KR20230161472A - 지능적 추천을 통해 치과 작업 흐름을 구성하기 - Google Patents
지능적 추천을 통해 치과 작업 흐름을 구성하기 Download PDFInfo
- Publication number
- KR20230161472A KR20230161472A KR1020237036041A KR20237036041A KR20230161472A KR 20230161472 A KR20230161472 A KR 20230161472A KR 1020237036041 A KR1020237036041 A KR 1020237036041A KR 20237036041 A KR20237036041 A KR 20237036041A KR 20230161472 A KR20230161472 A KR 20230161472A
- Authority
- KR
- South Korea
- Prior art keywords
- dental
- computer
- configuration
- input data
- recommendation module
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 claims abstract description 48
- 230000003068 static effect Effects 0.000 claims abstract description 10
- 238000011960 computer-aided design Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 50
- 238000003860 storage Methods 0.000 claims description 35
- 238000013461 design Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 23
- 238000003754 machining Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000012986 modification Methods 0.000 claims description 11
- 230000004048 modification Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 208000002925 dental caries Diseases 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000012938 design process Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 77
- 230000015654 memory Effects 0.000 description 33
- 238000010586 diagram Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000003801 milling Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 239000007787 solid Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- MCMNRKCIXSYSNV-UHFFFAOYSA-N Zirconium dioxide Chemical compound O=[Zr]=O MCMNRKCIXSYSNV-UHFFFAOYSA-N 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 238000000227 grinding Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 210000002364 input neuron Anatomy 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 125000006850 spacer group Chemical group 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010049565 Muscle fatigue Diseases 0.000 description 1
- 208000000112 Myalgia Diseases 0.000 description 1
- 206010043269 Tension headache Diseases 0.000 description 1
- 208000008548 Tension-Type Headache Diseases 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 208000004188 Tooth Wear Diseases 0.000 description 1
- QCWXUUIWCKQGHC-UHFFFAOYSA-N Zirconium Chemical compound [Zr] QCWXUUIWCKQGHC-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- WVMPCBWWBLZKPD-UHFFFAOYSA-N dilithium oxido-[oxido(oxo)silyl]oxy-oxosilane Chemical compound [Li+].[Li+].[O-][Si](=O)O[Si]([O-])=O WVMPCBWWBLZKPD-UHFFFAOYSA-N 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010433 feldspar Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000003784 masticatory muscle Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 208000013465 muscle pain Diseases 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000004205 output neuron Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229920000193 polymethacrylate Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 229910052726 zirconium Inorganic materials 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C19/00—Dental auxiliary appliances
- A61C19/04—Measuring instruments specially adapted for dentistry
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C13/00—Dental prostheses; Making same
- A61C13/0003—Making bridge-work, inlays, implants or the like
- A61C13/0004—Computer-assisted sizing or machining of dental prostheses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C13/00—Dental prostheses; Making same
- A61C13/0003—Making bridge-work, inlays, implants or the like
- A61C13/0006—Production methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C9/00—Impression cups, i.e. impression trays; Impression methods
- A61C9/004—Means or methods for taking digitized impressions
- A61C9/0046—Data acquisition means or methods
- A61C9/0053—Optical means or methods, e.g. scanning the teeth by a laser or light beam
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Optics & Photonics (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
- Dental Prosthetics (AREA)
Abstract
구성 추천 모듈을 사용하여, 치과 제조 시스템을 구성하기 위한 추천을 제안한다. 추천은 선호하는 치과 의사 도구, 선호하는 수복물 심미성, 및 CAD/CAM(컴퓨터 지원 설계/컴퓨터 지원 제조) 리소스에 의해 자동으로 검색된 동적 및 정적 입력과 같은 사용자 특정 정보를 고려한다.
Description
본 특허 출원은 2021년 3월 25일자에 출원된 미국 출원 제17/211,955호의 이익 및 우선권을 주장하며, 이 출원은 모든 목적을 위해 본 명세서에 참조로 포함된다.
본 발명은 일반적으로 치과 작업 흐름을 구성하기 위한 방법, 시스템 및 컴퓨터 프로그램 제품에 관한 것이다. 보다 구체적으로, 본 발명은 수복물 및 가공 절차를 위한 수복물 및 치과/작업 흐름 파라미터의 지능적 제안을 위한 방법, 시스템 및 컴퓨터 프로그램 제품에 관한 것이다.
현재 수복물을 설계하고 제조를 돕는 기술이 존재한다. 예를 들어, 치과용 소프트웨어는 전통적으로 치과 전문가로부터의 입력을 사용하여 수복물 설계 및 제조에 사용될 수 있다. 이 프로세스는 단일 치아 수복물, 브릿지 수복물, 임플란트와 같은 수복물 유형이 환자에 맞게 선택되는 처방 단계를 포함한다. 그런 다음, 수복물의 치아 번호, 수복물 재료 및 재료 색상이 선택된다. 처방 후, 획득 단계에서, 치과용 스캐너를 사용하여 환자의 치아 충치에 대한 3차원(3D) 스캔을 획득한다. 다음 단계에서, 환자의 교합에 대한 협측 채득을 획득하고, 마진 라인을 그리며, 모델 및 삽입 축을 결정한다. 모델 축 결정에서, 교합(occlusal), 근심(mesial) 및 협측(buccal) 뷰의 방향이 설정된다. 또한, 수복물의 설계를 제작하기 전에, 프렙 마진 내의 영역에서 가능한 언더컷을 식별하고 수정한다. 후속 단계에서, 데이터베이스의 치아 모델 또는 바이오제네릭 치아 모델을 기반으로 수복물의 디지털 설계를 획득한다. 설계를 획득한 후, 디지털 수복물은 밀링 또는 연삭 옵션을 포함한 선택된 제조 프로세스에 기초하여 제조된다.
예시적인 실시예는 치과 작업 흐름을 구성하기 위한 방법, 시스템 및 컴퓨터 프로그램 제품을 제공한다. 본 명세서의 일 양태에서, 컴퓨터 구현 방법이 개시된다. 컴퓨터 구현 방법은: 치과 작업 흐름을 위해 환자의 치아 충치의 3차원(3D) 스캔을 수신하는 단계; 치과 작업 흐름에 관한 정보를 자동으로 획득하도록 구성된 CAD/CAM(컴퓨터 지원 설계/컴퓨터 지원 제조) 리소스에 의해, 치과 구성 추천 모듈에 대한 입력 데이터를 식별하는 단계; 식별 단계에 응답하여, 입력 데이터로부터 하나 이상의 특징을 추출하는 단계 - 하나 이상의 특징은 수복물 설계 및/또는 가공 프로세스 완료 요청을 나타냄 - ; 및 치과 구성 추천 모듈을 사용하여, 수복물 설계 및/또는 가공 프로세스에 대한 적어도 하나의 사용자 특정 구성을 제안하는 단계를 포함한다.
본 명세서의 또 다른 양태에서, 다음의 임의의 조합이 개시된다: (i) 제안 단계는 (a) 사용자 특정 수복물 설계를 제1 구성으로 제안하는 단계, (b) 적어도 하나의 수복물 파라미터를 제2 구성으로 제안하는 단계, 및 (c) 적어도 하나의 사용자 특정 제조 파라미터를 제3 구성으로 제안하는 단계 중 적어도 하나를 포함하고, (ii) 적응 모듈을 사용하여, 복수의 제안된 사용자 특정 구성 중에서 하나의 제안된 사용자 특정 구성 또는 치과 작업 흐름 설정의 수정을 제공하고 종속성 세트에 기초하여 수정의 수락 결정을 계산하는 단계, (iii) 수정이 수락 가능한 것으로 결정되면 적어도 하나의 사용자 특정 구성을 재계산하는 단계, (iv) 입력 데이터는 치과 제조 시스템에 포함되거나 연결된 장치로부터 자동으로 획득되고, (v) 입력 데이터의 적어도 일부가 치아 충치의 3D 스캔으로부터 자동으로 검색되고, (vi) 치과 구성 추천 모듈은 기계 학습 엔진으로 동작하고, (vii) 입력 데이터는 CAD/CAM 입력 데이터, 선호도 및 종속성으로 구성된 그룹에서 선택된 데이터이고, (viii) 치과 구성 추천 모듈은 수복물 파라미터를 출력으로 제안하고, (ix) 정적 CAD/CAM 입력 데이터, 동적 CAD/CAM 입력 데이터 및 사용자 선호도를 포함하는 정보에 기초하여 치과 구성 추천 모듈을 트레이닝하는 단계, (x) 정보는 체어사이드 수복물 시스템과 같은 치과 제조 시스템의 데이터베이스에서 선택된 이력 데이터를 포함하며, (xi) 새로운 지침 및 요구 사항을 종속성으로 치과 구성 추천 모듈에 로컬로 또는 원격으로 제공하는 단계.
본 명세서의 또 다른 양태에서, 컴퓨터 시스템이 개시된다. 컴퓨터 시스템은 프로세서를 포함하고, 프로세서는: 치과 작업 흐름을 위해 환자의 치아 충치의 3차원(3D) 스캔을 수신하는 단계; 치과 작업 흐름에 관한 정보를 자동으로 획득하도록 구성된 CAD/CAM(컴퓨터 지원 설계/컴퓨터 지원 제조) 리소스에 의해, 치과 구성 추천 모듈에 대한 입력 데이터를 식별하는 단계; 식별 단계에 응답하여, 입력 데이터로부터 하나 이상의 특징을 추출하는 단계 - 하나 이상의 특징은 수복물 설계 및/또는 가공 프로세스 완료 요청을 나타냄 - ; 및 치과 구성 추천 모듈을 사용하여, 수복물 설계 및/또는 가공 프로세스에 대한 적어도 하나의 사용자 특정 구성을 제안하는 단계를 수행하도록 구성된다.
