KR20240013207A - 덴탈 아치의 모델을 취득하기 위한 방법 - Google Patents
덴탈 아치의 모델을 취득하기 위한 방법 Download PDFInfo
- Publication number
- KR20240013207A KR20240013207A KR1020237044714A KR20237044714A KR20240013207A KR 20240013207 A KR20240013207 A KR 20240013207A KR 1020237044714 A KR1020237044714 A KR 1020237044714A KR 20237044714 A KR20237044714 A KR 20237044714A KR 20240013207 A KR20240013207 A KR 20240013207A
- Authority
- KR
- South Korea
- Prior art keywords
- model
- updated
- user
- acquired
- tooth
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 210000002455 dental arch Anatomy 0.000 title claims abstract description 57
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims description 40
- 238000012937 correction Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 6
- 239000002537 cosmetic Substances 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 5
- 235000013305 food Nutrition 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 4
- 208000006558 Dental Calculus Diseases 0.000 claims description 3
- 230000010494 opalescence Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 2
- 238000011282 treatment Methods 0.000 description 60
- 210000000214 mouth Anatomy 0.000 description 34
- 210000003128 head Anatomy 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 230000001720 vestibular Effects 0.000 description 7
- 241000282465 Canis Species 0.000 description 6
- 206010061274 Malocclusion Diseases 0.000 description 6
- 230000007547 defect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 210000004872 soft tissue Anatomy 0.000 description 6
- 208000009119 Giant Axonal Neuropathy Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 201000003382 giant axonal neuropathy 1 Diseases 0.000 description 5
- 210000001847 jaw Anatomy 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000010186 staining Methods 0.000 description 5
- 208000006650 Overbite Diseases 0.000 description 4
- 238000004873 anchoring Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000013213 extrapolation Methods 0.000 description 4
- 238000007429 general method Methods 0.000 description 4
- 239000007943 implant Substances 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001225 therapeutic effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 208000006440 Open Bite Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 239000002390 adhesive tape Substances 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 206010006514 bruxism Diseases 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000035876 healing Effects 0.000 description 2
- 238000011418 maintenance treatment Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 210000003254 palate Anatomy 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 210000003296 saliva Anatomy 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 235000003197 Byrsonima crassifolia Nutrition 0.000 description 1
- 240000001546 Byrsonima crassifolia Species 0.000 description 1
- 241000289581 Macropus sp. Species 0.000 description 1
- 101150013568 US16 gene Proteins 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 210000003464 cuspid Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005115 demineralization Methods 0.000 description 1
- 230000002328 demineralizing effect Effects 0.000 description 1
- 208000002925 dental caries Diseases 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003875 gradient-accelerated spectroscopy Methods 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 235000019592 roughness Nutrition 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000019587 texture Nutrition 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000095—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope for image enhancement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00163—Optical arrangements
- A61B1/00194—Optical arrangements adapted for three-dimensional imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/24—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for the mouth, i.e. stomatoscopes, e.g. with tongue depressors; Instruments for opening or keeping open the mouth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
- A61B5/4547—Evaluating teeth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Abstract
사용자 (U) 의 덴탈 아치의 모델을 취득하기 위한 방법으로서, 상기 방법은, a) 업데이트 시간에, 휴대용 스캐너 (12) 로, 사용자에 의해, 상기 아치의 디지털 3차원 모델 (8) 의 구강외 취득 단계, 및 선택적으로, 아치의 모델의 일부분 (30) 를 분리하기 위해 아치의 모델의 분할 단계로서, "업데이트된 모델" 을 획득하기 위해, 업데이트된 모델은, 이에 따라 가능하게는, 취득된 모델 또는 분할에 의해 분리된 취득된 모델의 일부이고, 업데이트된 모델에 의해 표현되는 오브젝트는 "업데이트된 오브젝트" 로 지칭되는, 상기 분할 단계를 포함한다.
Description
본 발명은 사용자의 덴탈 아치의 모델을 취득하기 위한 방법 및 이 방법을 구현하기 위한 컴퓨터 프로그램에 관한 것이다.
모든 사람이, 특히 그들의 치아의 포지션 및/또는 형상 및/또는 외관 (또는 텍스처) 이 악변되지 않았음을 체크하기 위해, 정기적으로 생치 (dentition) 를 모니터링하는 것이 바람직하다.
치과교정 치료 동안, 이러한 악변은 특히 치료가 수정되게 할 수 있다. 치과교정 치료 이후, "재발 (relapse)" 로서 지칭되는 이러한 악변은 치료가 반복되게 할 수 있다. 마지막으로, 더 일반적으로 그리고 임의의 치료와 독립적으로, 모든 사람은 그들 치아의 가능한 움직임들 및/또는 형상 및/또는 외관의 변화를 모니터링하기를 원할 수도 있다.
종래에, 모니터링은 치과교정의 또는 치과의사에 의해 수행되며, 이들 개체들은 단독으로 그들에게 이용가능한 적합한 장비를 갖는다. 따라서, 이 모니터링은 비용이 많이 든다. 더욱이, 방문은 스트레스를 받는다. 마지막으로, 이용가능한 전문가 스캐너들은 정확하지만 특정 레벨의 기술을 필요로 한다. 이들은 통상적으로 구강내 (intraoral) 취득을 위해 환자에게, 또는 구강외 (extraoral) 취득을 위해 환자의 아치들의 몰딩에 사용된다.
더욱이, US 15/522,520 은 사용자가 업데이트된 순간에 촬영한 단순한 치아 사진에 기초하여, 초기 순간으로부터의 치아의 움직임 및/또는 변형을 정확하게 평가할 수 있게 하는 방법을 기술한다. 이러한 목적을 위해, 초기 순간에, 바람직하게는 전문가 스캐너를 사용하여 사용자의 덴탈 아치의 디지털 3차원 모델이 생성된다. 그 다음, 이러한 초기 모델은 각각의 치아에 대한 치아 모델을 정의하도록 세그먼트화된다. 마지막으로, 치아 모델들은 가능한 한 사진과 가장 잘 매칭하도록 덴탈 아치의 초기 모델을 변형시키기 위해 이동된다. 이 방법은 사용자가 치아의 스캔을 위해 이동할 필요 없이, 업데이트된 순간에 우수한 정확도로 아치를 나타내는 모델을 획득하는 것을 가능하게 한다. 그 다음, 이러한 모델은 사용자의 치아의 포지셔닝 및/또는 형상을 모니터링하기 위해 초기 모델과 비교될 수 있다.
이 방법은 사용자에게 실용적이지만, 아치의 초기 모델을 취득하기 위해 적어도 하나의 약속을 요구한다. 그 다음, 이는, 초기 모델을 세그먼트화한 다음 변형하기 위해 힘든 데이터 프로세싱을 요구한다.
따라서, US 15/522,520 에 설명된 바와 같지만, 여전히 사용자에게 더 실용적이고 더 신속하게 구현될 수 있는, 원격으로 사용자의 치과적 상황을 모니터링하기 위한 방법이 필요하다.
본 발명의 하나의 목적은 이러한 문제점을 적어도 부분적으로 해결하는 것이다.
본 발명은 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법을 제공하며, 상기 방법은 다음 단계들을 포함한다:
a) 업데이트된 순간에, 휴대용 스캐너를 사용하여 그리고 사용자의 부분 상에서, 상기 아치의 디지털 3차원 모델, 또는 "취득된 모델" 을 바람직하게는 구강외적으로 취득하고, 그리고 선택적으로, 아치의 모델의 일부, 바람직하게는 치아 모델을 분리하기 위해 취득된 모델을 세그먼트화하는 단계,
"업데이트된 모델" 을 획득하기 위해, 업데이트된 모델은, 가능하게는 이에 따라, 취득된 모델 또는 세그먼트화에 의해 분리된 취득된 모델의 일부이고, 업데이트된 모델에 의해 표현되는 오브젝트는 "업데이트된 오브젝트" 로 지칭된다.
설명의 나머지 부분에서 더 상세히 알 수 있는 바와 같이, 본 발명자들은 바람직하게는 구강외적으로 그리고 임의의 특정 조치 없이, 치과교정에서 활용되기에 충분히 높은 품질의 아치 또는 치아의 모델을 생성하기 위해 휴대용 스캐너를 사용하는 것이 가능하다는 것을 발견하였다. 그러한 방법은 충분히 완전하고 정확한 모델의 취득과는 양립할 수 없는 것으로 보인다.
유리하게는, 취득은 사용자 자체에 의해 수행될 수 있고, 이는 광범위한 어플리케이션들을 가능하게 한다. 특히, 그 취득은 더 이상 치과 헬스케어 전문가에게 왕진을 요구하지 않는다. 더욱이, 본 발명에 따른 방법은 종래 기술의 방법들에 따른 경우보다 사용자의 치과적 상황을 더 신속하게 분석할 수 있게 한다. 특히, 사진들로부터 아치 모델을 구성할 필요가 없다.
일반적으로, 덴탈 아치들의 3D 모델들은 통상적으로 3D 광학 스캐너를 사용하여 구강내적으로 취득되며, 구강내 취득은 센서가 아치에 매우 가깝게 되도록 하여, 따라서, 고도로 정확한 정보를 제공하게 한다.
구강외 (또는 "구강외부 (extrabuccal)") 취득 디바이스들, 즉, 취득 센서, 특히 카메라 또는 사진 이미지 캡처 디바이스의 센서가 사용자의 입 안으로 도입되지 않는 취득 디바이스는 현대적이며, 사진을 사용하여 종래의 3D 광학 스캐너를 사용하여 획득된 초기 모델을 변형시킨다. 이러한 변형에 필요한 데이터 프로세싱은 비용이 많이 든다.
본 발명자들은, 바람직하게는 구강외의 휴대용 스캐너, 특히 LIDAR 를 테스트하는데 성공했고, 그러한 스캐너가 환자 자신들로 하여금 그들의 덴탈 아치들의 우수 품질의 모델을 취득하게 한다는 것을 발견하였다. 유리하게는, 초기 모델이 예를 들어 치과교정 치료의 시작 시에 취득된 다음 스캐너에 의해 취득된 이미지들에 기초하여 변형되는 것이 필요하지 않다. 스캐너에 의해 취득된 이미지들의 프로세싱은, 특히 3D 광학 스캐너들에 대해 종래에 사용된 기법들에 따라, 덴탈 아치의 모델을 직접 획득하는 것을 가능하게 한다.
유리한 실시형태에서, 휴대용 스캐너는 낮은 정확도를 갖는다. 이는, 아치 상의 수개의 주목할만한 (notable) 포인트들의 공간적 포지션을 기록하여 업데이트된 모델을 형성하는 것만이 필요하기 때문이다. 유리하게는, 제한되고 휴대가능한 기술적 수단들로 저-정확도 모델의 취득이 가능하다. 저-정확도 모델은 또한, 저장될 많은 메모리를 필요로 하지 않는다. 이는, 예를 들어, 라디오에 의해 원격으로 쉽고 빠르게 전송될 수 있다.
바람직하게는, 휴대용 스캐너는
- 상기 구강외 취득을 위해 셀폰에 통합되거나, 또는
- 사용자의 입 안에 도입될 수 있는 취득 헤드를 포함하는 취득 도구 및 셀폰을 포함하며, 그 사용자는
- 바람직하게는 LIDAR 에 의해 취득된 모델을 취득하고 그것을 셀폰으로 전송하거나, 또는
- 신호를 취득하고 그것을 셀폰으로 전송하여, 상기 셀폰이 자율적으로 또는 상기 셀폰과 통신하는 컴퓨터를 사용하여 상기 신호로부터 취득된 모델을 생성하게 한다.
