 상기 대표적인 디지털 3D 모델 상으로 맵핑되고; 그리고/또는
ii) 상기 결정된 미래의 텍스처 데이터를 이용하여 상기 심각도 값들을 계산하는 것에 기초하여 결정된 미래의 치과적 질환은 상기 대표적인 디지털 3D 모델 상으로 맵핑되는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 방법. - 비-일시적 컴퓨터 판독가능 매체에서 구체화된 컴퓨터 프로그램 제품으로서,
상기 컴퓨터 프로그램 제품은, 하드웨어 데이터 프로세서로 하여금, 제37항 내지 제44항 중 어느 한 항에 따른 방법을 수행하게 하기 위하여, 상기 하드웨어 데이터 프로세서에 의해 실행가능한 컴퓨터 판독가능 코드를 포함하는, 컴퓨터 프로그램 제품. - 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법으로서,
제1 시간 포인트에서, 제1 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제1 디지털 3D 모델을 획득하는 단계;
제2 시간 포인트에서, 제2 텍스처 데이터를 포함하는 환자의 치아들의 세트의 제2 디지털 3D 모델을 획득하는 단계;
텍스처를 균일화함으로써, 상기 제1 텍스처 데이터를 포함하는 상기 제1 디지털 3D 모델 및 상기 제2 텍스처 데이터를 포함하는 상기 제2 디지털 3D 모델을 공통 텍스처 공간에 배치하는 단계; 및
상기 공통 텍스처 공간에 배치된 상기 제1 디지털 3D 모델 및 상기 제2 디지털 3D 모델에서의 대응하는 영역들의 상기 제1 텍스처 데이터 및 상기 제2 텍스처 데이터의 비교에 기초하여, 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 단계
를 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항에 있어서,
상기 텍스처 데이터는 색 데이터 및/또는 형광 데이터를 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 또는 제47항에 있어서,
상기 제1 텍스처 데이터를 포함하는 상기 제1 디지털 3D 모델 및 상기 제2 텍스처 데이터를 포함하는 상기 제2 디지털 3D 모델을 공통 텍스처 공간에 배치하는 단계는,
적어도 하나의 텍스처 수정 파라미터를 결정하는 단계, 및
상기 적어도 하나의 텍스처 수정 파라미터 중 적어도 하나를 상기 제1 텍스처 데이터 또는 상기 제2 텍스처 데이터 중 적어도 하나에 적용하는 단계
를 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제48항 중 어느 한 항에 있어서,
상기 적어도 하나의 텍스처 수정 파라미터를 결정하는 단계는, 상기 제1 디지털 3D 모델, 상기 제2 디지털 3D 모델, 표준 디지털 3D 모델, 미리 정의된 텍스처 공간, 또는 이들의 조합 중 하나로부터 선택된 참조(reference)에 기초하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제49항 중 어느 한 항에 있어서,
상기 적어도 하나의 텍스처 수정 파라미터는 상기 제1 디지털 3D 모델 및 상기 제2 디지털 3D 모델의 필적하는 영역들의 텍스처 값들 사이의 변형들을 최소화하도록 구성되는 적어도 하나의 변환 연산자를 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제50항 중 어느 한 항에 있어서,
점수화 함수(scoring function)는,
i) 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들,
ii) 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트,
iii) 텍스처 데이터로부터의 상이한 영역들의 동일하거나 상이한 텍스처 컴포넌트(들), 또는
iv) 제1 텍스처 데이터로부터의 영역의 단일 텍스처 컴포넌트, 및 제2 텍스처 데이터로부터의 영역의 상이한 텍스처 컴포넌트들
중 하나를 포함하는 수학적 관계를 포함하고; 그리고
상기 제1 텍스처 데이터의 적어도 일부에 대해 상기 점수화 함수를 적용하는 것은, 상기 점수화 함수에서, 상기 제1 디지털 3D 모델의 상이한 영역들에 대응하는 분류 점수의 제1 세트를 생성하기 위하여 상기 제1 텍스처 데이터로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함하고,
상기 제2 텍스처 데이터의 적어도 일부에 대해 상기 점수화 함수를 적용하는 것은, 상기 점수화 함수에서, 상기 제2 디지털 3D 모델의 상이한 영역들에 대응하는 분류 점수의 제2 세트를 생성하기 위하여 상기 제2 텍스처 데이터로부터의 텍스처 컴포넌트 값(들)을 이용하는 것을 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제51항 중 어느 한 항에 있어서,
상기 생성된 분류 점수의 제1 세트를 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 맵핑된 분류 점수의 제1 세트를 포함하는 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 제1 텍스처 데이터를 포함하거나, 상기 제1 텍스처 데이터를 가지지 않음―; 및