본 명세서의 또 다른 양태에서, 비일시적 컴퓨터 판독 가능 저장 매체가 개시된다. 비일시적 컴퓨터 판독 가능 저장 매체는 프로그램을 저장하고, 프로그램은 컴퓨터 시스템에 의해 실행될 때, 컴퓨터 시스템으로 하여금: 치과 작업 흐름을 위해 환자의 치아 충치의 3차원(3D) 스캔을 수신하는 단계; 치과 작업 흐름에 관한 정보를 자동으로 획득하도록 구성된 CAD/CAM(컴퓨터 지원 설계/컴퓨터 지원 제조) 리소스에 의해, 치과 구성 추천 모듈에 대한 입력 데이터를 식별하는 단계; 식별 단계에 응답하여, 입력 데이터로부터 하나 이상의 특징을 추출하는 단계 - 하나 이상의 특징은 수복물 설계 및/또는 가공 프로세스 완료 요청을 나타냄 - ; 및 치과 구성 추천 모듈을 사용하여, 수복물 설계 및/또는 가공 프로세스에 대한 적어도 하나의 사용자 특정 구성을 제안하는 단계를 포함하는 절차를 수행하게 한다.
다른 양태에서, 실시예는 컴퓨터 사용 가능 프로그램 제품을 포함한다. 컴퓨터 사용 가능 프로그램 제품은 컴퓨터 판독 가능 저장 장치 및 저장 장치에 저장된 프로그램 명령어를 포함한다.
추가 양태에서, 실시예는 컴퓨터 시스템을 포함한다. 컴퓨터 시스템은 프로세서, 컴퓨터 판독 가능 메모리, 컴퓨터 판독 가능 저장 장치, 및 메모리를 통해 프로세서에 의해 실행되도록 저장 장치에 저장된 프로그램 명령어를 포함한다.
본 발명에 특유한 것으로 여겨지는 특정 신규 특징은 첨부된 청구범위에 기재되어 있다. 그러나, 본 발명 자체, 바람직한 사용 모드, 추가 목적 및 이점은 첨부 도면과 함께 읽을 때 예시적인 실시예에 대한 다음의 상세한 설명을 참조하여 가장 잘 이해될 것이다.
도 1은 예시적인 실시예가 구현될 수 있는 데이터 처리 시스템의 네트워크의 블록도를 도시한다.
도 2는 예시적인 실시예가 구현될 수 있는 데이터 처리 시스템의 블록도를 도시한다.
도 3은 예시적인 실시예에 따른 가공을 위한 수복물 및 치과/작업 흐름 파라미터의 지능적 제안을 위한 예시적인 구성의 블록도를 도시한다.
도 4a는 예시적인 실시예가 구현될 수 있는 수복물 추천 구성의 블록도를 도시한다.
도 4b는 예시적인 실시예가 구현될 수 있는 제조 파라미터 추천 구성의 블록도를 도시한다.
도 5는 예시적인 실시예에 따른 프리젠테이션 모듈의 가공 인터페이스의 블록도를 도시한다.
도 6은 예시적인 실시예에 따른 기계 학습 기반 추천 엔진을 위한 예시적인 트레이닝 아키텍처의 블록도를 도시한다.
도 7은 예시적인 실시예에 따른 예시적인 프로세스의 흐름도를 도시한다.
도 1은 예시적인 실시예가 구현될 수 있는 데이터 처리 시스템의 네트워크의 블록도를 도시한다.
도 2는 예시적인 실시예가 구현될 수 있는 데이터 처리 시스템의 블록도를 도시한다.
도 3은 예시적인 실시예에 따른 가공을 위한 수복물 및 치과/작업 흐름 파라미터의 지능적 제안을 위한 예시적인 구성의 블록도를 도시한다.
도 4a는 예시적인 실시예가 구현될 수 있는 수복물 추천 구성의 블록도를 도시한다.
도 4b는 예시적인 실시예가 구현될 수 있는 제조 파라미터 추천 구성의 블록도를 도시한다.
도 5는 예시적인 실시예에 따른 프리젠테이션 모듈의 가공 인터페이스의 블록도를 도시한다.
도 6은 예시적인 실시예에 따른 기계 학습 기반 추천 엔진을 위한 예시적인 트레이닝 아키텍처의 블록도를 도시한다.
도 7은 예시적인 실시예에 따른 예시적인 프로세스의 흐름도를 도시한다.
예시적인 실시예는 수복물 설계 및 제조를 위한 모든 치과용 CAD/CAM 소프트웨어의 사용자가 모든 새로운 케이스의 시작에서 수복물 유형, 가공 유형 및 가공 재료를 정의하는 구성을 다루어야 한다는 것을 인식한다. 치과 케이스에 대한 작업 흐름을 구성하는 경우, 현재 치과 작업 흐름 속성은 시간 소모적인 프로세스를 통해 치과 의사에 의해 소프트웨어에서 수동으로 선택되며, 이는 새로운 사용자에게 편리하지 않을 수 있다. 예시적인 실시예는 구성 프로세스가 지속적으로 복잡해지고 자주 변경되는 전문가의 노하우를 필요로 하고, 잘못된 파라미터를 사용하여 선택, 제조 또는 설계하면 기껏해야 예상되거나 원하는 결과와 크게 상이한 생성 수복물을 초래할 것이며, 최악의 경우 안전하지 않은 치과용 제품 및 작업 조건을 초래한다는 것을 인식한다.
예를 들어, 치과 의사가 치과 시술을 위해 환자의 턱을 스캔할 때 소프트웨어에 의해 제시되는 기본 파라미터를 수정하여 수복물 및 제조 파라미터를 수동으로 구성한다. 이는 시간 소모적이고 오류가 발생하기 쉬우며 의사가 파라미터와 파라미터의 종속성에 대한 모든 지식이 부족할 수 있기 때문에 특정 환자에게 최적이 아닌 경우가 많다.
따라서, 예시적인 실시예는 현재 사용 가능한 도구 또는 솔루션이 최적화된 수복물을 적시에 제공하기 위해 치과 작업 흐름 구성의 지능적 관리를 제공할 필요성을 다루지 않는다는 것을 인식한다. 본 발명을 설명하는 데 사용되는 예시적인 실시예는 일반적으로 지능적 추천을 통해 환자 및/또는 사용자 특정 방식으로 치과 작업 흐름을 구성하기 위해 기계 학습 엔진을 사용함으로써 위에서 설명된 문제 및 기타 관련 문제를 다루고 해결한다.
이러한 구성은 최소 벽 두께, 에지 두께, 에지 설계(챔퍼형 또는 라운드형, 챔퍼 길이, 에지 반경), 스페이서 등과 같은 수복물 파라미터를 포함한다. 구성은 또한 가공 장치 유형(예를 들어, 특정 밀링 유닛 또는 3D 프린터), 가공 유형(예를 들어, 연삭, 밀링), 재료 유형(예를 들어, 장석, 리튬디실리케이트, 폴리메타크릴레이트, 티타늄, 지르코늄 등), 가공 도구의 유형 또는 크기(예를 들어, 스텝 버, 실린더 버, 실린더 버 EF(초미세)), 가공 모드(예를 들어, 삼각형 품질 최적화), 가공 시간/비용(예를 들어, 고속, 보통, 미세)와 같은 제조 파라미터를 포함한다. 수복물 파라미터와 제조 파라미터는 본 명세서에서 집합적으로 치과 파라미터로 지칭된다. 참고로, 구성 프로세스는 또한 제조 준비에 수복물 지오메트리(geometry)를 설계하는 것을 포함할 수 있다.
이러한 설정, 구성, 파라미터, 속성 등의 예는 제한하려는 의도가 아니다. 본 개시로부터, 당업자는 유사한 목적에 적용 가능한 많은 다른 양태를 구상할 수 있을 것이며, 이는 예시적인 실시예의 범위 내에서 고려된다.
예시적인 실시예는 단지 예로서 특정 유형의 데이터, 함수, 알고리즘, 방정식, 모델 구성, 실시예의 위치, 추가 데이터, 장치, 데이터 처리 시스템, 환경, 구성 요소 및 애플리케이션과 관련하여 설명된다. 이들 및 기타 유사한 아티팩트의 임의의 특정 표현은 본 발명을 제한하려는 의도가 아니다. 이들 및 기타 유사한 아티팩트의 임의의 적절한 표현은 예시적인 실시예의 범위 내에서 선택될 수 있다.
더욱이, 예시적인 실시예는 임의의 유형의 데이터, 데이터 소스, 또는 데이터 네트워크를 통한 데이터 소스에 대한 액세스와 관련하여 구현될 수 있다. 임의의 유형의 데이터 저장 장치는 본 발명의 범위 내에서, 데이터 처리 시스템에서 로컬로 또는 데이터 네트워크를 통해, 본 발명의 실시예에 대한 데이터를 제공할 수 있다.
예시적인 실시예는 단지 예로서 특정 코드, 설계, 아키텍처, 프로토콜, 레이아웃, 회로도 및 도구를 사용하여 설명되고, 예시적인 실시예로 제한되지는 않는다. 더욱이, 예시적인 실시예는 일부 경우에 설명의 명확성을 위해 단지 예로서 특정 소프트웨어, 도구 및 데이터 처리 환경을 사용하여 설명된다. 예시적인 실시예는 다른 비교 가능하거나 유사한 목적의 구조, 시스템, 애플리케이션 또는 아키텍처와 함께 사용될 수 있다. 예를 들어, 다른 치과용 시스템, 구조, 애플리케이션 또는 아키텍처는 본 발명의 범위 내에서 본 발명의 실시예와 함께 사용될 수 있다. 예시적인 실시예는 하드웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있다.
본 개시의 예는 설명의 명확성을 위해서만 사용되고, 예시적인 실시예로 제한되지는 않는다. 추가 데이터, 동작, 행동, 작업, 활동 및 조작이 본 개시로부터 구상될 수 있으며, 이는 예시적인 실시예의 범위 내에서 고려된다.
본 명세서에 나열된 임의의 이점은 단지 예일 뿐이며, 예시적인 실시예를 제한하려는 의도가 아니다. 추가의 또는 상이한 이점이 특정한 예시적인 실시예에 의해 실현될 수 있다. 더욱이, 특정 예시적인 실시예는 위에 나열된 이점 중 일부, 전부를 갖거나 어느 것도 갖지 않을 수 있다.