바람직하게는, 셀폰은 취득된 모델 및/또는 업데이트된 모델을 치과 헬스케어 전문가에게, 바람직하게는 라디오에 의해, 바람직하게는 사용자로부터 100 m 초과, 또는 1 km 초과, 또는 10 km 초과 및/또는 50000 km 미만의 거리에서 전송한다.
본 발명에 따른 분석 방법은 또한, 다음의 선택적인 특징들 중 하나 이상을 포함할 수도 있다:
― 단계 a) 에서, 업데이트된 모델은 보정하기 위해 데이터 프로세싱 되어야 하며, 보정은 가능하게는 업데이트된 모델의 수정 또는 업데이트된 모델의 보정 모델로의 대체를 포함하고;
― 단계 a) 에서, 업데이트된 모델과 보정 모델 사이의 형상의 차이에 대한 측정치를 획득하기 위해 업데이트된 모델이 보정 모델과 비교되고, 그 다음
- 업데이트된 모델은 상기 형상의 차이를 감소시키도록, 바람직하게는 시뮬레이션된 어닐링에 의해, 특히 하기에서 열거되는 방법들로부터 선택된, 바람직하게는 메타휴리스틱 (metheuristic) 방법에 의해 상기 형상의 차이를 최소화하도록 수정되거나, 또는
- 상기 측정치에 의존하여, 업데이트된 모델은 변경되지 않은 채로 남겨지거나, 또는 업데이트된 모델은 보정 모델로 대체된다;
― 단계 a) 에서, 업데이트된 모델은 입력으로서 그에 제시된 디지털 3차원 모델을 더 현실적이게 만들도록 트레이닝된 뉴럴 네트워크에 제출된다;
― 업데이트된 오브젝트는 사용자의 상기 아치 또는 상기 아치의 치아이다;
― 보정 모델은 다음의 모델이다:
- 상기 업데이트된 오브젝트의 스캔에 의해, 업데이트된 순간과는 상이한 순간에 획득되는 모델, 또는
- 바람직하게는 시뮬레이션으로부터 기인한 이론적 형상으로 상기 업데이트된 오브젝트를 도시하는 모델, 또는
- 개체들의 세트를 나타내는 오브젝트의 모델로서, 상기 오브젝트는 업데이트된 오브젝트와 동일한 타입이고, 바람직하게는 아치 또는 치아, 예를 들어, 타이포돈트 (typodont) 또는 타이포돈트로부터의 치아인 모델;
― 보정 모델은 다음의 모델이다:
- 스캔에 의해, 바람직하게는 휴대용 스캐너를 사용하여 또는 전문가 스캐너를 사용하여, 바람직하게는 업데이트된 순간 이전 2주, 4주, 6주, 2개월, 3개월 초과 및/또는 12개월 미만, 또는 6개월 미만의 순간에 획득된 업데이트된 오브젝트의 모델, 또는
- 업데이트된 순간에 대해 예상된 바와 같이 상기 업데이트된 오브젝트의 형상을 시뮬레이션하고 바람직하게는 업데이트된 순간 이전 2주, 4주, 6주, 2개월, 3개월 초과 및/또는 6개월 미만의 순간에 생성된 업데이트된 오브젝트의 모델, 또는
- 업데이트된 순간 이후 또는 이전에 도래하는, "보정" 순간에 대해 예상되는 바와 같은 상기 업데이트된 오브젝트의 형상을 시뮬레이션하는 업데이트된 오브젝트의 모델로서, 업데이트된 순간과 보정 순간 사이의 시간적 인터벌은 바람직하게는 1주 보다 길고, 바람직하게는 2주, 4주, 6주, 2개월 보다 길고 및/또는 6개월 보다 짧고,
상기 모델은 바람직하게는 업데이트된 순간 이전 2주 초과, 4주 초과, 6주 초과, 2개월 초과 또는 3개월 초과로 생성된, 상기 모델, 또는
- 업데이트된 모델과 동일한 타입의 오브젝트들을 나타내는 1000개 초과의 이력 모델들을 포함하는 이력 라이브러리로부터 선택된 이력 모델로서, 상기 선택은 바람직하게는 선택된 이력 모델이 업데이트된 모델과 형상의 관점에서 가장 잘 피팅되는 이력 모델이도록 안내되는, 상기 이력 모델, 또는
- 바람직하게는 통계 프로세싱에 의해 획득된 모델이 개체들의 집단을 대표하도록, 상기 이력 라이브러리로부터의 이력 모델들을 통계 프로세싱시킴으로써 획득된 모델;
― 이력 라이브러리는 오직 업데이트된 모델과 동일한 분류 기준을 충족하는 이력 모델들, 예를 들어 사용자와 적어도 하나의 특성, 예를 들어, 동일한 연령 및/또는 동일한 성별 및/또는 동일한 병변을 공유하고 및/또는 동일한 치과교정 치료 또는 유사한 치과교정 치료를 따르는 개체들에 관한 이력 모델들을 포함한다;
― 단계 a) 에서, 업데이트된 모델은 모델들을 보정하도록 트레이닝된, 바람직하게는 하기의 단계 iv) 의 상세한 설명에 열거된 뉴럴 네트워크들로부터 선택된 뉴럴 네트워크에 입력으로서 업데이트된 모델을 입력함으로써 보정되고; 및/또는
― 단계 a) 에서, 업데이트된 모델은 다음의 단계들을 따름으로써 보정된다:
i) 1000개 초과, 바람직하게는 5000개 초과, 바람직하게는 10000개 초과의 이력 모델들을 포함하는 이력 라이브러리를 생성하는 단계로서, 각각의 이력 모델은 업데이트된 오브젝트와 동일한 타입의 오브젝트를 모델링하며, 예를 들어 업데이트된 모델이 각각 아치 또는 치아를 모델링하는 경우 아치 또는 치아를 모델링하는, 상기 이력 라이브러리를 생성하는 단계, 및
각각의 이력 모델에 분류 기준에 대한 값을 부여하는 단계;
ii) 업데이트된 오브젝트에 대한 상기 분류 기준의 값을 결정하기 위해 업데이트된 모델을 분석하는 단계;
iii) 상기 분류 기준에 대해 동일한 값을 갖고 상기 업데이트된 모델과 가장 잘 피팅되는 이력 모델, 또는 "최적 모델" 에 대한 이력 라이브러리를 검색하는 단계;
iv) 최적 모델에 관한 정보에 기초하여 업데이트된 모델을 수정하는 단계로서, 수정은 가능하게는 업데이트된 모델의 최적 모델로의 대체를 포함하는, 상기 업데이트된 모델을 수정하는 단계;
― 단계 a) 에서, 취득된 모델은 복수의 치아 모델들을 정의하도록 세그먼트화되고, 그 다음, 업데이트된 모델인 것으로 고려되는 각각의 치아 모델에 대해, 단계 i) 내지 단계 iv) 의 사이클이 수행되며, 여기서, 단계 iv) 에서 결정된 최적 모델은 취득된 모델 내에서 상기 치아 모델을 대체하도록 배치되고, 이는 유리하게는 저-정확도의 취득된 모델로부터 고도로 정확한 아치 모델을 복원하는 것을 가능하게 한다;
― 단계 a) 에서, 업데이트된 모델은 다음의 단계들을 따름으로써 보정된다:
i') 다음을 정의하는 단계:
- 정확도가 90% 초과, 바람직하게는 95% 초과, 바람직하게는 99% 초과, 또는 "제 1 특정 포인트들" 인 환자의 일부, 예를 들어 치아를 나타내는 업데이트된 모델 상의 포인트들에 의해 형성된 제 1 특정 구역, 및
- 업데이트된 모델의 100% 에 대한 나머지를 구성하는 제 1 불특정 구역;
ii') 제 1 불특정 구역의 영역에서 제 1 복원된 구역을 정의하기 위해, 유일한 제 1 특정 구역에 기초하여, 제 1 특정 구역을 외삽하는 단계, 및 그 다음
다음을 정의하는 단계:
- 제 1 복원된 구역으로부터 임계 거리 미만의 거리만큼 이격된 제 1 불특정 구역 내의 포인트들 또는 "제 2 특정 포인트들" 에 의해 형성된 제 2 특정 구역; 및
- 제 1 불특정 구역의 100% 에 대한 나머지를 구성하는 제 2 불특정 구역;
iii') 제 2 불특정 구역의 영역에서 제 2 복원된 구역을 정의하기 위해, 유일한 합계에 기초하여 제 1 및 제 2 특정 구역들에 의해 형성된 합계를 외삽하는 단계, 및 그 다음
클린한 업데이트된 모델을 획득하기 위해, 제 2 불특정 구역을 제 2 복원된 구역으로 대체하는 단계;
― 단계 a) 에서, 업데이트된 모델은 업데이트된 오브젝트와 동일한 타입의 오브젝트들의 대략적인 (rough) 모델들을 입력으로서 공급함으로써 업데이트된 모델을 트레이닝된 뉴럴 네트워크에 제출함으로써 보정되고, 상기 대략적인 모델들은 출력으로서 초현실적으로 만들어진다;
― 단계 a) 에서, 업데이트된 모델은 단순화하기 위해 데이터 프로세싱 된다;
― 휴대용 스캐너는 셀폰에 통합되거나 또는 셀폰 및 사용자의 입 안에 도입될 수 있는 취득 헤드를 포함하는 취득 도구를 포함하고, 취득 도구는 취득된 모델 또는 업데이트된 모델을 전송하기 위해 셀폰과 통신한다;
― 취득 헤드는 바람직하게는 Bluetooth® 커넥션으로 또는 와이어들에 의해 셀폰에 접속된다;
― 셀폰은 바람직하게는 치과 헬스케어 전문가에게, 특히 치과교정의에게, 및/또는 데이터 프로세싱 센터에, 바람직하게는 단계 b) 및/또는 c) 의 구현을 위해, 취득된 모델 또는 업데이트된 모델을 라디오에 의해 전송하는데 사용된다;
― 휴대용 스캐너는 "광 검출 및 레인징" 을 위한 LIDAR 이다;
― 단계 a) 에서, 휴대용 스캐너는 구조화된 광을 환자의 치아에 직접 투영하고, 사진들과는 상이한 이미지들을 취득한다;
― 단계 a) 에서, 사용자는 바람직하게는 환자의 치아에 관하여, 바람직하게는 수평으로 및/또는 수직으로, 바람직하게는 입을 개방한 채로 및 입을 닫은 채로, 휴대용 스캐너를 이동시킴으로써 휴대용 스캐너의 앵귤레이션 (angulation) 을 수정한다;
― 단계 a) 에서, 사용자는 치아가 휴대용 스캐너에 보이게 하기 위해 그들의 입술 및/또는 그들의 뺨을 떨어져서 이동시킨 다음, 취득된 모델을, 바람직하게는 구강외적으로, 즉, 휴대용 스캐너를 입에 넣지 않고, 심지어 부분적으로 취득한다;
― 바람직하게는, 사용자는 취득된 모델의 품질을 개선하기 위해 휴대용 스캐너에 대한 견인기 및/또는 지지체를 활용한다;
― 단계 a) 에서, 휴대용 스캐너는 림을 포함하는 지지체 상에 고정되고, 상기 림은 사용자의 입술과 치아 사이에 삽입된다;