상기 생성된 분류 점수의 제2 세트를 상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본의 적어도 일부 상으로 맵핑하는 단계 ―상기 맵핑된 분류 점수의 제2 세트를 포함하는 상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본은 상기 제2 텍스처 데이터를 포함하거나, 상기 제2 텍스처 데이터를 가지지 않음―
를 더 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제52항 중 어느 한 항에 있어서,
상기 제1 텍스처 데이터 및 상기 제2 텍스처 데이터의 비교는,
하나 초과의 대응하는 영역들에 대하여, 상기 분류 점수의 제1 세트와 상기 분류 점수의 제2 세트 사이의 차이 점수들을 결정하는 것; 및/또는
하나 초과의 대응하는 영역들에 대하여, 상기 제1 텍스처 데이터 내에 포함된 텍스처 값들과 상기 제2 텍스처 데이터 내에 포함된 텍스처 값들 사이의 텍스처 차이 값들을 결정하는 것
을 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제53항 중 어느 한 항에 있어서,
상기 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 단계는, 상기 차이 점수들 및/또는 상기 텍스처 차이 값들을 상기 제1 디지털 3D 모델, 상기 제2 디지털 3D 모델, 상기 제1 디지털 3D 모델의 복사본, 또는 상기 제2 디지털 3D 모델의 복사본 중 적어도 하나 상으로 맵핑하는 단계를 포함하고,
상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 제1 텍스처 데이터를 포함하거나, 상기 제1 텍스처 데이터를 가지지 않고, 그리고
상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본은 상기 제2 텍스처 데이터를 포함하거나, 상기 제2 텍스처 데이터를 가지지 않는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제54항 중 어느 한 항에 있어서,
상기 제1 텍스처 데이터 및 상기 제2 텍스처 데이터의 비교는, 하나 초과의 대응하는 영역들에 대하여, i) 상기 제2 시간 포인트와 상기 제1 시간 포인트 사이의 시간 기간 및 상기 차이 점수들, 또는 ii) 상기 제2 시간 포인트와 상기 제1 시간 포인트 사이의 시간 기간 및 상기 텍스처 차이 값들에 기초하여, 치과적 질환의 발달의 레이트들을 결정하는 것을 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제55항 중 어느 한 항에 있어서,
상기 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하는 단계는, 상기 치과적 질환의 발달의 레이트들을 상기 제1 디지털 3D 모델, 상기 제2 디지털 3D 모델, 상기 제1 디지털 3D 모델의 복사본, 또는 상기 제2 디지털 3D 모델의 복사본 중 적어도 하나 상으로 맵핑하는 단계를 포함하고,
상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본은 상기 제1 텍스처 데이터를 포함하거나, 상기 제1 텍스처 데이터를 가지지 않고, 그리고
상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본은 상기 제2 텍스처 데이터를 포함하거나, 상기 제2 텍스처 데이터를 가지지 않는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제56항 중 어느 한 항에 있어서,
상기 분류 점수의 제1 세트를 맵핑하는 것은, 상기 제1 디지털 3D 모델 또는 상기 제1 디지털 3D 모델의 복사본 상의 상이한 시각적 지시들로, 미리 정의된 상이한 점수 범위들 내에 속하는 분류 점수의 제1 세트 내에 포함된 분류 점수들을 표현하는 것을 포함하고; 그리고 상기 분류 점수의 제2 세트를 맵핑하는 것은, 상기 제2 디지털 3D 모델 또는 상기 제2 디지털 3D 모델의 복사본 상의 상이한 시각적 지시들로, 상기 미리 정의된 상이한 점수 범위들 내에 속하는 분류 점수의 제2 세트 내에 포함된 분류 점수들을 표현하는 것을 포함하고; 그리고/또는
상기 차이 점수들 및/또는 텍스처 차이 값들을 맵핑하는 것은, 상이한 시각적 지시들로, 미리 정의된 상이한 차이 범위들 내에 속하는 차이 점수들 또는 텍스처 차이 값들을 표현하는 것을 포함하고; 그리고/또는
치과적 질환의 발달의 레이트들을 맵핑하는 것은, 상이한 시각적 지시들로, 미리 정의된 상이한 레이트 범위들 내에 속하는 변화의 레이트들을 표현하는 것을 포함하는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 제46항 내지 제57항 중 어느 한 항에 있어서,
상기 제1 시간 포인트 및 상기 제2 시간 포인트에 걸쳐 상기 텍스처 데이터에서의 변화에 기초하여 속도 함수를 결정하기 위하여 상기 제1 텍스처 데이터 및 상기 제2 텍스처 데이터를 프로세싱하는 단계;