도면, 특히 도 1 및 도 2를 참조하면, 이들 도면은 예시적인 실시예가 구현될 수 있는 데이터 처리 환경의 예시적인 도면이다. 도 1 및 도 2는 단지 예일 뿐이며, 상이한 실시예가 구현될 수 있는 환경과 관련하여 어떠한 제한도 주장하거나 암시하려는 의도가 아니다. 특정 구현은 다음 설명을 기반으로 설명된 환경에 많은 수정을 가할 수 있다.
도 1은 예시적인 실시예가 구현될 수 있는 데이터 처리 시스템의 네트워크의 블록도를 도시한다. 데이터 처리 환경은 예시적인 실시예가 구현될 수 있는 컴퓨터 네트워크이다. 데이터 처리 환경(100)은 네트워크/통신 인프라(102)를 포함한다. 네트워크/통신 인프라(102)는 데이터 처리 환경(100) 내에서 함께 연결된 다양한 장치, 데이터베이스 및 컴퓨터 간의 통신 링크를 제공하는 데 사용되는 매체이다. 네트워크/통신 인프라(102)는 유선, 무선 통신 링크 또는 광섬유 케이블과 같은 연결을 포함할 수 있다.
클라이언트 또는 서버는 네트워크/통신 인프라(102)에 연결된 특정 데이터 처리 시스템의 예시적인 역할일 뿐이며, 이러한 데이터 처리 시스템에 대한 다른 구성 또는 역할을 배제하려는 의도가 아니다. 서버(104) 및 서버(106)는 저장 유닛(108)과 함께 네트워크/통신 인프라(102)에 결합된다. 소프트웨어 애플리케이션은 데이터 처리 환경(100) 내의 임의의 컴퓨터 상에서 실행될 수 있다. 클라이언트(110), 클라이언트(112), 클라이언트(114)가 또한 네트워크/통신 인프라(102)에 결합된다. 클라이언트(110)는 디스플레이 및 이에 동작 가능하게 연결된 밀링 유닛을 갖는 치과용 획득 유닛과 같은 치과 제조 시스템일 수 있다. 서버(104) 또는 서버(106) 또는 클라이언트(클라이언트(110), 클라이언트(112), 클라이언트(114))와 같은 데이터 처리 시스템은 데이터를 포함할 수 있고, 그 위에서 실행되는 소프트웨어 애플리케이션 또는 소프트웨어 도구를 가질 수 있다.
도 1은 단지 예로서 이러한 아키텍처에 대한 어떠한 제한도 암시하지 않고, 실시예의 예시적인 구현에서 사용 가능한 특정 구성 요소를 도시한다. 예를 들어, 서버와 클라이언트는 단지 예일 뿐이며, 클라이언트-서버 아키텍처에 대한 제한을 암시하기 위한 것이 아니다. 다른 예로서, 실시예는 도시된 바와 같이 여러 데이터 처리 시스템 및 데이터 네트워크에 걸쳐 분산될 수 있는 반면, 다른 실시예는 예시적인 실시예의 범위 내에서 단일 데이터 처리 시스템 상에 구현될 수 있다. 데이터 처리 시스템(서버(104), 서버(106), 클라이언트(110), 클라이언트(112), 클라이언트(114))은 또한 실시예를 구현하기에 적합한 클러스터, 파티션 및 기타 구성의 예시적인 노드를 나타낸다.
치과용 스캐너(122)는 투사를 통해 복수의 이미지를 획득하고 투사를 결합하여 3차원(3D) 이미지를 획득함으로써 치아 지오메트리 및/또는 색상을 측정하는 하나 이상의 센서를 포함한다. 예를 들어, 치과용 스캐너(122)는 초당 수천 번씩 데이터 포인트를 캡처하여 각 치아의 크기와 모양을 자동으로 등록한다. 연결된 컴퓨터의 소프트웨어에 이 데이터를 지속적으로 전송하여 환자 구강의 3D 인상을 생성한다.
가장 널리 사용되는 디지털 형식은 STL(Standard Tessellation Language) 형식이다. 이 형식은 각 삼각형이 3개의 점과 하나의 법선 표면으로 정의되는 일련의 삼각형 표면을 설명한다. STL 파일은 색상, 질감 또는 기타 CAD 모델 속성을 표현하지 않고 3차원 객체의 표면 지오메트리만 설명할 수 있다. 그러나, 치아 조직의 색상, 투명도 또는 질감을 기록하기 위해 다른 파일 형식(예를 들어, Polygon File Format(PLY) 파일)이 개발되었다. 사용되는 이미징 기술의 유형에 관계없이, 스캐너 또는 카메라는 빛을 투사하고, 이는 개별 이미지로 기록되고 POI(관심 포인트) 인식 후 소프트웨어에 의해 컴파일된다. 예를 들어, 각 포인트의 두 좌표(x 및 y)가 이미지에서 평가되고 제3 좌표(z)가 스캐너로부터의 거리에 따라 계산된다.
클라이언트 애플리케이션(120) 또는 임의의 다른 애플리케이션(116)은 본 명세서에 설명된 실시예를 구현한다. 클라이언트 애플리케이션(120)은 치과용 스캐너(122)로부터의 데이터를 사용하여 수복물 제안을 생성할 수 있다. 클라이언트 애플리케이션(120)은 또한 수복물 지오메트리 및 치과 파라미터를 제안하는 데 사용하기 위해 CAD/CAM 리소스 모듈(324)로부터 입력 데이터를 자동으로 도출할 수 있다.
클라이언트 애플리케이션(120)은 또한 서버(104) 내의 클라이언트 애플리케이션(116)과 같은 임의의 데이터 처리 시스템(서버(104) 또는 서버(106), 클라이언트(110), 클라이언트(112), 클라이언트(114))에서 실행될 수 있으며 클라이언트(110)와 동일한 시스템에서 실행될 필요는 없다.
서버(104), 서버(106), 저장 유닛(108), 클라이언트(110), 클라이언트(112), 클라이언트(114)는 유선 연결, 무선 통신 프로토콜, 또는 다른 적절한 데이터 연결을 사용하여 네트워크/통신 인프라(102)에 결합될 수 있다. 클라이언트(110), 클라이언트(112) 및 클라이언트(114)는 예를 들어 개인용 컴퓨터 또는 네트워크 컴퓨터일 수 있다.
도시된 예에서, 서버(104)는 부팅 파일, 운영 체제 이미지 및 애플리케이션과 같은 데이터를 클라이언트(110), 클라이언트(112) 및 클라이언트(114)에 제공할 수 있다. 클라이언트(110), 클라이언트(112) 및 클라이언트(114)는 이 예에서 서버(104)에 대한 클라이언트일 수 있다. 클라이언트(110), 클라이언트(112) 및 클라이언트(114) 또는 이들의 일부 조합은 자신의 데이터, 부팅 파일, 운영 체제 이미지 및 애플리케이션을 포함할 수 있다. 데이터 처리 환경(100)은 추가 서버, 클라이언트, 및 도시되지 않은 다른 장치를 포함할 수 있다. 서버(104)는 하나 이상의 실시예에 따라 라이브 제어 뷰를 디스플레이하기 위해 본 명세서에 설명된 기능 중 하나 이상을 구현하도록 구성될 수 있는 애플리케이션(116)을 포함한다.
서버(106)는 다양한 실시예와 관련하여 본 명세서에 설명된 바와 같이 운영자로부터의 요청에 응답하여 이미지, 환자의 3D 모델 및 치과 진료에 대한 선호도와 같은 저장된 파일을 검색하도록 구성된 검색 엔진을 포함할 수 있다.
도시된 예에서, 데이터 처리 환경(100)은 인터넷일 수 있다. 네트워크/통신 인프라(102)는 서로 통신하기 위해 TCP/IP(전송 제어 프로토콜/인터넷 프로토콜) 및 기타 프로토콜을 사용하는 네트워크 및 게이트웨이의 집합을 나타낼 수 있다. 인터넷의 중심에는 수천 개의 치과 진료, 상업, 정부, 교육 시스템 및 데이터와 메시지를 라우팅하는 기타 컴퓨터 시스템을 비롯한 주요 노드 또는 호스트 컴퓨터 간의 데이터 통신 링크의 백본이 있다. 물론, 데이터 처리 환경(100)은 예를 들어 인트라넷, 근거리 통신망(LAN) 또는 원거리 통신망(WAN)과 같은 다양한 상이한 유형의 네트워크로 구현될 수도 있다. 도 1은 예로서 의도된 것이지, 상이한 예시적인 실시예에 대한 구조적 제한으로서 의도된 것은 아니다.
다른 용도 중에서, 데이터 처리 환경(100)은 예시적인 실시예가 구현될 수 있는 클라이언트-서버 환경을 구현하는 데 사용될 수 있다. 클라이언트-서버 환경은 소프트웨어 애플리케이션과 데이터가 네트워크에 걸쳐 분산될 수 있도록 하여 애플리케이션은 클라이언트 데이터 처리 시스템과 서버 데이터 처리 시스템 간의 상호 작용을 사용함으로써 기능할 수 있다. 데이터 처리 환경(100)은 또한 네트워크에 걸쳐 분산된 상호 운용 가능한 소프트웨어 구성 요소가 일관된 비즈니스 애플리케이션으로 함께 패키징될 수 있는 서비스 지향 아키텍처를 사용할 수 있다. 데이터 처리 환경(100)은 또한 클라우드의 형태를 취할 수 있으며, 최소한의 관리 노력 또는 서비스 제공자와의 상호 작용으로 신속하게 제공 및 공개될 수 있는 구성 가능한 컴퓨팅 리소스(예를 들어, 네트워크, 네트워크 대역폭, 서버, 처리, 메모리, 저장 장치, 애플리케이션, 가상 머신 및 서비스)의 공유 풀에 대한 편리한 주문형 네트워크 액세스를 가능하게 하기 위해 서비스 전달의 클라우드 컴퓨팅 모델을 사용할 수 있다.
도 2를 참조하면, 이 도면은 예시적인 실시예가 구현될 수 있는 데이터 처리 시스템의 블록도를 도시한다. 데이터 처리 시스템(200)은 도 1의 클라이언트(110), 클라이언트(112), 클라이언트(114) 또는 서버(104), 서버(106), 또는 예시적인 실시예에서 프로세스를 구현하는 컴퓨터 사용 가능 프로그램 코드 또는 명령어가 위치할 수 있는 또 다른 유형의 장치와 같은 컴퓨터의 예이다.