― 지지체는 구강 개구를 정의하는 튜브형 견인기를 포함하며, 상기 림은 구강 개구의 주연부 둘레로 연장되고;
― 단계 a) 에서, 사용자는 바람직하게는 지지체를 환자의 치아에 관하여, 바람직하게는 수평으로 및/또는 수직으로, 바람직하게는 입을 개방한 채로 및 입을 닫은 채로 이동시켜, 지지체의 림을 사용자의 치아와 사용자의 입술 사이에 유지함으로써, 휴대용 스캐너의 앵귤레이션을 수정한다;
― 단계 a) 에서, 휴대용 스캐너를 사용하여 취득된 모델은 복수의 치아 모델들을 정의하도록 세그먼트화된 다음, 상기 치아 모델들의 각각은 바람직하게는 상기에서 설명된 바와 같이 연속적으로 보정 및/또는 단순화된다;
― 그 방법은, 단계 a) 이후에, 다음의 단계를 포함한다:
b) 업데이트된 모델의 치수 파라미터의 적어도 하나의 값, 또는 "치수 값", 및/또는 업데이트된 모델의 외관 파라미터의 적어도 하나의 값, 또는 "외관 값" 을 결정하는 단계;
― 단계 b) 에서, 2개 초과의 치수 값들, 바람직하게는 업데이트된 모델 상의 적어도 하나의 포인트, 바람직하게는 업데이트된 모델 상의 10개 초과, 100개 초과, 500개 초과의 포인트들의 공간적 포지션을 정의하기에 충분한 치수 값들이 정의된다;
― 치수 파라미터는 다음으로부터 선택된다:
- 업데이트된 모델의 치수;
- 업데이트된 모델 상의 주목할만한 포인트로부터, 바람직하게는 업데이트된 모델에 관하여 고정된 레퍼런스, 바람직하게는 업데이트된 모델과 마찬가지로 표준 구성으로 배치된 레퍼런스 모델까지의 거리, 및
- 업데이트된 모델의 하나 이상의 치수들로부터 및/또는 업데이트된 모델 상의 하나 이상의 주목할만한 포인트들로부터 상기 레퍼런스까지의 하나 이상의 거리들로부터 도출된 파라미터;
― 외관 파라미터는 다음: 즉, 컬러, 반사도, 투명도, 반사율, 음영, 반투명도, 유백광, 치아 상의 치석, 플라크 또는 음식 침착물들의 존재에 관한 표시로부터 선택된다;
― 상기 치수 값을 결정하기 위해, 업데이트된 모델 상의 포인트와, 업데이트된 모델과 마찬가지로 표준 구성으로 배치된 레퍼런스 모델 사이의 거리가 측정된다;
― 레퍼런스 모델은 바람직하게는
- 스캔에 의해, 바람직하게는 휴대용 스캐너를 사용하여 또는 전문가 스캐너를 사용하여, 바람직하게는 업데이트된 순간 이전 2주, 4주, 6주, 2개월, 3개월 초과 및/또는 6개월 미만의 순간에 획득된 업데이트된 오브젝트의 모델, 또는
- 업데이트된 순간에 대해 예상되는 바와 같은 상기 오브젝트의 형상을 시뮬레이션하고 바람직하게는 업데이트된 순간 이전 2주, 4주, 6주, 2개월, 3개월 초과 및/또는 6개월 미만의 순간에 생성된 업데이트된 오브젝트의 모델, 또는
- 업데이트된 순간 이후 또는 이전에 도래하는, 레퍼런스 순간에 대해 예상되는 바와 같은 상기 오브젝트의 형상을 시뮬레이션하는 업데이트된 오브젝트의 모델로서, 업데이트된 순간과 레퍼런스 순간 사이의 시간적 인터벌은 바람직하게는 1주 보다 길고, 바람직하게는 2주, 4주, 6주, 2개월 보다 길고 및/또는 6개월 보다 짧고,
상기 모델은 바람직하게는 업데이트된 순간 이전 2주 초과, 4주 초과, 6주 초과, 2개월 초과 또는 3개월 초과로 생성된, 상기 모델, 또는
- 업데이트된 오브젝트와 동일한 타입의 오브젝트들을 나타내는 1000개 초과, 바람직하게 10000개 초과, 바람직하게 100000개 초과의 이력 모델들을 포함하는 이력 라이브러리로부터 선택된 이력 모델로서, 상기 선택은 바람직하게는 선택된 이력 모델이 업데이트된 모델과 형상의 관점에서 가장 잘 피팅되는 이력 모델이도록 안내되는, 상기 모델, 또는
- 바람직하게는 통계 프로세싱에 의해 획득된 모델이 개체들의 집단을 대표하도록, 상기 이력 라이브러리로부터의 이력 모델들을 통계 프로세싱시킴으로써 획득된 모델;
― 그 방법은, 단계 b) 이후, 다음의 단계를 포함한다:
c) 치수 값 및/또는 외관 값을 사용하는 단계로서:
- 치아의 포지션 또는 형상 및/또는 치아의 포지션 또는 형상의 변화 및/또는 치아의 포지션 또는 형상의 변화의 비율을 검출 또는 평가하기 위해, 및/또는
- 치과교정 기기의 포지션 또는 형상 및/또는 치과교정 기기의 포지션 또는 형상의 변화 및/또는 치과교정 기기의 포지션 또는 형상의 변화의 비율을 검출 또는 평가하기 위해, 및/또는
- 2개 날짜들 사이에 환자의 치아 형상의 변화를 측정하기 위해, 및/또는
- 치과진료에서, 상기 치수 값 및/또는 외관 값을 사용하는 단계;
― 단계 c) 에서, 치수 값 및/또는 외관 값은 다음을 위해 사용된다:
- 스테이닝 (staining) 또는 충치 (decay) 의 인스턴스의 포지션 또는 형상을 검출 또는 평가하기 위해:
- 치아의 맹출에 뒤따르기 위해, 및/또는
- 치아의 재발 또는 비정상 포지션을 검출하기 위해, 및/또는
- 치아의 마모를 검출하기 위해, 및/또는
- 2개의 치아들 사이의 적어도 하나의 공간의 개방 또는 폐쇄를 모니터링하기 위해, 및/또는
- 교합의 안정성 또는 수정을 모니터링하기 위해,
- 치아의 미리결정된 포지션으로의 움직임을 모니터링하기 위해, 및/또는
- 치과교정 브레이스 또는 얼라이너의 분리를 검출 또는 평가하기 위해,
- 치과 헬스케어 전문가와의 약속 날짜를 최적화하기 위해, 및/또는
- 특히 하기의 치과교정 지수의 정의에서 열거되는 치과교정 지수들로부터 선택되는 치과교정 지수를 평가하는 것으로서,
바람직하게는 다음을 표시하는 치과교정 지수로서,
- 사용자가 송곳니에 대해 교합 클래스 n°I 에 도달하였는지, 및/또는
- 사용자가 어금니에 대해 교합 클래스 n°I 에 도달하였는지, 및/또는
- 환자의 전방 공간들이 폐쇄되는지, 및/또는
- 치아의 제거로부터 기인한 모든 공간들이 폐쇄되는지, 및/또는
- 사용자가 정상인, 바람직하게는 1 과 3 mm 사이에 포함된 오버제트를 갖는지, 및/또는
- 사용자가 정상인, 바람직하게는 1 과 3 mm 사이에 포함된 오버바이트를 갖는지, 및/또는
- 하부 및 상부 아치들의 중앙 라인들이 오프셋되는지, 및/또는
- 사용자가 하부 아치에 관한 상부 아치의 측방 오프셋을 갖지 않는지, 및/또는
- 후자의 2개의 모니터링 인스턴스들 동안 치아의 움직임이 검출되지 않았는지, 및/또는
- 모든 임시 치아들이 빠졌는지, 를 표시하는 치과교정 지수,
또는 양적 관점에서 평가하고 및/또는 다음에서의 일시적 변화를 평가하는 치과교정 지수로서, 상기 치과교정 지수를 평가하기 위해:
- 송곳니의 교합 클래스, 및/또는
- 어금니의 교합 클래스, 및/또는
- 환자의 전방 공간들, 및/또는
- 치아의 제거로부터 기인한 공간들, 및/또는
- 오버제트, 및/또는
- 오버바이트, 및/또는
- 하부 및 상부 아치들의 중앙 라인들 사이의 오프셋, 및/또는
- 하부 아치에 관한 상부 아치의 측방 오프셋, 및/또는
- 후자의 2개의 모니터링 인스턴스들 동안 치아의 움직임, 및/또는
- 능동적 치과교정 치료의 효과를 평가하기 위해, 및/또는
- 능동적 치과교정 기기의 활동을 측정하기 위해; 및/또는
- 수동적 치과교정 기기의 효과의 드롭을 측정하기 위해; 및/또는
- 업데이트된 순간에 사용자의 치아의 포지셔닝을, 타겟 이론 모델, 바람직하게는 치과교정 치료의 최종 단계에 대해 또는 중간 단계에 대해, 치료 계획에 따라 예상된 포지션에서 상기 치아를 나타내는 중간 모델, 또는 중간 "셋업" 에 의해 표현되는 상기 치아의 포지셔닝과 비교하기 위해; 및/또는
- 예를 들어, 치과교정 얼라이너들을 사용하여 치과교정 치료의 범위 내에서 새로운 일련의 치과교정 얼라이너들을 설계 및 제조함으로써, 또는 예를 들어, 브래킷들을 이용한 치료로부터 치과교정 얼라이너들을 이용한 치료로, 또는 그 반대로 변화하도록 치과교정 치료의 타입을 변화시킴으로써, 치과교정 치료를 보정 또는 적응시키는 필요성을 평가하기 위해; 및/또는
- 치아에 대한 충격의 발생에 의해, 또는 수면 무호흡증 치료용 덴탈 디바이스의 사용에 의해, 또는 환자의 구강 내 이식의 발생에 의해 분리되는 2개의 날짜들 사이에 환자의 의치의 형상 변화를 측정하기 위해, 상기 치수 값 및/또는 외관 값이 사용된다;
― 단계 a) 에서, 셀폰을 사용하여 취득된 모델은 복수의 치아 모델들을 정의하도록 세그먼트화되고, 그리고 그 다음, 상기 단계 b) 는 상기 단계 b) 에 대한 업데이트된 모델로서 정의된, 각각의 치아 모델에 대한 적어도 하나의 치수 값을 정의하도록 수행된다;
― 단계 a) 에서, 사용자는 바람직하게는 하나의 동일한 셀폰을 사용하여, 상기 취득된 모델 및 하나 이상의 업데이트된 이미지들을, 바람직하게는 컬러의, 바람직하게는 현실적인 컬러의 사진들을 취득하고, 그리고
단계 b) 에서, 하나 이상의 업데이트된 이미지들 상에 표현된 하나 이상의 오브젝트들, 바람직하게는 치아들의 치수 및/또는 외관에 관한 정보가 결정되고, 그 다음, 상기 정보는 업데이트된 모델에 기초하여 결정된 상기 치수 값 및/또는 상기 외관 값을 보충 및/또는 보정하는데 사용된다;
― 단계 a) 에서, 취득된 모델은 500개 미만의 포인트들을 포함한다.