상기 속도 함수에 기초하여 미래의 시간 포인트에서의 미래의 텍스처 데이터를 결정하는 단계 ―상기 미래의 텍스처 데이터는 환자의 치아들의 세트가 상기 미래의 텍스처 데이터에 도달하기 이전에 결정됨―; 및
환자의 치아들의 대표적인 디지털 3D 모델을 생성하는 단계를 더 포함하며,
i) 상기 미래의 텍스처 데이터는 상기 대표적인 디지털 3D 모델 상으로 맵핑되고; 그리고/또는
ii) 치과적 우식증(caries)의 발달은 상기 환자에 대한 상기 미래의 텍스처 데이터 및 최후에 취득된 텍스처 데이터의 비교에 기초하여 상기 대표적인 디지털 3D 모델 상으로 맵핑되는, 치아에 대한 치과적 질환에서의 발달을 표현하는 디지털 3 차원 모델을 생성하기 위한 방법. - 비-일시적 컴퓨터 판독가능 매체에서 구체화된 컴퓨터 프로그램 제품으로서,
상기 컴퓨터 프로그램 제품은, 하드웨어 데이터 프로세서로 하여금, 제46항 내지 제58항 중 어느 한 항에 따른 방법을 수행하게 하기 위하여, 상기 하드웨어 데이터 프로세서에 의해 실행가능한 컴퓨터 판독가능 코드를 포함하는, 컴퓨터 프로그램 제품.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DKPA201970159 | 2019-03-11 | ||
| DKPA201970159 | 2019-03-11 | ||
| PCT/EP2020/056499 WO2020182880A1 (en) | 2019-03-11 | 2020-03-11 | System and method for generating digital three-dimensional dental models |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210138652A true KR20210138652A (ko) | 2021-11-19 |
Family
ID=69845368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020217032371A KR20210138652A (ko) | 2019-03-11 | 2020-03-11 | 디지털 3 차원 치과적 모델들을 생성하기 위한 시스템 및 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20220148263A1 (ko) |
| EP (1) | EP3938997A1 (ko) |
| JP (1) | JP2022523597A (ko) |
| KR (1) | KR20210138652A (ko) |
| CN (1) | CN113811916A (ko) |
| BR (1) | BR112021018007A2 (ko) |
| WO (1) | WO2020182880A1 (ko) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220079714A1 (en) * | 2020-09-11 | 2022-03-17 | Align Technology, Inc. | Automatic segmentation quality assessment for secondary treatment plans |
| US11191618B1 (en) | 2021-01-06 | 2021-12-07 | Arkimos Ltd | Systems and methods for forming a dental appliance |
| EP4095808A1 (en) * | 2021-05-26 | 2022-11-30 | 3Shape A/S | Method and system for interactively rendering digital dental models |
| CN113317890B (zh) * | 2021-05-31 | 2022-12-13 | 正雅齿科科技(上海)有限公司 | 一种牙龈纹理坐标的计算方法及系统 |
| CN115733938A (zh) * | 2021-08-31 | 2023-03-03 | 北京字跳网络技术有限公司 | 视频处理方法、装置、设备及存储介质 |
| EP4246432A1 (en) * | 2022-03-17 | 2023-09-20 | 3Shape A/S | Tooth subdivision and alignment |
| EP4276842A1 (en) * | 2022-05-12 | 2023-11-15 | 3Shape A/S | Method and system for identifying islands of interest |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7955076B2 (en) * | 2003-04-03 | 2011-06-07 | Kao Corporation | Carious tooth detection device |
| US8866894B2 (en) * | 2008-01-22 | 2014-10-21 | Carestream Health, Inc. | Method for real-time visualization of caries condition |