데이터 처리 시스템(200)은 단지 예로서 컴퓨터로 설명되며, 이에 제한되지는 않는다. 도 1의 다른 장치 형태의 구현은 터치 인터페이스를 추가하는 등의 방식으로 데이터 처리 시스템(200)을 수정할 수 있으며, 심지어 본 명세서에 설명된 데이터 처리 시스템(200)의 동작 및 기능에 대한 일반적인 설명에서 벗어나지 않고 데이터 처리 시스템(200)에서 특정 설명된 구성 요소를 제거할 수도 있다.
도시된 예에서, 데이터 처리 시스템(200)은 노스 브리지 및 메모리 컨트롤러 허브(North Bridge and memory controller hub; NB/MCH)(202)와 사우스 브리지 및 입출력(I/O) 컨트롤러 허브(South Bridge and input/output controller hub; SB/ICH)(204)를 포함하는 허브 아키텍처를 사용한다. 처리 유닛(206), 주 메모리(208) 및 그래픽 프로세서(210)는 노스 브리지 및 메모리 컨트롤러 허브(NB/MCH)(202)에 결합된다. 처리 유닛(206)은 하나 이상의 프로세서를 포함할 수 있으며 하나 이상의 이종 프로세서 시스템을 사용하여 구현될 수 있다. 처리 유닛(206)은 멀티 코어 프로세서일 수 있다. 그래픽 프로세서(210)는 특정 구현에서 가속 그래픽 포트(accelerated graphics port; AGP)를 통해 노스 브리지 및 메모리 컨트롤러 허브(NB/MCH)(202)에 결합될 수 있다.
도시된 예에서, 근거리 통신망(LAN) 어댑터(212)는 사우스 브리지 및 입출력(I/O) 컨트롤러 허브(SB/ICH)(204)에 결합된다. 오디오 어댑터(216), 키보드 및 마우스 어댑터(220), 모뎀(222), 읽기 전용 메모리(ROM)(224), 범용 직렬 버스(USB) 및 기타 포트(232), PCI/PCIe 장치(234)는 버스(218)를 통해 사우스 브리지 및 입출력(I/O) 컨트롤러 허브(SB/ICH)(204)에 결합된다. 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD)(226a) 및 CD-ROM(230)은 버스(228)를 통해 사우스 브리지 및 입출력(I/O) 컨트롤러 허브(SB/ICH)(204)에 결합된다. PCI/PCIe 장치(234)는 예를 들어 이더넷 어댑터, 애드인 카드, 노트북 컴퓨터용 PC 카드를 포함할 수 있다. PCI는 카드 버스 컨트롤러를 사용하지만 PCIe는 그렇지 않다. 읽기 전용 메모리(ROM)(224)는 예를 들어 플래시 BIOS(binary input/output system)일 수 있다. 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD)(226a) 및 CD-ROM(230)은 예를 들어 IDE(Integrated Drive Electronics), SATA(Serial Advanced Technology Attachment) 인터페이스, 또는 eSATA(external-SATA) 및 mSATA(micro-SATA)와 같은 변형을 사용할 수 있다. 슈퍼 I/O(SIO) 장치(236)는 버스(218)를 통해 사우스 브리지 및 입출력(I/O) 컨트롤러 허브(SB/ICH)(204)에 결합될 수 있다.
주 메모리(208), 읽기 전용 메모리(ROM)(224) 또는 플래시 메모리(도시되지 않음)와 같은 메모리는 컴퓨터 사용 가능 저장 장치의 일부 예이다. 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD)(226a), CD-ROM(230) 및 기타 유사하게 사용 가능한 장치는 컴퓨터 사용 가능 저장 매체를 포함하는 컴퓨터 사용 가능 저장 장치의 일부 예이다.
운영 체제는 처리 유닛(206) 상에서 실행된다. 운영 체제는 도 2의 데이터 처리 시스템(200) 내의 다양한 구성 요소의 제어를 조정하고 제공한다. 운영 체제는 서버 시스템, 개인용 컴퓨터 및 모바일 장치를 포함하지만 이에 제한되지 않는 임의의 유형의 컴퓨팅 플랫폼에 대해 상업적으로 사용 가능한 운영 체제일 수 있다. 객체 지향 또는 다른 유형의 프로그래밍 시스템은 운영 체제와 함께 동작할 수 있으며, 데이터 처리 시스템(200) 상에서 실행되는 프로그램 또는 애플리케이션으로부터 운영 체제에 대한 호출을 제공할 수 있다.
운영 체제, 객체 지향 프로그래밍 시스템 및 도 1의 애플리케이션(116) 및 클라이언트 애플리케이션(120)과 같은 애플리케이션 또는 프로그램에 대한 명령어는 저장 장치에, 예컨대, 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD)(226a)에 코드(226b) 형태로 위치하며, 처리 유닛(206)에 의한 실행을 위해 하나 이상의 메모리 중 적어도 하나에, 예컨대, 주 메모리(208)에 로드될 수 있다. 예시적인 실시예의 프로세스는 예를 들어 주 메모리(208), 읽기 전용 메모리(ROM)(224)와 같은 메모리 또는 하나 이상의 주변 장치에 위치할 수 있는 컴퓨터 구현 명령어를 사용하여 처리 유닛(206)에 의해 수행될 수 있다.
더욱이, 한 경우에, 코드(226b)는 원격 시스템(214b)으로부터 네트워크(214a)를 통해 다운로드될 수 있고, 여기서 유사한 코드(214c)가 저장 장치(214d)에 저장되며, 다른 경우에, 코드(226b)는 네트워크(214a)를 통해 원격 시스템(214b)에 다운로드될 수 있고, 여기서 다운로드된 코드(214c)는 저장 장치(214d)에 저장된다.
도 1 및 도 2의 하드웨어는 구현에 따라 달라질 수 있다. 플래시 메모리, 등가의 비휘발성 메모리 또는 광 디스크 드라이브 등과 같은 다른 내부 하드웨어 또는 주변 장치가 도 1 및 도 2에 도시된 하드웨어에 추가로 또는 대신하여 사용될 수 있다. 또한, 예시적인 실시예의 프로세스는 멀티프로세서 데이터 처리 시스템에 적용될 수 있다.
일부 예시적인 예에서, 데이터 처리 시스템(200)은 운영 체제 파일 및/또는 사용자 생성 데이터를 저장하기 위한 비휘발성 메모리를 제공하기 위해 일반적으로 플래시 메모리로 구성되는 PDA(Personal Digital Assistant)일 수 있다. 버스 시스템은 시스템 버스, I/O 버스 및 PCI 버스와 같은 하나 이상의 버스를 포함할 수 있다. 물론, 버스 시스템은 임의의 유형의 통신 패브릭 또는 아키텍처를 사용하여 구현될 수 있으며, 이는 패브릭 또는 아키텍처에 부착된 상이한 구성 요소 또는 장치 간의 데이터 전송을 제공한다.
통신 유닛은 데이터를 전송하고 수신하는 데 사용되는 하나 이상의 장치, 예컨대, 모뎀 또는 네트워크 어댑터를 포함할 수 있다. 메모리는 예를 들어 주 메모리(208) 또는 캐시, 예컨대, 노스 브리지 및 메모리 컨트롤러 허브(NB/MCH)(202)에서 발견되는 캐시일 수 있다. 처리 유닛은 하나 이상의 프로세서 또는 CPU를 포함할 수 있다.
도 1 및 도 2에 도시된 예 및 위에 설명된 예는 구조적 제한을 암시하는 것을 의미하지 않는다. 예를 들어, 데이터 처리 시스템(200)은 모바일 또는 웨어러블 장치의 형태를 취하는 것 외에 태블릿 컴퓨터, 랩톱 컴퓨터 또는 전화 장치일 수도 있다.
컴퓨터 또는 데이터 처리 시스템이 가상 머신, 가상 장치 또는 가상 구성 요소로 설명되는 경우, 가상 머신, 가상 장치 또는 가상 구성 요소는 데이터 처리 시스템(200)에 도시된 일부 또는 모든 구성 요소의 가상화된 표현을 사용하여 데이터 처리 시스템(200)의 방식으로 동작한다. 예를 들어, 가상 머신, 가상 장치 또는 가상 구성 요소에서, 처리 유닛(206)은 호스트 데이터 처리 시스템에서 사용 가능한 하드웨어 처리 유닛(206)의 전부 또는 일부의 가상화된 인스턴스로 표현되고, 주 메모리(208)는 호스트 데이터 처리 시스템에서 사용 가능한 주 메모리(208)의 전부 또는 일부의 가상화된 인스턴스로 표현되며, 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD)(226a)는 호스트 데이터 처리 시스템에서 사용 가능한 하드 디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD)(226a)의 전부 또는 일부의 가상화된 인스턴스로 표현된다. 이러한 경우의 호스트 데이터 처리 시스템은 데이터 처리 시스템(200)으로 표현된다.
도 3을 참조하면, 이 도면은 예시적인 실시예에 따른 수복물 및 치과/작업 흐름 파라미터의 지능적 제안을 위한 예시적인 구성의 블록도를 도시한다. 애플리케이션(304)은 특정 구현에 따라 도 1의 서버 애플리케이션(116) 또는 클라이언트 애플리케이션(120) 중 임의의 것의 예이다.