본 발명은 또한 다음에 관한 것이다:
- 컴퓨터 프로그램 및 특히, 상기 프로그램이 컴퓨터에 의해 실행될 때, 단계 a), 및 바람직하게는 단계 b), 및 바람직하게는 단계 c) 를 실행하기 위한 프로그램 코드 명령들을 포함하는, 셀폰용 전문가 어플리케이션,
- 그러한 프로그램이 기록된 컴퓨터 매체, 예를 들어, 메모리 또는 CD-ROM, 및
- 특히 그러한 프로그램이 로딩되는 셀폰에 통합된 휴대용 스캐너.
따라서, 본 발명은 단계 a), 바람직하게는 본 명세서에서 설명된 하나 이상의 보정 및/또는 단순화 방법들, 바람직하게는 단계 b), 더 바람직하게는 단계 c) 의 취득을 구현할 수 있는, 바람직하게는 셀폰에 통합된, 휴대용 스캐너에 관한 것이다.
정의들
"사용자"는, 이 사람이 아프든지 아프지 않든지 치과교정 치료를 받든지 받지 않든지, 본 발명에 따른 방법이 구현되는 임의의 사람을 의미하는 것으로 이해된다.
"치과 헬스케어 전문가" 는, 특히 치과교정의 및 치과의사를 포함하여 치과 헬스케어를 제공할 자격이 있는 임의의 사람을 의미하는 것으로 이해된다.
"치과교정 치료" 는, 덴탈 아치의 형상을 수정 (능동적 치과교정 치료) 하거나 또는 특히 능동적 치과교정 치료가 완료된 이후 덴탈 아치의 형상을 유지 (수동적 치과교정 치료) 하도록 의도된 치료의 전부 또는 일부이다.
치과교정 지수들은, 덴탈 아치의 형상 및/또는 형상의 변화를 종합적으로 평가 가능하게 하는 지수들이다. 이들은 하나의 아치에 또는 2개의 아치들의 세트 ("아치간 (inter-arch)" 지수들) 에 특정될 수도 있다. 다음이 예로서 인용될 수 있다:
오버바이트, 오버제트, 사이즈, 특히 낸스 지수 (Nance's index), 전치간 (inter-incisal) 환경들의 편차, 송곳니 및/또는 어금니 교합 클래스들, 불규칙성 지수, 특히 리틀 지수 (Little's index), 전방 개방 바이트, 측방 개방 바이트, 설측 후방 크로스바이트, 구강 후방 크로스바이트, 이상적인 아치와이어 길이, 치간 공간들의 존재 또는 부존재, 스피 (Spee) 곡선의 레벨링 지수, 특정 치아에 대해 예를 들어 10° 초과의 상당한 회전의 존재,
그리고 이들 지수들과 그들의 변화들의 조합들. 치과교정 지수들의 예들은 ABO (American Board of Correltics) 불일치 지수를 정의하는데 사용되는 것들이다.
"치과교정 기기" 는 사용자에 의해 착용된 또는 착용을 위해 의도된 기기이다. 치과교정 기기는 치료 또는 예방 치료 뿐만 아니라 미용 치료를 위해 의도될 수도 있다. 치과교정 기기는 특히, 아치와이어 및 브래킷 기기, 또는 치과교정 얼라이너, 또는 캐리어 모션 (Carriere Motion) 타입의 보조 기기일 수도 있다.
"아치" 또는 "덴탈 아치" 는 덴탈 아치의 전부 또는 일부를 의미하는 것으로 이해된다.
"이미지" 는, 필름으로부터 추출된 이미지 또는 사진과 같이 2차원의 디지털 표현을 의미하는 것으로 이해된다. 이미지는 픽셀들로 구성된다.
"모델" 은 디지털 3차원 모델을 의미하는 것으로 이해된다. 모델은 복셀들의 세트로 구성된다. 이는 통상적으로, 직선의 세그먼트들에 의해 연결된 포인트들로 구성된 그리드, 즉, 삼각형들의 어셈블리를 포함한다.
"치아 모델" 은 치아의 3차원 디지털 모델이다. 덴탈 아치의 모델은, 치아의 적어도 일부에 대한, 바람직하게는 아치의 모델에서 표현된 모든 치아에 대한 치아 모델을 정의하도록 세그먼트화될 수 있다. 따라서, 치아 모델들은 아치의 모델 내의 모델들이다.
"아치의 모델" 은 덴탈 아치의 적어도 일부, 바람직하게는 적어도 2개, 바람직하게는 적어도 3개, 바람직하게는 적어도 4개의 치아를 나타내는 모델이다.
모델, 특히, 아치 또는 치아의 모델은, 이를 관찰하는 사람이 모델링된 오브젝트 자체를 관찰하고 있다는 인상을 가질 때 "초현실적" 이다. 특히, 모델의 컬러들은 모델링된 오브젝트의 컬러들이다.
"대략적인" 모델은, 스캔으로부터 기인하고 그리고 본 발명에 따라 가능하게 보정되지만 그 컬러는 초현실적이 되도록 수정되지 않는 모델을 의미하는 것으로 이해된다.
모델링된 오브젝트의, 특히 업데이트된 오브젝트의 "타입" 은 이 오브젝트의 성질을 정의한다. 오브젝트는 특히, "치아" 또는 "아치" 또는 "잇몸" 타입일 수도 있다. 오브젝트는 또한, 치아의 서브그룹, 예를 들어, 전치들의 그룹 또는 하나 이상의 치아 번호들을 갖는 치아의 그룹, 또는 아치 서브그룹, 예를 들어, 상부 아치일 수도 있다.
"분류 기준" 은 모델링된 오브젝트, 특히 아치 또는 치아의 속성이고, 이를 분류 가능하게 한다. 예를 들어, 분류 기준은 교합 클래스, 모델링된 오브젝트의 치수 (예를 들어, 높이, 폭, 오목부, 송곳니간 거리, 앞어금니간 폭, 어금니간 폭, 아치 길이, 아치 둘레) 에 대한 범위, 연령, 성별, 병변, 또는 모델링된 오브젝트를 소유한 사람의 치과교정 치료, 특히 상기에서 열거된 치과교정 지수들로부터 선택되는 치과교정 지수, 또는 이들 기준들의 조합일 수도 있다.
분류 기준의 사용은, 특히 유사하거나 동일한 특징들을 갖는 모델링된 오브젝트들을 선택할 수 있게 한다. 유리하게는, 뉴럴 네트워크가 프로세싱하도록 의도되는 오브젝트에 잘 적합한 학습 베이스를 형성할 수 있게 한다. 예를 들어, 뉴럴 네트워크가 번호 14 를 갖는 치아를 나타내는 치아 모델들을 보정하도록 의도된다면, n°14 치아에 관한 기록만을 포함하는 학습 베이스로 학습시키는 것이 바람직하다. 그 다음, 치아 번호가 분류 기준이 된다.
"표준 구성" 은, 공간에서, 미리결정된 배향 및 미리결정된 스케일로 모델을 포지셔닝하는 것이다. 오브젝트를 나타내는 2개의 모델들, 예를 들어, 아치 또는 치아의 형상을 비교하기 위해, 2개의 모델들이 표준 구성으로 배치될 수 있다. 표준 구성으로 모델을 배치하고 치수화하기 위한 표준화 방법들은 널리 공지되어 있다. 2개의 모델들의 형상을 비교하기 위해, 특히 반복 최근접 포인트 알고리즘 (https://en.wikipedia.org/wiki/Iterative_Closest_Point 에서 설명됨) 을 사용하는 것이 가능하다.
아치 모델의 "치아 모델들" 로의 "세그먼트화" 는 아치 모델에서 치아 (치아 모델들) 의 표현들을 자율적으로 구획하고 렌더링하기 위한 동작이다. 아치 모델의 치아 모델들을 조작하기 위한 계산 도구들이 존재한다. 치아 모델들을 조작하고 치료 시나리오를 생성하기 위한 소프트웨어의 일 예는 웹 페이지 https://en.wikipedia.org/wiki/Clear_aligners#cite_note-invisalignsystem-10 상에서 설명된 Treat 프로그램이다.
"통계 프로세싱" 은, 데이터세트에 적용할 때, 그 세트에 특정인 특징들, 예를 들어, 평균, 표준 편차, 또는 중간 값을 결정할 수 있게 하는 프로세싱이다. 통계 프로세싱 도구들은 당업자에게 널리 공지되어 있다.
"메타휴리스틱" 방법들은 공지된 최적화 방법들이다. 본 발명의 범위 내에서, 이들은 바람직하게는 다음에 의해 형성된 그룹으로부터 선택된다:
- 바람직하게는 다음으로부터 선택되는 진화 알고리즘들: 진화 전략들, 유전 알고리즘들, 차동 진화 알고리즘들, 분포 알고리즘들의 추정, 인공 면역 시스템들, 셔플링된 복합 진화 경로 복원, 시뮬레이션된 어닐링, 개미 군체 알고리즘들, 입자 군집 최적화 알고리즘들, 금기 검색, 및 GRASP 방법;
- 캥거루 알고리즘,
- 플레처-파월 (Fletcher-Powell) 방법,
- 소음 방법,
- 확률적 터널링,
- 랜덤 재시작 힐 클라이밍,
- 교차 엔트로피 방법, 및
- 상기에서 인용된 메타휴리스틱 방법들 간의 혼합인 방법들.
2개의 오브젝트들 간의 "매칭" 또는 "피팅" 은 이들 2개의 오브젝트들 간의 차이 또는 "거리" 의 척도를 지칭한다. 이러한 차이가 최소일 때 매칭은 최대이다 (최상의 피팅).
"뉴럴 네트워크" 또는 "인공 뉴럴 네트워크" 는 당업자에게 널리 공지된 알고리즘들의 세트이다. 동작할 수 있기 위하여, 뉴럴 네트워크는 학습 베이스로부터 "딥러닝" 으로 지칭되는 학습 프로세스에 의해 트레이닝되어야 한다.
"학습 베이스" 은 뉴럴 네트워크를 트레이닝시키기에 적합한 컴퓨터 기록들의 베이스이다. 뉴럴 네트워크에 의해 수행되는 분석의 품질은 학습 베이스에서의 기록들의 수에 직접적으로 의존한다. 통상적으로, 학습 베이스는 1000개 초과, 바람직하게는 10000개 초과의 기록들을 포함한다.
뉴럴 네트워크의 트레이닝은 원하는 목적에 적응되며, 당업자에게 어떤 특별한 어려움을 부과하지는 않는다. 뉴럴 네트워크를 트레이닝하는 것은, 뉴럴 네트워크가 "매칭", 즉, 서로 연결하기 위해 학습해야 하는 제 1 오브젝트들과 제 2 오브젝트들에 관한 정보를 포함하는 학습 베이스와 이를 직면하는 것으로 이루어진다.
트레이닝은 "페어 (pair)" 기록들로 구성되는, 즉, 각각이 뉴럴 네트워크의 입력을 위한 제 1 오브젝트 및 뉴럴 네트워크의 출력을 위한 제 2 대응하는 오브젝트를 포함하는, "페어링된" 학습 베이스 또는 "페어들로 된" 학습 베이스로부터 수행될 수도 있다. 뉴럴 네트워크의 입력 및 출력이 "페어링"된다고 또한 일컬어진다. 이들 페어들 모두를 이용하여 뉴럴 네트워크를 트레이닝하는 것은, 제 1 오브젝트들과 유사한 임의의 오브젝트로부터, 제 2 오브젝트들과 유사한 대응하는 오브젝트를 제공하는 것을 교시한다.
논문 "Image-to-Image Translation with Conditional Adversarial Networks" by Phillip Isola Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros, Berkeley AI Research (BAIR) Laboratory, UC Berkeley 는 페어링된 학습 베이스의 사용을 예시한다.