| US11147652B2 (en) * | 2014-11-13 | 2021-10-19 | Align Technology, Inc. | Method for tracking, predicting, and proactively correcting malocclusion and related issues |
| JP2019523064A (ja) * | 2016-07-27 | 2019-08-22 | アライン テクノロジー， インコーポレイテッド | 歯科診断機能を有する口腔内スキャナ |
| US10499793B2 (en) * | 2017-02-17 | 2019-12-10 | Align Technology, Inc. | Longitudinal analysis and visualization under limited accuracy system |
| WO2020231984A1 (en) * | 2019-05-14 | 2020-11-19 | Align Technology, Inc. | Visual presentation of gingival line generated based on 3d tooth model |
| US11707238B2 (en) * | 2019-09-10 | 2023-07-25 | Align Technology, Inc. | Dental panoramic views |
| DK180567B1 (en) * | 2020-03-03 | 2021-07-09 | Adent Aps | Method for assessing oral health of a person |
| US20220189611A1 (en) * | 2020-12-11 | 2022-06-16 | Align Technology, Inc. | Noninvasive multimodal oral assessment and disease diagnoses apparatus and method |
| US20220202295A1 (en) * | 2020-12-30 | 2022-06-30 | Align Technology, Inc. | Dental diagnostics hub |
-
2020
- 2020-03-11 US US17/437,896 patent/US20220148263A1/en active Pending
- 2020-03-11 CN CN202080035006.6A patent/CN113811916A/zh active Pending
- 2020-03-11 WO PCT/EP2020/056499 patent/WO2020182880A1/en unknown
- 2020-03-11 JP JP2021553824A patent/JP2022523597A/ja active Pending
- 2020-03-11 EP EP20711849.8A patent/EP3938997A1/en active Pending
- 2020-03-11 KR KR1020217032371A patent/KR20210138652A/ko unknown
- 2020-03-11 BR BR112021018007A patent/BR112021018007A2/pt not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022523597A (ja) | 2022-04-25 |
| WO2020182880A1 (en) | 2020-09-17 |
| BR112021018007A2 (pt) | 2021-11-16 |
| US20220148263A1 (en) | 2022-05-12 |
| EP3938997A1 (en) | 2022-01-19 |
| CN113811916A (zh) | 2021-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11723759B2 (en) | Detecting tooth shade | |
| US11426053B2 (en) | Analysis and visualization of a dental arch under a limited accuracy system | |
| KR20210138652A (ko) | 디지털 3 차원 치과적 모델들을 생성하기 위한 시스템 및 방법 | |
| CN108601636B (zh) | 推导用于填充数字牙科图表的牙齿状况信息 | |
| KR101915215B1 (ko) | 구강내 스캔 중 관심 구역의 식별 | |
| US9870613B2 (en) | Detection of tooth condition using reflectance images with red and green fluorescence | |
| EP3752982B1 (en) | Intraoral scanning with surface differentiation | |
| JP2015527896A (ja) | 蛍光を測定する口腔内３ｄスキャナ | |
| CN109069237A (zh) | 检测并监测牙齿状况的发展 | |
| CN111132607A (zh) | 用于测定牙斑的方法和装置 | |
| CN112584793A (zh) | 将至少一个附加的2d图像与牙齿的至少一部分的3d表示相关联的方法、装置和系统 | |
| CN113039587A (zh) | 使用口内扫描仪获取3d数据的混合方法 | |
| WO2023217939A1 (en) | Method and system for identifying islands of interest |