애플리케이션(304)은 CAD/CAM 리소스 모듈(324)(컴퓨터 지원 설계/컴퓨터 지원 제조 리소스 모듈)로부터 입력 데이터를 자동으로 도출할 수 있다. CAD/CAM 리소스 모듈(324)은 치과용 소프트웨어 작업 흐름의 개별 단계로부터 데이터를 검색하고/하거나 상기 데이터를 CAD/CAM 입력 데이터(320)로 사용하기 위해 준비하는 치과용 소프트웨어 구성 요소일 수 있다. 예를 들어, 스캔 단계에서 치과용 스캐너(122)를 사용한 3D 스캔을 통해 획득된 환자 턱의 3D 모델에 대한 액세스를 통해, CAD/CAM 리소스 모듈(324)은 스캔 본체를 식별하는 이미지 분석을 통해 복원될 치아를 나타내는 "치아 번호"를 자동으로 도출할 수 있으므로 의사가 상기 치아 번호를 수동으로 입력할 필요가 없도록 한다. 따라서, 상기 "치아 번호"는 입력 데이터(302)의 일부가 될 수 있다. 다른 예에서, CAD/CAM 리소스 모듈(324)은 스캔된 치아의 천공된 충치를 예를 들어 이미지 분석에 의해 자동으로 검출하고, 설계될 수복물 유형으로 "인레이"를 도출한다. 따라서 "인레이"는 입력 데이터(302)의 일부가 된다. 또한, CAD/CAM 리소스 모듈(324)은 예를 들어 환자 프로필, 의사 프로필, 그룹 프로필, 연결된 장치 등으로부터 획득된 선호도(322)를 검출한다. 환자 프로필에서는 심미적 재료가 선호될 수 있다. 보통, 1-3mm의 상악 절단 치아 구조가 정지 상태에서 젊은 미소로 보인다. 이 위치에서, 환자의 심미적 요구가 높고 치아 구조가 많이 보이는 경우(환자 프로필에 따라 웃을 때 입술의 과운동성이 7mm 이상), 가능한 한 미용적인 재료가 일반적으로 기계 학습 엔진에 대한 입력으로 선택되어 치과 파라미터 출력 제안을 획득할 수 있다. 그러나, 환자 프로필 또는 스캔 데이터에 액세스할 수 있는 CAD/CAM 리소스 모듈(324)은 교합근 장애, 저작근 통증 또는 피로(긴장성 두통), TMJ(상악하악 관절) 문제, 치아 마모 등의 증거를 검출한다. 이러한 문제는 출력 제안의 적합성에 영향을 미칠 수 있으므로, 제안 생성을 위한 입력 데이터로 사용될 종속성 세트(326)의 일부를 형성할 수 있다. 다른 종속성은 예를 들어 "초미세" 가공 모드가 소결 가능한 재료와 호환되는지 여부 또는 치과용 소프트웨어에서 수복물 설계에 대한 늦은 변경이 사전 정의된 속성의 대응하는 변경 여부에 관계없이 수복물 무결성을 유지하는지 여부(예를 들어, 늦은 변경이 마진 집행을 고려할 수 있는지 여부)를 포함한다. 또한, 입력 데이터(302)의 개별 부분은 제안에서의 대응하는 변경을 유도하기 위해 가중치가 부여되거나 우선순위가 지정될 수 있다. 이러한 종속성은 복잡할 수 있고 상당한 교육이 필요하며 모든 사용자가 항상 액세스할 수 있는 것은 아니다. 따라서, 상기 종속성을 고려하지 않으면 최적이 아닌 가공 결과, 프로세스 및 비용이 발생할 수 있다.
실시예에서, 특징 추출 구성 요소(314)는 모든 상이한 사용 가능한 특징(예를 들어, CAD/CAM 입력 데이터(320), 선호도(322))으로부터의 데이터에 기초하여 제안을 위한 관련 특징을 생성하도록 구성된다. 실시예에서, 특징 추출 구성 요소(314)는 필요한 추천/제안 유형(예를 들어, 도 4a 및 도 4b에 도시된 바와 같이 수복물 추천(410) 또는 제조 파라미터 추천(422))의 식별을 적어도 포함하는 요청을 애플리케이션(304)으로부터 수신한다. 추천 유형에 기초하여, 특징 추출 구성 요소(314)는 특정 CAD/CAM 입력 데이터(320), 선호도(322)로부터의 환자, 의사 또는 그룹 프로필 정보 및/또는 필요한 요청 또는 제안과 관련된 임의의 종속성(326)의 임의의 조합을 획득한다. 실시예에서, 특징 추출 구성 요소(314)는 우선순위 또는 종속성의 정의된 알고리즘을 사용하여 구성 추천 모듈(316)에 대한 입력으로서 특징을 생성한다. 특정 실시예에서, 도 4a에 도시된 바와 같이, 추천 유형은 수복물 추천(410)이고, 추출된 특징은 동적 CAD 입력(402), 정적 CAD 입력(404) 및 CAD에 대한 선호도(406)를 포함한다. 수복물 추천(410)을 위한 동적 CAD 입력(402) 또는 환자 특정 CAD 입력은 예를 들어 환자 턱의 3D 지오메트리, 복원될 치아의 치아 번호 및 생성될 수복물 유형을 포함한다. 수복물 추천(410)을 위한 정적 CAD 입력(404)은 예를 들어 밀링 유닛/3D 프린터, 재료 유형 및 치과 시스템에 연결된 기기/도구를 포함하는 반면, CAD에 대한 선호도(406)는 예를 들어 심미적 품질을 포함한다. 수복물 추천(410)에 대한 제안은 최소 벽 두께 값, 에지 두께 값, 마진 라인 제안, 에지 설계(챔퍼형 또는 라운드형, 챔퍼 길이, 에지 반경), 스페이서 설계 등과 같은 수복물 파라미터 및 CAD 수복물 지오메트리를 포함할 수 있으며, 이는 본 명세서에서 수복물 파라미터/지오메트리 제안(412)으로 지칭된다. 또 다른 특정 실시예에서, 도 4b에 도시된 바와 같이, 추천 유형은 제조 파라미터 추천(422)이고, 추출된 특징은 동적 CAM 입력(414), 정적 CAM 입력(416) 및 CAM에 대한 선호도(418)를 포함한다. 제조 파라미터 추천(422)을 위한 동적 CAM 입력(414) 또는 환자 특정 CAM 입력은 예를 들어 수복물 추천(410)으로부터 제안된 수복물 지오메트리와 같은 수복물 지오메트리, 복원될 치아에 대한 치아 번호, 및 제안된 수복물 유형(예를 들어, 크라운, 인레이, 온레이, 베니어 등)을 포함한다. 제조 파라미터 추천(422)을 위한 정적 CAM 입력(416)은 예를 들어 밀링 유닛/3D 프린터, 재료 유형 및 치과 시스템에 연결된 기구/도구를 포함하는 반면, 제조 파라미터 추천(422)을 위한 CAM에 대한 선호도(418)는 예를 들어 심미적 품질 및 밀링 시간을 포함한다. 제조 파라미터 추천(422)에 대한 제안은 가공 중에 사용될 파라미터와 같은 제조 파라미터(424)를 포함할 수 있으며, 예를 들어, 프로세스 정의 선택(프리폼, 러핑, 마무리, 미세 마무리, 틈새 후처리, 프렙 라인 후처리, 핀 감소, 삽입 축 변경, 3축 또는 5축 결정, 동시 가공 포함), 경로 전략 선택(상수-z, 상수-x/y, 상수 교점, 슬라이싱 포함), 경로 거리 선택, 피드 크기, 폼 피드, 가속 제한, 후방 제한, 회전 속도, 회전 방향 등을 포함할 수 있다. 제조 파라미터(424)는 또한 3D 인쇄 동안 사용될 파라미터를 포함할 수 있으며, 예컨대, 건물 공간 내의 위치 및 방향, FDM(융합 증착 모델링), 스레드 폭, 인쇄 슬라이스 크기, 이미지 해상도, 노출 강도, 시간 등을 포함할 수 있다.
더 예시적인 실시예 중 하나에서, 특징 추출 구성 요소(314)는 심층 신경망에 통합된다. 구성 추천 모듈(316)은 획득된 특징을 사용하여 제안(312)을 생성한다. 구성 추천 모듈(316)은 예를 들어 컨볼루션 신경망(Convolutional Neural Network; CNN)과 같은 인공 기계 학습 신경망을 기반으로 할 수 있지만 제한하려는 의도는 아니다. 이것은 컨볼루션 계층과 그 뒤의 풀링 계층으로 구성된 전형적인 형태의 피드포워드 인공 신경망이다. CNN은 계층마다 컨볼루션 커널의 자유 파라미터 또는 분류기를 학습하고 다음 계층을 계산할 때 가중치를 부여함으로써 학습한다. 예시적인 실시예에 따른 m/l 모델(306) 또는 구성 추천 모듈(316)의 트레이닝이 이하에서 논의된다.
예시적인 실시예에서, 애플리케이션(304)의 프리젠테이션 모듈(308)이 구성 추천 모듈(316)로부터 획득된 제안을 디스플레이한다. 프리젠테이션 모듈(308)은 예를 들어 가공 속도의 범위를 보여주는 슬라이더를 디스플레이할 수 있으며, 제안된 가공 속도가 의사를 위해 미리 선택되어 있다. 또 다른 예에서, 제안된 최소 벽 두께가 수복물 설계 상에 디스플레이되거나 그려진다. 적응 모듈(310)은 필요한 경우 제안(312)을 적응시키기 위해 의사로부터 입력을 수신하도록 구성된다. 예를 들어, 제안된 마진 라인을 변경하면 프리젠테이션 모듈(308)에 의한 프리젠테이션을 위해 제안된 수복물의 지오메트리가 재계산될 수 있다. 예시적인 실시예에서, 프리젠테이션 모듈(308)은 도 5에 도시된 바와 같이 가공 인터페이스(500)를 제시하며, 이는 세부 수준(504) 및 처리 모드(506) 옵션 세트를 예시한다. 제안된 옵션은 구성 추천 모듈(316)의 출력에 기초하여 미리 선택(502)될 수 있다. 예시적인 실시예에서, 세부 수준(504)은 제조된 수복물에 생성될 구멍 및 틈새와 같은 구조의 세부 수준을 나타내며, 밀링 프로세스에 사용되는 도구의 유형에 따라 달라진다. 예를 들어, 브릿지 수복물의 오른쪽에 "초미세" 세부 수준을 생성하기 위해 "Cylinder Pointed Bur 12 EF" 버가 필요할 수 있지만, 상기 도구는 의사의 진료실에서는 사용 가능하지 않을 수 있으므로 미세 세부 수준이 미리 선택(502)될 수 있다. 또한, "고속" 밀링 유닛 처리 모드(506)는 후방 브릿지를 제조하는데 적합하지 않을 수 있으므로, 환자 특정 사례에 대해 "보통" 처리 모드가 미리 선택(502)된다. 또한, "고속" 처리 모드는 대응하는 마진 두께 파라미터가 예를 들어 100미크론 이상이 아니면 지르코니아 수복물에 대한 옵션이 아닐 수 있다. 마진 두께가 100미크론 미만인 지르코니아 수복물은 원치 않는 파절이 발생하기 더 쉽다. 따라서, 이는 제안을 위해 구성 추천 모듈(316)에 의해 사용되는 종속성이 될 수 있다. 특정 지침 및 요구 사항이 있는 새로운 도구 및 재료가 치과 작업 흐름에 추가됨에 따라, 의사가 이러한 지침 및 요구 사항을 자세히 인식해야 할 필요성은 구성 추천 모듈(316)을 사용함으로써 상당히 감소되며, 구성 추천 모듈(316)은 최적화된 제안을 생성하기 위해, 본 명세서에서 일반적으로 종속성(326)으로 지칭되는 하나 이상의 형태의 새로운 지침 및 요구 사항을 로컬로 또는 원격으로 고려하도록 구성된다.