"레퍼런스" 의 기능은 하나 이상의 거리들을 측정하기 위한 베이스로서 역할을 하는 것이다. 레퍼런스는, 예를 들어 3차원, 예를 들어 직교정규 레퍼런스 시스템일 수도 있다. 3차원 레퍼런스 시스템은 바람직하게는, 당해 모델에 관하여 고정된다. 모델이 아치를 나타내면, 이는, 예를 들어, 사용자의 구강 캐비티의 중심에 그의 원점을 가질 수도 있다. 특히, 3차원 레퍼런스 시스템은 바람직하게는, 휴대용 스캐너의 포지션 및 배향에 독립적이다.
아치의 치수들 (길이, 폭, 높이) 는 통상적으로, 아치가 수평 평면에 있는 것을 고려하여 측정된다. 그러면, 높이 방향 (Y) 이 수직 방향이다. 폭 방향 (X) 은, 사용자의 우측으로부터 그들의 좌측으로 연장되는, 사용자에 대한 횡단 방향이다. 길이 방향 (Z) 은, 사용자의 전방으로부터 그들의 후방으로 연장되는, 사용자에 대한 깊이 방향이다.
치아의 치수들 (길이, 폭, 높이) 는 통상적으로, 아치가 수평 평면에 있는 것을 고려하여 측정된다. 그러면, 높이 방향 (Y') 이 수직 방향이다. 폭 방향 (X') 은, 높이 방향에 관하여 수직으로, 정면으로부터 관찰하였을 때 치아의 최대 치수의 방향이다. 길이 방향 (Z') 은 방향 (Y') 및 방향 (X') 에 수직인 방향이다.
세계 치과의사 연맹 (World Dental Federation) 의 국제 협약에 따르면, 덴탈 아치의 각각의 치아는 미리결정된 번호를 갖는다. 이 협약에 의해 정의된 치아 번호들은 도 6 에 나열되어 있다.
"주목할만한 포인트" 는 식별될 수 있는 아치 모델 또는 치아 모델 상의 포인트, 예를 들어 치아의 정점 또는 견치 (cuspid) 의 포인트, 치간 접촉 포인트, 즉, 하나의 치아와 인접한 치아 사이의 접촉 포인트, 예를 들어, 치아의 전치 마진 상의 근심 또는 원위 포인트, 또는 치아의 크라운의 중심에 있는 포인트, 또는 "무게 중심 (barycenter)" 이다.
"앵귤레이션" 은 단계 a) 에서의 모델의 취득 동안 사용자에 관한 휴대용 스캐너의 광학 축의 배향이다.
3D 스캐너 또는 "스캐너" 는 치아 또는 덴탈 아치의 모델을 획득하기 위한 디바이스이다. 이는 통상적으로, 구조화된 광을 사용하고, 다양한 이미지들에 기초하여 그리고 바람직하게는 이들 이미지들 상의 특정 포인트들을 매칭시킴으로써, 3D 모델을 형성한다.
더 구체적으로, 휴대용 스캐너는 상기 이미지들을 취득하면서 환자의 치아에 구조화된 광을 투영한다. 스캐너는 치아에 발광 패턴을 투영할 수도 있다. 이러한 패턴의 변형은 장면을 공간적으로 해석할 수 있게 한다.
인용될 수도 있는 종래 사용된 기법들은 1차원 또는 2차원 패턴의 투영, 멀티스트라이프 레이저 삼각측량 (MLT), 및 디지털 프린지 및 변조 위상 기법을 포함한다.
구조화된 광의 투영에 대한 대안으로서 또는 그에 부가하여, 휴대용 스캐너는 상기 이미지들을 취득하는 동안 변조된 광을 환자의 치아에 투영한다. 그 다음, 투영된 광은 동적이고, 스캐너의 카메라는, 광에 의해 이동한 거리를 그로부터 추론하기 위해 시간에 걸쳐 반사된 광의 변동을 측정한다. 인용될 수 있는 종래 사용된 기법들은 특히, 변조된 위상 기법을 포함한다.
이미지들의 분석은 모델을 구성할 수 있게 한다.
이미지들은 종래의 구강내 3D 광학 스캐너들에 의해 취득된 이미지들과 동일한 타입일 수도 있다.
이미지들은 관찰된 장면의 표현들이며, 본 케이스에서, 환자의 치아들이지만, 그들의 성질은 장면을 조명하는 광 소스의 성질에 특정적이다. 이미지들은 바람직하게는, 사람이 직접 관찰할 것이므로, 장면을 현실적으로 나타내는 사진들은 아니다.
스캐너를 사용하여 취득된 모델과 스캐닝된 오브젝트 사이의 형상에서의 최대 차이는, 스케일에 맞춰, 스캐너의 성능에 반비례한다. 이는, 스캐너의 "취득 해상도" 또는 "정확도" 로서 지칭된다. 해상도가 작을수록, 모델은 현실에 더 충실하다.
LIDAR 는, 레이저 광이 환자의 치아 상으로 직접 투영되어, 환자 자신의 부분 상에서, 아치의 정확한 모델을 구강외적으로 취득할 수 있게 하기 때문에, 본 발명에 특히 매우 적합하다.
전문가 스캐너는 바람직하게는, 정확도가 5/10 mm 미만 (즉, 스캐너를 사용하여 취득된 모델과 실제 스캐닝된 오브젝트 사이의 형상의 최대 차이가, 스케일에 맞춰, 5/10 mm 미만임), 바람직하게는 3/10 mm 미만, 바람직하게는 1/10 mm 미만, 바람직하게는 1/50 mm 미만, 바람직하게는 1/100 mm 미만 및/또는 1/500 mm 초과이다.
"셀폰" 또는 "모바일 폰" 은 iPhone® 타입의 디바이스를 지칭한다. 그러한 디바이스는 통상적으로, 무게가 500g 미만, 또는 200g 미만이며, 필름이나 사진을 촬영할 수 있게 하는 렌즈 또는 3차원 디지털 모델들을 취득할 수 있게 하는 스캐너를 포함하는 사진 이미지 캡처링 디바이스가 제공된다. 셀폰은 또한, 셀폰으로부터 500 km 초과로 떨어진 다른 디바이스와 데이터를 교환하는 것이 가능하고, 취득할 수 있게 만든 필름들, 사진들, 또는 모델들을 스크린 상에 디스플레이하는 것이 가능하다.
"견인기", 또는 "치과용 견인기" 는 입술을 뒤로 밀도록 의도된 디바이스이다. 이는 상부 림(rim) 및 하부 림, 및/또는 우측 림 및 좌측 림을 포함하여, 견인기 개구부 주위로 연장되고 치아와 입술 사이에 도입되도록 의도된다. 사용 포지션에서, 사용자의 입술은, 견인기 개구부를 통해 치아가 보이도록 이들 림에 대해 가압된다. 따라서, 견인기는, 입술에 의해 방해받지 않고 치아를 관찰할 수 있게 한다.
하지만, 치아는 견인기에 놓이지 않으며, 이는 사용자가 견인기에 대해 그 머리를 회전시킴으로써, 견인기의 개구부를 통해 보이는 치아를 수정할 수 있음을 의미한다. 그들은 또한, 그들의 덴탈 아치들 사이의 간격을 수정할 수도 있다. 특히, 견인기는 2개의 조오(jaw)들이 서로 이격되도록 치아에 대해 가압하지 않고 입술에 대해 가압한다.
일 실시형태에서, 견인기는 견인기 개구부를 통해 치아가 보이게 하도록 상부 입술과 하부 입술을 탄성적으로 이격시키도록 구성된다.
일 실시형태에서, 견인기는 상부 림과 하부 림 사이 및/또는 우측 림과 좌측 림 사이의 거리가 일정하도록 구성된다.
견인기는, 예를 들어, PCT/EP2015/074896, US 6,923,761, 또는 US 2004/0209225 에 기술되어 있다.
"사용 포지션" 은, 단계 a) 에서 취득된 모델을 사용자가 취득하는 포지션이다. 휴대용 스캐너를 단단하게 고정하기 위해 지지체를 사용하는 경우, 도 2 및 도 3 에 도시된 바와 같이, 지지체는 사용자의 입 안으로 부분적으로 도입된다.
"입 닫힘" 포지션은 환자의 상부 및 하부 아치들의 치아가 접촉하는 교합의 포지션이다. "입 열림" 포지션은, 환자의 상부 및 하부 아치들의 치아가 접촉하지 않는, 입의 개방 포지션이다.
본 발명에 따른 방법 (휴대용 스캐너를 이용한 취득 동작과는 별도로) 은 컴퓨터에 의해, 바람직하게는 컴퓨터에 의해 배타적으로 구현된다.
"컴퓨터" 는, 데이터 프로세싱 능력들을 갖는 다중의 머신들의 어셈블리를 포함하는 데이터 프로세싱 유닛을 나타낸다. 이 유닛은 특히, 휴대용 스캐너에 통합되거나, 또는 통합된 휴대용 스캐너와 함께 셀폰에 통합되거나, 또는 PC 타입의 컴퓨터 또는 서버, 예를 들어 사용자로부터 원격인 서버, 예를 들어 "클라우드" 또는 치과 헬스케어 전문가의 구내에 배치된 컴퓨터일 수도 있다. 그 다음, 셀폰 및 컴퓨터는 서로 교환하기 위한, 특히 업데이트된 모델, 선택적으로 보정된 및/또는 단순화된 모델, 및/또는 본 발명에 따라 결정된 하나 이상의 치수 값들을 전송하기 위한 통신 수단을 포함한다.
통상적으로, 컴퓨터는, 특히 프로세서, 메모리, 통상적으로 스크린을 포함하는 휴먼-머신 인터페이스, 인터넷을 통해, Wi-Fi 를 통해, Bluetooth® 를 통해 또는 전화 네트워크를 통해 통신하기 위한 모듈을 포함한다. 본 발명의 방법을 구현하도록 구성된 소프트웨어는 컴퓨터의 메모리에 로딩된다. 컴퓨터는 또한, 프린터에 연결될 수도 있다.
명확성을 위해, "제 1", "제 2" 가 사용된다.
유사하게, 명확성을 위해:
- "베이스" 는 선호된 단순화 방법에서 사용되는 모델을 지칭한다;
- "레퍼런스" 는, 치수 값 또는 외관 값을 평가하기 위해 단계 b) 에서, 또는 레퍼런스 모델에 의해 모델링된 오브젝트가 이 모델의 형상 또는 외관을 가질 것으로 예측되는 순간에 사용되는 모델을 지칭한다;
- "보정" 은 선호된 보정 방법에서 사용되는 모델 또는 순간을 지칭한다;
- "업데이트된" 은 단계 a), 특히, 단계 a) 로부터 유래하는 모델을 지칭한다;
- "이력 (historical)" 은 업데이트된 순간 이전에 취득된 하나 이상의 모델들, 특히 사용자와는 상이한 "이력의" 개체의 아치 또는 치아를 모델링하는 것을 지칭한다;
- "최적" 은, 모델들의 어셈블리 중으로부터, 업데이트된 모델에 가장 가까운 형상을 갖는 모델을 지칭한다.
"수직", "수평", "오른쪽 (우측)", "왼쪽 (좌측)", "정면" 또는 "정면으로부터", "뒤", "위", "아래" 는 사용자가 수직으로 똑바로 서 있는 것을 지칭한다.
"포함하는" 또는 "갖는" 또는 "나타내는" 은, 달리 표시되지 않는 한 비한정적으로 해석되어야 한다.
본 발명의 추가의 특징들 및 이점들은 다음의 상세한 설명을 읽은 것으로부터 그리고 첨부 도면을 연구하는 것으로부터 더 명백해질 것이다.
- [도 1] 도 1 은 본 발명에 따른 예시적인 키트를 개략적으로 도시한다.
- [도 2] 도 2 는 본 발명에 따른 키트를 사용 포지션에서, 즉, 사용자가 정면으로부터 보여지게, 개략적으로 도시한다.
- [도 3] 도 3 은 본 발명에 따른 키트를 사용 포지션에서, 즉, 사용자가 측면으로부터 보여지게, 개략적으로 도시한다.
- [도 4] 도 4 는 3개의 상이한 취득 해상도들을 갖는 취득된 모델을 도시한다.
- [도 5] 도 5 는, 치아 모델들을 세그먼트화하기 위한 프로세싱 이후, 취득된 모델의 일 예이며; 치아 모델의 일 예는 어두운 회색으로 채색된다;
- [도 6] 도 6 은 치과 분야에서 사용되는 치아의 넘버링을 예시한다.
- [도 7] 도 7 은 본 발명에 따른 취득 방법을 예시한다.
- [도 8] 도 8 은 본 발명에 따른 제 1 보정 방법을 예시한다.
- [도 9] 도 9 는 본 발명에 따른 제 2 보정 방법을 예시한다.
- [도 10] 도 10 은 본 발명의 일 실시형태에서의 휴대용 스캐너의 일 예를 개략적으로 도시한다.
- [도 11] 도 11 은 상보적인 데이터를 제공하는 다양한 샷들을 제시한다.
다양한 도면들에서, 동일한 참조부호들은 유사하거나 동일한 오브젝트들을 나타내기 위해 사용된다.
- [도 1] 도 1 은 본 발명에 따른 예시적인 키트를 개략적으로 도시한다.
- [도 2] 도 2 는 본 발명에 따른 키트를 사용 포지션에서, 즉, 사용자가 정면으로부터 보여지게, 개략적으로 도시한다.
- [도 3] 도 3 은 본 발명에 따른 키트를 사용 포지션에서, 즉, 사용자가 측면으로부터 보여지게, 개략적으로 도시한다.
- [도 4] 도 4 는 3개의 상이한 취득 해상도들을 갖는 취득된 모델을 도시한다.
- [도 5] 도 5 는, 치아 모델들을 세그먼트화하기 위한 프로세싱 이후, 취득된 모델의 일 예이며; 치아 모델의 일 예는 어두운 회색으로 채색된다;
- [도 6] 도 6 은 치과 분야에서 사용되는 치아의 넘버링을 예시한다.
- [도 7] 도 7 은 본 발명에 따른 취득 방법을 예시한다.
- [도 8] 도 8 은 본 발명에 따른 제 1 보정 방법을 예시한다.
- [도 9] 도 9 는 본 발명에 따른 제 2 보정 방법을 예시한다.
- [도 10] 도 10 은 본 발명의 일 실시형태에서의 휴대용 스캐너의 일 예를 개략적으로 도시한다.
- [도 11] 도 11 은 상보적인 데이터를 제공하는 다양한 샷들을 제시한다.
다양한 도면들에서, 동일한 참조부호들은 유사하거나 동일한 오브젝트들을 나타내기 위해 사용된다.
도 7 에 예시된 본 발명에 따른 방법의 목적은 사용자의 아치 또는 이 아치의 부분의 디지털 3차원 모델, 즉 "업데이트된 모델" 을 신속하게 제공하는 것이다.
단계 a) 에서, 업데이트된 순간에, 사용자는 휴대용 스캐너 (6) 를 사용하여 "취득된 모델" 을 생성한다.
바람직하게는, 취득된 모델은 적어도 2개, 바람직하게는 적어도 3개, 바람직하게는 적어도 4개의 치아, 바람직하게는 아치의 모든 치아를 나타낸다.
휴대용 스캐너는, 특히 자체 통합된 에너지 소스, 통상적으로 배터리를 갖고 그리고 그 무게는 손에 의해 조작되게 한다는 점에서 자율 스캐너이다.
바람직하게는, 휴대용 스캐너는 무게가 1 kg 미만, 바람직하게는 500 g 미만, 바람직하게는 200 g 미만, 및/또는 50 g 초과이다.
바람직하게는, 휴대용 스캐너의 최대 치수는 30 cm, 20 cm 또는 15 cm 미만, 및/또는 5 cm 초과이다.
휴대용 스캐너는 바람직하게는, 10 mm 미만, 바람직하게는 5 mm 미만, 바람직하게는 3 mm 미만, 바람직하게는 2 mm 미만, 바람직하게는 1 mm 미만, 바람직하게는 1/2 mm 미만, 바람직하게는 1/5 mm 미만, 바람직하게는 1/10 mm 미만의 취득 해상도를 갖는다.
휴대용 스캐너는 바람직하게는, 취득된 모델이 5000개 초과 및/또는 200000개 미만 또는 150000개 미만의 포인트들을 포함하도록 구성된다.
도 4 는, 각각, 5000, 11500 및 154000 포인트들을 포함하는 휴대용 스캐너로 취득된 아치 모델 8 의 예들을 도시한다.
휴대용 스캐너 (6) 는 도 1 에서와 같은 셀폰 (12) 에 통합되거나 셀폰과 통신할 수도 있다. 따라서, 단계 a) 는 사용자에 의해 용이하게 구현될 수 있다. 셀폰은 또한, 업데이트된 모델을 원격 컴퓨터로 전송할 수 있게 한다.
업데이트된 순간은, 사용자에 의해 경험되는 치과교정 치료 동안이거나 임의의 치과교정 치료 밖일 수도 있다.
단계 a) 에서, 사용자는 바람직하게는 휴대용 스캐너를 손에 잡는다. 바람직하게는, 이는, 예를 들어, 삼각대와 같이, 예를 들어, 지면에 놓인 구조물에 의해 고정화되지 않는다. 바람직하게는, 사용자의 머리는 고정되지 않는다.
일 실시형태에서, 사용자는 휴대용 스캐너 이외의 어떠한 디바이스도 사용하지 않고 덴탈 아케이드를 스캔한다.
바람직한 실시형태에서, 이들은 도구를 사용하여 그들의 입술을 벌리게 하고 휴대용 스캐너에 덴탈 아치를 더 잘 노출시킨다. 그 도구는, 예를 들어, 그들의 입 안에 도입된 스푼일 수도 있다.
일 실시형태에서, 그들은 그들의 입 안에 부분적으로 도입하는 견인기 및/또는 구강 지지체를 사용한다.
휴대용 스캐너에 대한 지지체
특히 유리한 실시형태에 있어서, 단계 a) 에서, 사용자는 휴대용 스캐너 (6) 및 지지체 (14) (도 1) 를 포함하는 키트 (10) 를 사용하여, 다음을 동시에 가능하게 한다:
- 치아를 자유롭게 남겨두기 위해 사용자의 입술을 벌리게 하는 것, 및
- 치아에 관한 휴대용 스캐너 (6) 의 포지셔닝 및 배향을 용이하게 하는 것.
지지체 (14) 는 바람직하게는, 환자의 입 안으로 도입되도록 의도되는, "구강 개구부" (Oo) 로서 지칭되는 개구부를 가지며 그리고 지지체 (14) 에 견고하게 고정된, 바람직하게는 착탈가능하게 고정된 휴대용 스캐너의 렌즈를 향하는 "취득 개구부" 로서 지칭되는 반대쪽 개구부를 갖는 튜브형 보디의 전체 형상을 취한다.
바람직하게는, 취득 개구부는 또한 휴대용 스캐너의 플래시를 향하며, 이는 취득 동안 사용자의 치아를 조명하는데 그것을 사용할 수 있게 한다.
지지체 (14) 는 휴대용 스캐너와 구강 개구부 (Oo) 사이의 간격을 정의할 수 있게 하고 구강 개구부에 관하여 휴대용 스캐너를 배향시킬 수 있게 한다. 유리하게는, 사용 포지션에서, 그 렌즈, 취득 개구부 및 구강 개구부를 통해 휴대용 스캐너 (6) 에 의해 취득된 데이터는 사용자의 치아로부터 미리결정된 거리에서 그리고 미리정의된 배향으로 취득된다. 바람직하게는, 지지체는, 이러한 간격 및 이러한 배향이 일정하도록 구성된다.
바람직하게는, 지지체 (14) 는 다음을 갖는다:
- 구강 개구부 (Oo) 를 정의하는 튜브형 견인기 (16) 로서, 바람직하게는 구강 개구부 (Oo) 의 주연부 둘레에서 방사상 외측으로 연장되고 사용자의 입술과 치아 사이에 도입되도록 의도되는 림 (22) 을 포함하는, 상기 튜브형 견인기 (16), 및
- 휴대용 스캐너 (6) 가 고정되는, 예를 들어 도 1 에 예시된 바와 같이 2개의 조오들 (241 및 242) 사이에 클램핑되는 어댑터 (18) 로서, 어댑터 (18) 는 바람직하게는 예를 들어 클립 (20) 에 의해 착탈가능하게 견인기 (16) 에 견고하게 고정되거나, 또는 휴대용 스캐너의 렌즈가 구강 개구부를 "볼" 수 있도록 견인기와 원피스로 제조되는, 상기 어댑터 (18).
림 (22) 의 최대 높이 (h22) 는 바람직하게는 3 mm 초과 및 10 mm 미만이다.
취득된 모델을 취득하기 위해, 사용자는 클립 (20) 에 의해 어댑터 (18) 와 튜브형 견인기 (16) 를 조립하고, 그 다음, 휴대용 스캐너가 튜브형 견인기 (16) 및 어댑터 (18) 를 통해 스캔을 수행할 수 있도록 휴대용 스캐너는 어댑터 (18) 상에 조립된다. 그 다음, 사용자는, 그들의 입술과 치아 사이에 림 (22) 을 삽입함으로써 휴대용 스캐너 반대쪽에 있는 튜브형 견인기의 그 단부를 그들의 입 내로 도입한다. 따라서, 입술은 튜브형 견인기 (16) 상에 그의 외부에 놓이며, 이는 구강 개구부 (Oo) 를 통해 치아를 명확하게 볼 수 있게 한다.
획득된 사용 포지션에서, 도 2 및 도 3 에 예시된 바와 같이, 치아가 지지체에 놓이지 않아서, 사용자 (U) 는, 지지체에 관하여 머리를 회전시킴으로써, 구강 개구부를 통해 휴대용 스캐너에서 볼 수 있는 치아를 수정할 수 있다. 그들은 또한, 그들의 덴탈 아치들 사이의 간격을 수정할 수도 있다. 특히, 지지체는 입술을 벌리게 하지만, 2개의 조오들이 서로 이격되도록 치아를 가압하진 않는다.
취득된 모델은 덴탈 아치 또는 2개의 덴탈 아치들의 전부 또는 일부를 나타낼 수도 있다.
취득된 모델의 세그먼트화
일 실시형태에서, 휴대용 스캐너로 취득된 아치의 모델은, 바람직하게는 적어도 하나의 치아 모델 (30) 을 정의하기 위해 세그먼트화된다. 일 실시형태에서, 업데이트된 모델은, 따라서, 취득된 모델의 부분으로 감소되고, 바람직하게는 치아 모델로 감소된다.