피드백 모듈(318)은 선택적으로 제안(312)에 대한 사용자 피드백(322)을 수집한다. 일 실시예에서, 애플리케이션(304)은 추천(410, 412)을 제시할 뿐만 아니라 치과 의사가 피드백을 입력하는 방법을 제공하도록 구성되며, 여기서 피드백은 추천의 정확성을 나타낸다. 피드백 모듈(318)은 기계 학습 기술의 피드백을 예컨대 종속성(326) 또는 사용자 프로필에 적용하여 구성 추천 모듈(316)에서 사용되는 m/l 모델(306)을 수정한다.
예시적인 실시예에서, 추천을 제안한 후, 애플리케이션(304)은 자동으로 또는 요청에 응답하여 추가 동작을 수행할 수 있다. 사용 가능한 제조 장치 및 사용자 선호도에 기초하여, a) 재료, 하드웨어, 기구/도구 및 사용자 선호도(틈새의 세부 수준 등)에 기초한 이상적인 수복물의 자동 생성, b) 선호하는 가공 방법(연삭, 밀링, 인쇄, 도구, 가공 세부 수준(미세, 고속, 초미세, 초고속 등)) 및 주어진 수복물 지오메트리에 대한 수복물 파라미터(최소 벽 두께, 세부 수준, 에지 향상 등)의 자동 최적화, c) 최상의 품질/성능, 최적의 위치 지정 및 태핑 장소의 크기, 즉 절단 전 수복물이 블록 홀더에 장착되는 핀의 위치(크기는 가공 유형, 장치 및 재료에 따라 다름)로 재료의 최적 사용(재료/도구의 최소 사용, 색상 구배가 있는 블록에서의 올바른 색상)을 위한 치과 제조 시스템의 가공 매체(예를 들어, 블록) 내부의 자동 위치 지정, d) 가공 작업을 위해 고려되는 도구의 마모 상태, 및 e) 속성 설정을 위한 사용자 선호도 고려를 포함하여 자동 단계가 정의될 수 있다. 물론, 이는 단지 비제한적인 예일 뿐이며, 본 명세서의 설명에 기초하여 다른 예도 가능하다.
신경망 모델의 입력 계층은, 예를 들어, 수복물 유형을 나타내는 벡터, 2D 이미지의 픽셀, 깊이 정보와 그레이 레벨 정보를 갖는 2.5D 이미지, 3D 이미지의 3D 포인트 또는 그리드 형태의 3D 스캔 등일 수 있다. 예를 들어, 제1 CNN은 컨볼루션을 사용하여 입력 이미지에서 특징을 추출한다. 제2 CNN은 업샘플링 또는 전치 컨볼루션을 사용하여 제1 신경망에 의해 추출된 특징으로부터, 객체가 3차원에서 어떻게 보일지에 대한 예측을 생성한다.
신경망 m/l 모델(306)은 정적 및 동적 CAD 및 CAM 입력은 물론 선호도를 포함한 다양한 유형의 트레이닝 데이터 세트를 사용하여 트레이닝된다. 실시예에서, 추천을 제공하라는 요청을 수신하면, 애플리케이션(304)은 m/l 모델(306)의 입력 뉴런에 입력되는 어레이 값을 생성하여 추천/제안(312)을 포함하는 어레이를 생성한다. 도 6에 도시된 바와 같이, 도 6은 예시적인 실시예에 따른 기계 학습 기반 추천 생성을 위한 예시적인 트레이닝 아키텍처(602)의 블록도를 도시하며, 프로그램 코드는 라벨(L)을 갖는 트레이닝 데이터 엔트리를 사용하여 트레이닝 데이터(604)로부터 다양한 특징/속성(606)을 추출한다. 특징은 예측 함수 H(x) 또는 가설을 개발하는 데 사용되며, 여기서 프로그램 코드는 기계 학습 모델(608)을 사용한다. 트레이닝 데이터(604)의 다양한 특징/속성을 식별함에 있어서, 프로그램 코드는 실시예에서 특징을 식별하는 데 사용될 수 있는 방법의 일 예인 상호 정보를 포함하지만 이에 제한되지 않는 다양한 기술을 사용할 수 있다. 다른 실시예는 특징을 선택하기 위해 주성분 분석, 확산 매핑, 랜덤 포레스트 및/또는 재귀적 특징 제거(특징 선택에 대한 무차별 접근 방식)를 포함하지만 이에 제한되지 않는 다양한 기술을 사용하여 특징을 선택할 수 있다. "P"는 획득될 수 있는 출력(예를 들어, 수복물 또는 치과 파라미터)이며, 이것이 수신되면 가공 프로세스 시작 요소를 디스플레이하는 등의 다른 단계를 수행하도록 치과 시스템을 추가로 트리거할 수 있다. 프로그램 코드는 출력에 대한 가중치 제공을 포함하여 기계 학습 모델(608)을 트레이닝시키기 위해 기계 학습 알고리즘(612)을 사용할 수 있으며, 이에 따라 프로그램 코드는 기계 학습 모델(608)을 구성하는 예측 함수에 기초하여 다양한 변화의 우선순위를 지정할 수 있다. 출력은 품질 메트릭(610)에 의해 평가될 수 있다.
다양한 세트의 트레이닝 데이터(604)를 선택함으로써, 프로그램 코드는 기계 학습 모델(608)을 트레이닝시켜 환자, 의사, 치과 시스템에 연결된 장치 등의 다양한 속성을 식별하고 가중치를 부여한다. 기계 학습 모델(608)을 사용하기 위해, 프로그램 코드는 신경망의 입력 뉴런에 입력할 어레이 값을 생성하기 위해 입력 데이터 또는 특징을 획득(또는 도출)한다. 이러한 입력에 응답하여, 신경망의 출력 뉴런은 디스플레이 상에 동시에 제시될 제안(312)을 포함하는 어레이를 생성한다.
도 7을 참조하면, 이 도면은 치과 작업 흐름을 구성하기 위한 예시적인 프로세스(700)의 흐름도를 도시한다. 프로세스(700)는 도 3의 애플리케이션(304)을 사용하여 구현될 수 있다. 애플리케이션(304)은 치과 작업 흐름을 위해 환자의 치아 충치의 3차원(3D) 스캔을 수신한다(단계 702). 단계 704에서, 애플리케이션(304)은 치과 작업 흐름에 관한 정보를 자동으로 획득하도록 구성된 CAD/CAM 리소스 모듈(324)에 의해, 치과 구성 추천 모듈(316)에 대한 입력 데이터를 식별한다. 단계 706에서, 애플리케이션(304)은 식별 단계에 응답하여, 입력 데이터로부터 하나 이상의 특징을 추출한다. 하나 이상의 특징은 수복물 설계 및/또는 가공 프로세스 완료 요청을 나타낸다. 단계 708에서, 애플리케이션(304)은 치과 구성 추천 모듈(316)을 사용하여, 수복물 설계 및/또는 가공 프로세스에 대한 적어도 하나의 사용자 특정 구성을 제안한다. 단계 708에서, 제안은 사용자 특정 수복물 설계의 제안, 적어도 하나의 수복물 파라미터 및/또는 적어도 하나의 사용자 특정 제조 파라미터 중 적어도 하나를 포함할 수 있다. 제안을 제시한 후, 의사와 같은 사용자는 적응 모듈을 사용하여 치과 작업 흐름 프로세스에서 하나 이상의 제안 또는 하나 이상의 정의된 설정을 수정할 수 있으며, 수정이 제조될 수복물의 무결성 감소 또는 마진 라인 제한에 대한 비준수와 같은 의도하지 않은 결과를 초래하지 않는다는 점을 확인한 후 수정을 수락하거나 거부할 수 있다. 수락은 정의된 무결성 규칙 세트 또는 파라미터 간의 종속성에 기초하여 결정될 수 있다. 또한, 수정을 고려하기 위해, 수정은 제안이나 설계를, 예를 들어, 동시에, 재계산해야 할 필요성을 초래할 수 있다.
또한, 애플리케이션(304)은 관련된 사용자 피드백 입력을 수신할 수 있다. 애플리케이션은 상기 피드백 입력을 분석하고, 애플리케이션은 구성 추천 모듈(316)의 m/l 모델(306)을 강화한다. 제안의 정확성에 대한 피드백이 만족스럽거나 불만족스러우면, 애플리케이션은 m/l 모델(306)의 파라미터를 각각 강화하거나 약화시킨다. 그 후, 애플리케이션(304)은 프로세스(700)를 종료한다.
따라서, 컴퓨터 구현 방법, 시스템 또는 장치, 및 컴퓨터 프로그램 제품이 지능적 치과 작업 흐름 구성 및 기타 관련 특징, 기능 또는 동작을 위한 예시적인 실시예에 제공된다. 실시예 또는 그 일부가 장치 유형과 관련하여 설명되는 경우, 컴퓨터 구현 방법, 시스템 또는 장치, 컴퓨터 프로그램 제품 또는 그 일부는 해당 장치 유형의 적절하고 비교 가능한 표현과 함께 사용하도록 적응되거나 구성된다.