그 다음, 바람직하게는, 단계들 b) 및 c) 는 각각의 치아 모델에 대해 연속적으로 구현된다.
모델의 세그먼트화는 임의의 공지된 세그먼트화 방법을 구현할 수도 있다.
취득된 모델의 세그먼트화로부터 가능하게 유래하는 업데이트된 모델의 보정은, 모델링하는 오브젝트와 더 잘 매칭하도록 수정하는 것으로 이루어진다. 이를 위해, 모델의 해상도를 개선하고/하거나 이를 보충하고/하거나 이를 더 현실적인 컬러로 제공하는 것, 예를 들어, 이를 초현실적으로 만들고/만들거나 이를 클린업하는 것이 특히 가능하다. 모델을 클린업하는 것은, 예를 들어, 타겟팅된 오브젝트가 치아일 때 치과교정 브래킷의 표현을 제거하는 것 또는 획득 동작으로부터 발생하는 결함들을 제거하는 것, 특히 취득 동안 타액으로 인한 아티팩트들을 클린업하는 것에 의해, 타겟팅된 오브젝트를 모델링하지 않는 모델의 그러한 부분들을 제거하는 것으로 이루어진다.
보정
업데이트된 모델은 바람직하게는, 보정을 위해 데이터 프로세싱된다. 업데이트된 모델의 보정은 단순화 이전 또는 이후에 수행될 수도 있다.
도 8 에 예시된 선호된 실시형태에서, 업데이트된 모델은 "보정 모델" 과 비교된 다음, 이 비교의 결과들의 함수로서 보정된다.
바람직하게는, 보정될 모델이 치아 모델일 때 다음의 단계들이 뒤따른다:
i) "이력 치아 모델들" 로서 지칭되는 1000개 초과의 치아 모델들을 포함하는 이력 라이브러리를 생성하고, 각각의 이력 치아 모델에 치아 번호를 부여하는 단계;
ii) 보정될 치아 모델을 분석하여, 보정될 상기 치아 모델에 의해 모델링된 치아의 번호를 결정하는 단계;
iii) 동일한 번호를 갖고 보정될 상기 치아 모델과 가장 잘 피팅되는 이력 치아 모델, 즉, "최적 치아 모델" 에 대한 이력 라이브러리를 검색하는 단계;
iv) 최적 치아 모델에 관한 정보에 기초하여 보정될 치아 모델을 수정하는 단계로서, 수정은 가능하게는 보정될 치아 모델의 최적 치아 모델로의 대체를 포함하는, 상기 보정될 치아 모델을 수정하는 단계.
단계 i) 에서, 바람직하게는 2000개 초과, 바람직하게는 5000개 초과, 바람직하게는 10000개 초과 및/또는 10000000개 미만의 이력 치아 모델들을 포함하는 이력 라이브러리가 생성된다.
이력 치아 모델은 특히, 스캐너로 획득된 "이력" 환자의 덴탈 아치의 모델로부터 획득될 수도 있다. 이러한 아치 모델은, 도 5 에서와 같이, 치아의 표현들, 즉, 치아 모델들을 분리하기 위해 세그먼트화될 수도 있다.
따라서, 이력 라이브러리는 이력 치아 모델들 및 이들 이력 치아 모델들에 의해 모델링된 치아의 번호들을 포함한다.
단계 ii) 에서, 보정될 치아 모델은 그 번호를 결정하기 위해 분석된다.
치아 번호들은 통상적으로, 표준 규칙에 따라 부여된다. 따라서, 다른 치아 모델들의 번호들을 결정하기 위해 필요한 모든 것은 이러한 규칙 및 모델링된 치아의 번호를 아는 것이다.
선호된 실시형태에서, 보정될 치아 모델의 형상은 그 번호를 정의하도록 분석된다. 이러한 형상 인식은 바람직하게는, 뉴럴 네트워크에 의해 수행된다.
바람직하게는, "오브젝트 검출 네트워크들" 로부터, 예를 들어, 다음의 뉴럴 네트워크들로부터 바람직하게 선택되는 뉴럴 네트워크가 이용된다: R-CNN (2013), SSD (단일 샷 멀티박스 검출기: 오브젝트 검출 네트워크), 패스터 R-CNN (패스터 영역 기반 컨볼루셔널 네트워크 방법: 오브젝트 검출 네트워크), 패스터 R-CNN (2015), SSD (2015), RCF (에지 검출을 위한 리치 컨볼루셔널 피처들) (2017), SPP-Net, 2014, OverFeat (Sermanet 등), 2013, GoogleNet (Szegedy 등), 2015, VGGNet (Simonyan 및 Zisserman), 2014, R-CNN (Girshick 등), 2014, 패스트 R-CNN (Girshick 등), 2015, ResNet (He 등), 2016, 패스터 R-CNN (Ren 등), 2016, FPN (Lin 등), 2016, YOLO (Redmon 등), 2016, SSD (Liu 등), 2016, ResNet v2 (He 등), 2016, R-FCN (Dai 등), 2016, ResNeXt (Lin 등), 2017, DenseNet (Huang 등), 2017, DPN (Chen 등), 2017, YOLO9000 (Redmon 및 Farhadi), 2017, Hourglass (Newell 등), 2016, MobileNet (Howard 등), 2017, DCN (Dai 등), 2017, RetinaNet (Lin 등), 2017, 마스크 R-CNN (He 등), 2017, RefineDet (Zhang 등), 2018, 캐스케이드 RCNN (Cai 등), 2018, NASNet (Zoph 등), 2019, CornerNet (Law 및 Deng), 2018, FSAF (Zhu 등), 2019, SENet (Hu 등), 2018, ExtremeNet (Zhou 등), 2019, NAS-FPN (Ghiasi 등), 2019, Detnas (Chen 등), 2019, FCOS (Tian 등), 2019, CenterNet (Duan 등), 2019, EfficientNet (Tan 및 Le), 2019, AlexNet (Krizhevsky 등), 2012, Cbnet (2020), Point-gnn (2020), MDFN (2020), CADN (2021).
바람직하게는, 뉴럴 네트워크는 입력으로서 치아 모델을 그리고 출력으로서 연관된 치아 번호를 공급함으로써 트레이닝된다. 따라서, 뉴럴 네트워크는, 입력으로서 제시된 치아 모델에 대한 치아 번호를 공급하도록 학습한다.
그 다음, 동일한 번호를 갖는 이력 치아 모델에 기초하여 보정될 치아 모델을 수정할 수 있다.
단계 iii) 에서, 보정될 치아 모델과 동일한 번호를 갖는 이력 치아 모델들 중으로부터, 보정될 치아 모델과 가장 잘 피팅되는 이력 치아 모델에 대해, 이력 라이브러리가 검색된다. 이러한 이력 치아 모델은 "최적 치아 모델" 로서 설명된다.
"피팅" 은 이력 치아 모델과 보정될 치아 모델 간의 형상의 차이의 척도이다. 형상의 차이는, 예를 들어, 표준 구성으로 배치된 이후 보정될 치아 모델과 이력 치아 모델 간의 평균 거리일 수도 있다.
바람직하게는, 이력 치아 모델 상의 포인트들과 보정될 치아 모델 상의 포인트들 사이의 누적 유클리드 거리가 가장 낮을 때, 최상의 피팅, 또는 "최상의 매칭" 이 달성된다.
단계 iv) 에서, 보정 모델로서 사용되는 최적 치아 모델에 관한 정보에 기초하여 보정될 치아 모델이 수정된다.
예를 들어, 표준 구성에서, 제 1 거리 임계치보다 큰, 예를 들어 1 mm 보다 큰 거리만큼 최적 치아 모델로부터 이격되는, 보정될 치아 모델의 구역들은, 대향하는 최적 치아 모델의 구역들로 대체될 수 있고, 및/또는
보정될 치아 모델의 "백색" 구역들, 즉 백색이 아닌 최적 치아 모델의 구역들과 대향하는 정의되지 않은 구역들은 최적 치아 모델의 이들 구역들로 대체될 수 있다.
보정될 치아 모델의 수정은 또한, 보정될 치아 모델을 최적 치아 모델로 대체하는 것으로 이루어질 수 있다.
바람직하게는, 단계들 i) 내지 iv) 는 취득된 모델에서의 각각의 세그먼트화된 치아 모델에 대해 수행된다.
그 방법은, 덴탈 아치를 나타내는 업데이트된 모델에 적용될 수 있다. 단계들 ii) 및 iii) 에서, 업데이트된 모델에 대한 분류 기준이 결과로서 적응된다. 치아 번호 대신, 분류 기준은, 예를 들어, 아치에 관한 하나 이상의 속성들, 예를 들어 아치의 폭에 대한 것이거나, 또는 2개의 아치들에 대한 것일 수도 있다. 분류 기준은 특히, 분류 기준의 정의에 있어서 상기에 열거된 것들로부터 선택될 수도 있다.
업데이트된 모델은, 학습 베이스에 의해 이를 위해 트레이닝된 뉴럴 네트워크에 제출될 수도 있다. 뉴럴 네트워크는 특히, 다음의 네트워크들 중으로부터 선택될 수도 있다: 3D 생성적 적대적 네트워크 및 순환 컨볼루셔널 네트워크들을 이용한 형상 인페인팅 (2017), 그래프 컨볼루셔널 오토인코더들로의 변형가능한 형상 완성 (2018), 약한 지도 하의 3D 형상 완성 학습 (2018), PCN: 포인트 완성 네트워크 (2019), TopNet: 구조적 포인트 클라우드 디코더 (2019), RL-GAN-Net: 실시간 포인트 클라우드 형상 완성을 위한 강화 학습 에이전트 제어된 GAN 네트워크 (2019), 포인트 클라우드 완성을 위한 캐스케이드형 리파인먼트 네트워크 (2020), PF-Net: 3D 포인트 클라우드 완성을 위한 포인트 프랙탈 네트워크 (2020), 계위적 폴딩으로 스킵 어텐션 네트워크에 의한 포인트 클라우드 완성 (2020), GRNet: 조밀한 포인트 클라우드 완성을 위한 그리딩 레지듀얼 네트워크 (2020), 및 포인트 클라우드 완성을 위한 적대적 렌더링을 갖는 스타일 기반 포인트 생성기 (2021).
예를 들어, 학습 베이스에서의 각각의 기록은 다음을 포함할 수도 있다:
- 오브젝트의, 예를 들어,
덴탈 아치의, 또는
치아 모델의 불완전 모델, 및
- 동일한 모델이지만 완전 모델.
바람직하게는, 기록들에 모델링된 오브젝트들은 분류 기준에 의해 정의된 하나의 동일한 클래스에 속한다. 예를 들어, 이들 오브젝트들이 치아이면, 치아 모델들의 치아 번호는 바람직하게는, 학습 베이스에서의 모든 기록들에 대해 동일하다.
바람직하게는, 이미지들의 생성을 전문적으로 하는 뉴럴 네트워크가 이용된다, 예를 들어:
- 사이클 일관성 적대적 네트워크들 (2017),
- 증강 CycleGAN (2018),
- 딥 포토 스타일 트랜스퍼 (2017),
- FastPhotoStyle (2018),
- pix2pix (2017),
- GAN용 스타일 기반 생성기 아키텍처 (2018),
- SRGAN (2018),
- WaveGAN 2020,
- GAN-LSTM 2019,
- CSGAN 2021,
- DivCo 2021.