실시예가 애플리케이션에서 구현되는 것으로 설명되는 경우, SaaS(Software as a Service) 모델의 애플리케이션 전달이 예시적인 실시예의 범위 내에서 고려된다. SaaS 모델에서, 실시예를 구현하는 애플리케이션의 기능은 클라우드 인프라에서 애플리케이션을 실행함으로써 사용자에게 제공된다. 사용자는 웹 브라우저(예를 들어, 웹 기반 이메일) 또는 기타 경량 클라이언트 애플리케이션과 같은 씬 클라이언트 인터페이스를 통해 다양한 클라이언트 장치를 사용하여 애플리케이션에 액세스할 수 있다. 사용자는 클라우드 인프라의 네트워크, 서버, 운영 체제 또는 저장 장치를 포함한 기본 클라우드 인프라를 관리하거나 제어하지 않는다. 일부 경우에, 사용자는 SaaS 애플리케이션의 기능을 관리하거나 제어하지 못할 수도 있다. 일부 다른 경우에, 애플리케이션의 SaaS 구현은 제한된 사용자 특정 애플리케이션 구성 설정에 대한 예외를 허용할 수도 있다.
본 발명은 임의의 가능한 기술적 세부 통합 수준의 시스템, 방법 및/또는 컴퓨터 프로그램 제품일 수 있다. 컴퓨터 프로그램 제품은 프로세서로 하여금 본 발명의 양태를 수행하게 하기 위한 컴퓨터 판독 가능 프로그램 명령어를 갖는 컴퓨터 판독 가능 저장 매체(또는 매체들)를 포함할 수 있다.
컴퓨터 판독 가능 저장 매체는 명령어 실행 장치가 사용하기 위한 명령어를 유지하고 저장할 수 있는 유형적 장치일 수 있다. 컴퓨터 판독 가능 저장 매체는, 예를 들어, 전자 저장 장치, 자기 저장 장치, 광학 저장 장치, 전자기 저장 장치, 반도체 저장 장치 또는 전술한 것의 임의의 적절한 조합일 수 있지만 이에 제한되지는 않는다. 컴퓨터 판독 가능 저장 매체의 보다 구체적인 예의 비포괄적인 목록은: 휴대용 컴퓨터 디스켓, 하드 디스크, 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM), 소거 가능 프로그램 가능 읽기 전용 메모리(EPROM 또는 플래시 메모리), 정적 랜덤 액세스 메모리(SRAM), 휴대용 콤팩트 디스크 읽기 전용 메모리(CD-ROM), 디지털 다용도 디스크(DVD), 메모리 스틱, 플로피 디스크, 명령어가 기록된 홈의 융기 구조 또는 펀치 카드와 같은 기계적 인코딩된 장치, 및 전술한 것의 임의의 적합한 조합을 포함한다. 본 명세서에 사용된 컴퓨터 판독 가능 저장 장치를 포함하지만 이에 제한되지 않는 컴퓨터 판독 가능 저장 매체는 전파 또는 기타 자유롭게 전파되는 전자기파, 도파관 또는 기타 전송 매체를 통해 전파되는 전자기파(예를 들어, 광섬유 케이블을 통과하는 광 펄스) 또는 전선을 통해 전송되는 전기 신호와 같은 일시적인 신호 그 자체로 해석되어서는 안 된다.
본 명세서에 설명된 컴퓨터 판독 가능 프로그램 명령어는 컴퓨터 판독 가능 저장 매체로부터 각각의 컴퓨팅/처리 장치로 다운로드될 수 있거나 네트워크, 예를 들어, 인터넷, 근거리 통신망, 원거리 통신망 및/또는 무선 네트워크를 통해 외부 컴퓨터 또는 외부 저장 장치로 다운로드될 수 있다. 네트워크는 구리 전송 케이블, 광 전송 섬유, 무선 전송, 라우터, 방화벽, 스위치, 게이트웨이 컴퓨터 및/또는 에지 서버를 포함할 수 있다. 각각의 컴퓨팅/처리 장치의 네트워크 어댑터 카드 또는 네트워크 인터페이스는 네트워크로부터 컴퓨터 판독 가능 프로그램 명령어를 수신하고 각각의 컴퓨팅/처리 장치 내의 컴퓨터 판독 가능 저장 매체에 저장하기 위해 컴퓨터 판독 가능 프로그램 명령어를 전달한다.
본 발명의 동작을 수행하기 위한 컴퓨터 판독 가능 프로그램 명령어는 어셈블러 명령어, 명령어 세트 아키텍처(ISA) 명령어, 기계 명령어, 기계 종속 명령어, 마이크로코드, 펌웨어 명령어, 상태 설정 데이터, 집적 회로용 구성 데이터, 또는 Smalltalk, Python, C++ 등과 같은 객체 지향 프로그래밍 언어 및 "C" 프로그래밍 언어와 같은 절차적 프로그래밍 언어 또는 유사한 프로그래밍 언어를 포함하여 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성된 소스 코드 또는 객체 코드일 수 있다. 컴퓨터 판독 가능 프로그램 명령어는 사용자 컴퓨터에서 전체적으로, 사용자 컴퓨터에서 부분적으로, 독립형 소프트웨어 패키지로서, 사용자 컴퓨터에서 부분적으로, 원격 컴퓨터에서 부분적으로, 또는 원격 컴퓨터 또는 서버에서 전체적으로 실행될 수 있다. 후자의 경우, 원격 컴퓨터는 근거리 통신망(LAN) 또는 원거리 통신망(WAN)을 포함한 임의의 유형의 네트워크를 통해 사용자의 컴퓨터에 연결될 수 있거나, (예를 들어, 인터넷 서비스 공급자를 사용하여 인터넷을 통해) 외부 컴퓨터에 연결될 수 있다. 일부 실시예에서, 예를 들어, 프로그램 가능 논리 회로, 필드 프로그램 가능 게이트 어레이(FPGA) 또는 프로그램 가능 논리 어레이(PLA)를 포함하는 전자 회로는 본 발명의 양태를 수행하기 위해 전자 회로를 개인화하도록 컴퓨터 판독 가능 프로그램 명령어의 상태 정보를 사용함으로써 컴퓨터 판독 가능 프로그램 명령어를 실행할 수 있다.
본 발명의 양태는 본 발명의 실시예에 따른 방법, 장치(시스템) 및 컴퓨터 프로그램 제품의 흐름도 및/또는 블록도를 참조하여 본 명세서에 설명된다. 흐름도 및/또는 블록도의 각각의 블록, 그리고 흐름도 및/또는 블록도의 블록 조합은 컴퓨터 판독 가능 프로그램 명령어에 의해 구현될 수 있다는 것이 이해될 것이다.
이러한 컴퓨터 판독 가능 프로그램 명령어는 범용 컴퓨터, 특수 목적 컴퓨터 또는 기타 프로그램 가능한 데이터 처리 장치의 프로세서에 제공되어 기계를 생산할 수 있으며, 이로써 컴퓨터의 프로세서 또는 기타 프로그램 가능한 데이터 처리 장치를 통해 실행되는 이러한 명령어는 흐름도 및/또는 블록도의 블록 또는 블록들에 지정된 기능/행위를 구현하기 위한 수단을 생성한다. 컴퓨터, 프로그램 가능한 데이터 처리 장치, 및/또는 기타 장치가 특정 방식으로 기능하도록 지시할 수 있는 이러한 컴퓨터 판독 가능 프로그램 명령어는 또한 컴퓨터 판독 가능 저장 매체에 저장될 수 있으며, 이로써 명령어가 저장되어 있는 컴퓨터 판독 가능 저장 매체는 흐름도 및/또는 블록도의 블록 또는 블록들에 지정된 기능/행위의 양태를 구현하는 명령어를 포함하는 제조 물품을 포함한다.
컴퓨터 판독 가능 프로그램 명령어는 또한 컴퓨터, 다른 프로그램 가능한 데이터 처리 장치, 또는 다른 장치에 로드되어 일련의 동작 단계가 컴퓨터, 다른 프로그램 가능한 장치 또는 다른 장치에서 수행되게 하여 컴퓨터 구현 프로세스를 생성할 수 있으며, 이로써 컴퓨터, 기타 프로그램 가능한 장치 또는 기타 장치에서 실행되는 명령어는 흐름도 및/또는 블록도의 블록 또는 블록들에 지정된 기능/행위를 구현한다.
도면의 흐름도 및 블록도는 본 발명의 다양한 실시예에 따른 시스템, 방법 및 컴퓨터 프로그램 제품의 가능한 구현의 아키텍처, 기능 및 동작을 도시한다. 이와 관련하여, 흐름도 또는 블록도의 각각의 블록은 지정된 논리 기능(들)을 구현하기 위한 하나 이상의 실행 가능한 명령어를 포함하는 모듈, 세그먼트 또는 명령어의 일부분을 나타낼 수 있다. 일부 대안적인 구현에서, 블록에 언급된 기능은 도면에 언급된 순서를 벗어나 발생할 수 있다. 예를 들어, 연속적으로 도시된 두 블록은 실제로는 실질적으로 동시에 실행될 수 있거나, 블록은 관련된 기능에 따라 때때로 반대 순서로 실행될 수 있다. 또한, 블록도 및/또는 흐름도의 각각의 블록, 그리고 블록도 및/또는 흐름도의 블록 조합은 지정된 기능 또는 행위를 수행하거나 특수 목적 하드웨어와 컴퓨터 명령어의 조합을 수행하는 특수 목적 하드웨어 기반 시스템에 의해 구현될 수 있다는 점도 유념해야 할 것이다.
Claims (15)
- 컴퓨터 구현 방법에 있어서,
치과 작업 흐름을 위해 환자의 치아 충치의 3차원(3D) 스캔을 수신하는 단계;
상기 치과 작업 흐름에 관한 정보를 자동으로 획득하도록 구성된 CAD/CAM(컴퓨터 지원 설계/컴퓨터 지원 제조) 리소스에 의해, 치과 구성 추천 모듈에 대한 입력 데이터를 식별하는 단계;
상기 식별 단계에 응답하여, 상기 입력 데이터로부터 하나 이상의 특징을 추출하는 단계 - 상기 하나 이상의 특징은 수복물 설계 및/또는 가공 프로세스 완료 요청을 나타냄 - ; 및
상기 치과 구성 추천 모듈을 사용하여, 상기 수복물 설계 및/또는 가공 프로세스에 대한 적어도 하나의 구성을 제안하는 단계
를 포함하는 컴퓨터 구현 방법. - 제1항에 있어서,
상기 제안 단계는, (a) 사용자 특정 3D 수복물 설계를 제1 구성으로 제안하는 단계, (b) 적어도 하나의 사용자 특정 수복물 파라미터를 제2 구성으로 제안하는 단계, 및 (c) 적어도 하나의 사용자 특정 제조 파라미터를 제3 구성으로 제안하는 단계 중, 적어도 하나를 포함하는 것인, 컴퓨터 구현 방법. - 제2항에 있어서,
적응 모듈을 사용하여, 복수의 제안된 사용자 특정 구성 중에서 하나의 제안된 사용자 특정 구성 또는 치과 작업 흐름 설정의 수정을 제공하고 종속성 세트에 기초하여 상기 수정의 수락 결정을 계산하는 단계
를 더 포함하는 컴퓨터 구현 방법. - 제3항에 있어서,
상기 수정이 수락 가능한 것으로 결정되면 적어도 하나의 사용자 특정 구성을 재계산하는 단계
를 더 포함하는 컴퓨터 구현 방법. - 제1항에 있어서,
상기 입력 데이터는 치과 제조 시스템에 포함되거나 연결된 장치로부터 자동으로 획득되는 것인, 컴퓨터 구현 방법. - 제1항에 있어서,
상기 입력 데이터의 적어도 일부는 상기 치아 충치의 3D 스캔으로부터 자동으로 검색되는 것인, 컴퓨터 구현 방법. - 제1항에 있어서,
상기 치과 구성 추천 모듈은 기계 학습 엔진으로 동작하는 것인, 컴퓨터 구현 방법. - 제7항에 있어서,
정적 CAD/CAM 입력 데이터, 동적 CAD/CAM 입력 데이터 및 사용자 선호도를 포함하는 정보에 기초하여 상기 치과 구성 추천 모듈을 트레이닝하는 단계
를 더 포함하는 컴퓨터 구현 방법. - 제8항에 있어서,
상기 정보는 치과 제조 시스템의 데이터베이스에서 선택된 이력 데이터를 포함하는 것인, 컴퓨터 구현 방법. - 제1항에 있어서,
상기 입력 데이터는 CAD/CAM 입력 데이터, 선호도 및 종속성으로 구성된 그룹에서 선택된 데이터인 것인, 컴퓨터 구현 방법. - 제10항에 있어서,
새로운 지침 및 요구 사항을 종속성으로 상기 치과 구성 추천 모듈에 로컬로 또는 원격으로 제공하는 단계
를 더 포함하는 컴퓨터 구현 방법. - 제1항에 있어서,
상기 치과 구성 추천 모듈을 강화하기 위해 제안의 정확성을 나타내는 피드백을 상기 치과 구성 추천 모듈에 제공하는 단계
를 더 포함하는 컴퓨터 구현 방법. - 컴퓨터 시스템에 있어서,
프로세서를 포함하고, 상기 프로세서는:
치과 작업 흐름을 위해 환자의 치아 충치의 3차원(3D) 스캔을 수신하는 단계;
상기 치과 작업 흐름에 관한 정보를 자동으로 획득하도록 구성된 CAD/CAM(컴퓨터 지원 설계/컴퓨터 지원 제조) 리소스에 의해, 치과 구성 추천 모듈에 대한 입력 데이터를 식별하는 단계;
상기 식별 단계에 응답하여, 상기 입력 데이터로부터 하나 이상의 특징을 추출하는 단계 - 상기 하나 이상의 특징은 수복물 설계 및/또는 가공 프로세스 완료 요청을 나타냄 - ; 및
상기 치과 구성 추천 모듈을 사용하여, 상기 수복물 설계 및/또는 가공 프로세스에 대한 적어도 하나의 구성을 제안하는 단계
를 수행하도록 구성되는 것인, 컴퓨터 시스템. - 제13항에 있어서,
상기 치과 구성 추천 모듈은 기계 학습 엔진으로 동작하는 것인, 컴퓨터 시스템. - 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체에 있어서,
상기 프로그램은 컴퓨터 시스템에 의해 실행될 때, 상기 컴퓨터 시스템으로 하여금:
치과 작업 흐름을 위해 환자의 치아 충치의 3차원(3D) 스캔을 수신하는 단계;
상기 치과 작업 흐름에 관한 정보를 자동으로 획득하도록 구성된 CAD/CAM(컴퓨터 지원 설계/컴퓨터 지원 제조) 리소스에 의해, 치과 구성 추천 모듈에 대한 입력 데이터를 식별하는 단계;
상기 식별 단계에 응답하여, 상기 입력 데이터로부터 하나 이상의 특징을 추출하는 단계 - 상기 하나 이상의 특징은 수복물 설계 및/또는 가공 프로세스 완료 요청을 나타냄 - ; 및
상기 치과 구성 추천 모듈을 사용하여, 상기 수복물 설계 및/또는 가공 프로세스에 대한 적어도 하나의 구성을 제안하는 단계
를 포함하는 절차를 수행하게 하는 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/211,955 | 2021-03-25 | ||
| US17/211,955 US20220304782A1 (en) | 2021-03-25 | 2021-03-25 | Configuring dental workflows through intelligent recommendations |
| PCT/US2022/020872 WO2022203950A1 (en) | 2021-03-25 | 2022-03-18 | Configuring dental workflows through intelligent recommendations |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230161472A true KR20230161472A (ko) | 2023-11-27 |
Family
ID=81328654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237036041A KR20230161472A (ko) | 2021-03-25 | 2022-03-18 | 지능적 추천을 통해 치과 작업 흐름을 구성하기 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20220304782A1 (ko) |
| EP (1) | EP4312873A1 (ko) |
| JP (1) | JP2024512512A (ko) |
| KR (1) | KR20230161472A (ko) |
| CN (1) | CN117320662A (ko) |
| CA (1) | CA3214606A1 (ko) |
| WO (1) | WO2022203950A1 (ko) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210358604A1 (en) * | 2020-05-15 | 2021-11-18 | Retrace Labs | Interface For Generating Workflows Operating On Processing Dental Information From Artificial Intelligence |
| TWI712396B (zh) * | 2020-01-16 | 2020-12-11 | 中國醫藥大學 | 口腔缺陷模型之修補方法及口腔缺陷模型之修補系統 |
| US11842484B2 (en) | 2021-01-04 | 2023-12-12 | James R. Glidewell Dental Ceramics, Inc. | Teeth segmentation using neural networks |
| US20220350936A1 (en) * | 2021-04-30 | 2022-11-03 | James R. Glidewell Dental Ceramics, Inc. | Neural network margin proposal |
| CN116543912B (zh) * | 2023-04-26 | 2024-03-15 | 山东山大华天软件有限公司 | 一种基于云平台的齿科协同设计系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018022752A1 (en) * | 2016-07-27 | 2018-02-01 | James R. Glidewell Dental Ceramics, Inc. | Dental cad automation using deep learning |
| WO2019058243A1 (en) * | 2017-09-19 | 2019-03-28 | 3M Innovative Properties Company | DENTAL RESTORATION MOLDS |
| US11007040B2 (en) * | 2018-03-19 | 2021-05-18 | James R. Glidewell Dental Ceramics, Inc. | Dental CAD automation using deep learning |
| DE102018210258A1 (de) * | 2018-06-22 | 2019-12-24 | Sirona Dental Systems Gmbh | Verfahren zur Konstruktion eines dentalen Bauteils |
| KR102250520B1 (ko) * | 2019-08-08 | 2021-05-12 | 오스템임플란트 주식회사 | 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치 |
-
2021
- 2021-03-25 US US17/211,955 patent/US20220304782A1/en active Pending
-
2022
- 2022-03-18 WO PCT/US2022/020872 patent/WO2022203950A1/en active Application Filing
- 2022-03-18 JP JP2023557687A patent/JP2024512512A/ja active Pending
- 2022-03-18 CA CA3214606A patent/CA3214606A1/en active Pending
- 2022-03-18 CN CN202280030161.8A patent/CN117320662A/zh active Pending
- 2022-03-18 EP EP22715457.2A patent/EP4312873A1/en active Pending
- 2022-03-18 KR KR1020237036041A patent/KR20230161472A/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| CA3214606A1 (en) | 2022-09-29 |
| WO2022203950A1 (en) | 2022-09-29 |
| EP4312873A1 (en) | 2024-02-07 |
| US20220304782A1 (en) | 2022-09-29 |
| CN117320662A (zh) | 2023-12-29 |
| JP2024512512A (ja) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20230161472A (ko) | 지능적 추천을 통해 치과 작업 흐름을 구성하기 | |
| US11735306B2 (en) | Method, system and computer readable storage media for creating three-dimensional dental restorations from two dimensional sketches | |
| US20220218449A1 (en) | Dental cad automation using deep learning | |
| EP3813722B1 (en) | Providing a simulated outcome of dental treatment on a patient | |
| US10932890B1 (en) | Enhanced techniques for determination of dental margins in intraoral scans | |
| US11800216B2 (en) | Image based orthodontic treatment refinement | |
| JP2022547857A (ja) | カスタマイズされた歯科用物体の即時自動設計のための方法、システムおよび装置 | |
| WO2024042192A1 (en) | Generation of a three-dimensional digital model of a replacement tooth | |
| US20240058099A1 (en) | Automatic creation of a virtual model and an orthodontic treatment plan | |
| WO2023101868A1 (en) | Proposing dental restoration material parameters | |
| KR20240068667A (ko) | 치아 수복 작업 흐름에서 자동화된 치아 관리 | |
| WO2024019109A1 (ja) | 制御装置、制御方法、及びプログラム | |
| WO2021149530A1 (ja) | 情報処理システム、情報処理方法、及びプログラム | |
| KR20220145598A (ko) | 구강 이미지 처리 장치 및 구강 이미지 처리 방법 | |
| WO2024127315A1 (en) | Neural network techniques for appliance creation in digital oral care | |
| CN116568239A (zh) | 用于牙科护理的系统、装置和方法 |