각각의 기록에 대해 연속적으로, 불완전 모델이 그리고 출력으로서, 대응하는 완전 모델이 공급됨으로써 이러한 학습 베이스로 트레이닝된 이후, 뉴럴 네트워크는 불완전 모델을 완전 모델로 변환할 수 있다.
완전 모델은 "보정 모델" 로서 사용된다.
보정 모델은, 취득된 모델의 취득 동안 품질 제어를 수행하기 위해, 즉, 이러한 취득이 결함들을 생성하지 않았음을 체크하기 위해 사용될 수 있다. 결함은, 덴탈 아치 또는 아치들을 올바르게 나타내지 않은 취득된 모델의 부분이다. 예를 들어, 모델은, 현실에서, 즉, 덴탈 아치 또는 아치들 상에서 존재하지 않는 거칠기 또는 만입부들을 가질 수도 있다.
취득된 모델의 보정은 또한, 취득 동작으로부터 발생하는 그러한 결함들을 제거하기 위해 사용될 수 있다.
클린업
업데이트된 모델을 클린업하는 것은 바람직하게는, 상기의 수정 방법 (단계들 i) 내지 iv)) 과는 독립적으로 수행된다. 목적은, 외부 오브젝트의 표현이 사라지게 하기 위해, 그러나 또한, 그 표현을, 그 오브젝트에 의해 커버되는 아치의 표면을 가능한 한 충실하게 표현하는 표면으로 대체하기 위해, 업데이트된 모델을 프로세싱하는 것이다.
도 9 에 예시된 선호된 실시형태에서, 업데이트된 모델은, 다음의 단계들에 의해, 적어도 모델링될 오브젝트, 예를 들어, 치아를 부분적으로 마스킹하는 사용자 외부의 오브젝트, 예를 들어, 치과교정 브래킷의 표현을 제거하도록 클린업된다:
i') 다음을 정의하는 단계:
- 90% 초과의 정확도로, 모델링될 오브젝트, 예를 들어, 치아를 나타내는 업데이트된 모델 상의 포인트들, 또는 "제 1 특정 포인트들" 에 의해 형성된 제 1 특정 구역, 및
- 업데이트된 모델의 100% 에 대한 나머지를 구성하는 제 1 불특정 구역;
ii') 제 1 불특정 구역의 영역에서 제 1 복원된 구역을 정의하기 위해, 유일한 제 1 특정 구역에 기초하여, 제 1 특정 구역을 외삽하는 단계, 및 그 다음
다음을 정의하는 단계:
- 제 1 복원된 구역으로부터 임계 거리 미만의 거리만큼 이격된 제 1 불특정 구역 내의 포인트들 또는 "제 2 특정 포인트들" 에 의해 형성된 제 2 특정 구역; 및
- 제 1 불특정 구역의 100% 에 대한 나머지를 구성하는 제 2 불특정 구역;
iii') 제 2 불특정 구역의 영역에서 제 2 복원된 구역을 정의하기 위해, 유일한 합계에 기초하여 제 1 및 제 2 특정 구역들에 의해 형성된 합계를 외삽하는 단계, 및 그 다음
클린한 업데이트된 모델을 획득하기 위해, 제 2 불특정 구역을 제 2 복원된 구역으로 대체하는 단계.
이들 동작들은 유리하게는, 업데이트된 모델로부터 외부 오브젝트의 표현을 제거할 수 있게 하고, 양호한 정확도로 모델링될 오브젝트를 표현하는 클린한 업데이트된 모델을 획득할 수 있게 한다.
외부 오브젝트는 특히, 치과교정 기기, 크라운, 임플란트, 브릿지, 탄성 밴드 또는 베니어 (veneer) 의 전부 또는 일부일 수도 있다. 이는 또한, 식품, 타액 한 방울, 도구의 전부 또는 일부일 수도 있다.
단계 i') 에서, 외부 오브젝트의 표현이 분리된다. 더 구체적으로, 사실상 확실히, 아치 상의 포인트들의 표현들인 업데이트된 모델의 포인트들이 식별된다.
이미지들에서 오브젝트들을 검출하기 위한 알고리즘들은 당업자에게 널리 공지되어 있다. 바람직하게는, "오브젝트 검출 네트워크들" 로부터, 예를 들어, 상기에서 열거된 것들로부터 바람직하게 선택되는 뉴럴 네트워크가 이용된다.
이들 뉴럴 네트워크들은, 트레이닝 이후, 90% 이상의 정확도 임계치보다 더 높은 정확도로, 아치 상의 포인트들을 나타내는 업데이트된 모델 상의 포인트들, 또는 "제 1 특정 포인트들" 을 검출할 수 있다. "제 1 특정 구역" 으로서 지칭되는 이들 포인트들의 세트는 업데이트된 모델의 일부를 구성한다. 제 1 특정 구역에는 없는 업데이트된 모델 상의 포인트들이 함께, "제 1 불특정 구역" 을 형성한다.
바람직하게는, 정확도 임계치는 95% 초과, 바람직하게는 98% 초과, 바람직하게는 99% 초과 및/또는 99.99% 미만이다.
이미지에서 오브젝트를 검출하기 위한 뉴럴 네트워크의 트레이닝은 당업자에게 어렵지 않다. 예를 들어, 아치 모델들을 입력으로서 갖고 그리고 아치를 나타내는 구역들 및 외부 오브젝트를 나타내는 구역들이 출력으로서 식별된 동일한 아치 모델들을 갖는 뉴럴 네트워크를 공급할 수 있다. 따라서, 아치 모델 상의 이들 구역들을 정의하도록 학습한다.
다음의 단계들의 목적은, 제 1 불특정 구역이 제거되면 나타나는 업데이트된 모델의 "제 1 백색 구역" 을 충전하는 것이다.
단계 ii') 에서, 제 1 특정 구역은, 상기 제 1 백색 구역을 충전할 표면을 정의하는데 사용된다. 이 표면은 "제 1 복원된 구역" 으로서 지칭된다.
이러한 외삽을 수행하기 위한 기법들은 널리 공지된다. 인용될 수 있는 일 예는 WENDLAND, Holger. Piecewise polynomial, positive definite and compactly supported radial functions of minimal degree. Advances in computational Mathematics, 1995, vol. 4, no 1, p. 389-396 이다.
그 다음, 외부 오브젝트에 의해 마스킹된 아치의 표면의 복원을 정세화하기 위해, 제 1 복원된 구역에 가까운 제 1 불특정 구역의 포인트들이 식별된다. 따라서, 이들 포인트들은, 사실상 확실하게 아치 상의 포인트들을 나타내는 포인트들로부터 외삽된 표면에 가까운 업데이트된 모델 상의 포인트들이다.
업데이트된 모델 상의 이들 포인트들, 또는 "제 2 특정 포인트들" 은 또한, 높은 정확도로, 아치 상의 포인트들을 나타내는 포인트들임이 고려된다. 이들 포인트들의 세트는 "제 2 특정 구역" 으로서 지칭된다. 따라서, 이들 포인트들은, 단계 i') 의 분석에 의해 폐기되었지만 단계 i') 의 분석에 의해 보유된 포인트들로부터 외삽된 표면에 가깝기 때문에 보유되는 업데이트된 모델 상의 포인트들이다.
제 1 특정 구역 또는 제 2 특정 구역에 속하지 않는 업데이트된 모델 상의 포인트들은 함께, "제 2 불특정 구역" 을 형성한다.
제 1 불특정 구역에서의 포인트와 제 1 복원된 구역의 피팅은, 이 포인트와 이 제 1 복원된 구역 사이의 유클리드 거리의 측정치에 의해 평가될 수 있다. 이 거리가 거리 임계치보다 작으면, 제 1 불특정 구역에서의 포인트는 제 2 특정 구역의 부분이 되어야 함이 고려된다.
모델이 1 의 스케일이면, 즉, 모델링된 오브젝트를 그 오브젝트의 실제 치수들로 나타내면, 임계 거리는 바람직하게는 0.1 mm 초과 및/또는 1 mm 미만이다.
임계 거리는 또한, 예를 들어, 이들 거리들의 평균 및 표준 편차의 함수로서, 제 1 불특정 구역 및 제 1 복원된 구역에서의 포인트들 사이의 상기 유클리드 거리들의 분포의 분석에 의해 결정될 수 있다. 예를 들어, "3-시그마 규칙" 타입의 방법을 사용한 동적 계산이 구현될 수 있다.
단계 iii') 에서, 목적은 제 2 불특정 구역을, 아치의 표면에 가장 잘 대응하는 제 2 복원된 구역으로 대체하는 것이다. 이를 위해, 제 1 및 제 2 특정 구역들이 제 2 불특정 구역의 영역에서 외삽된다.
외삽은 유일한 제 1 특정 구역에 기초하는 것이 아니라, 제 1 및 제 2 특정 구역들의 합계에 기초한다는 것이 특히 주목할 만하다. 따라서, 테스트들은 이러한 외삽이, 높은 신뢰성으로, 아치의 표면을 나타내는 제 2 복원된 구역을 획득할 수 있게 함을 보여주었다.
단계 iii') 에서의 외삽은 단계 ii') 에서 구현된 것들과 동일한 방법들을 사용할 수 있다. 상이한 방법들을 또한 사용할 수도 있다.
제 1 및 제 2 특정 구역들 및 제 2 복원된 구역은, 외부 오브젝트들의 표현이 제거된 클린한 업데이트된 모델을 구성한다.
외관의 보정
바람직하게는, 업데이트된 모델은, 바람직하게는 뉴럴 네트워크에 의해, 초현실적으로 만들어진다.
업데이트된 모델은, 예를 들어, http://cs230.stanford.edu/projects_winter_2020/reports/32639841.pdf 에 기술된 바와 같이, 학습 베이스에 의해 이를 위해 트레이닝된 뉴럴 네트워크에 제출될 수도 있다.
예를 들어, 학습 베이스에서의 각각의 기록은 다음을 포함할 수도 있다:
- 오브젝트의, 예를 들어,
덴탈 아치의, 또는
치아 모델의 대략적인 모델, 및
- 동일한 모델이지만 초현실적인 모델.
대략적인 모델들은 바람직하게는, 업데이트된 모델과 유사한 외관을 갖는다. 이들은 스캔들일 수 있으며, 바람직하게는, 단계 a) 에서 사용된 휴대용 스캐너와 동일하거나 유사한 스캐너를 사용하여 수행될 수도 있다.
대략적인 모델들은, 예를 들어, 사진들을 투사함으로써 초현실적으로 만들어졌을 수도 있다.
바람직하게는, 기록들에 모델링된 오브젝트들은 분류 기준에 의해 정의된 하나의 동일한 클래스에 속한다. 예를 들어, 이들 오브젝트들이 치아이면, 치아 모델들의 치아 번호는 바람직하게는, 학습 베이스에서의 모든 기록들에 대해 동일하다.
바람직하게는, 이미지들의 생성을 전문적으로 하는 뉴럴 네트워크가 이용된다, 예를 들어:
- 사이클 일관성 적대적 네트워크들 (2017),
- 증강 CycleGAN (2018),
- 딥 포토 스타일 트랜스퍼 (2017),
- FastPhotoStyle (2018),
- pix2pix (2017),
- GAN용 스타일 기반 생성기 아키텍처 (2018),
- SRGAN (2018),
각각의 기록에 대해 연속적으로, 입력으로서 대략적인 모델이 그리고 출력으로서 초현실적인 모델이 공급됨으로써 학습 베이스로 트레이닝된 이후, 뉴럴 네트워크는 대략적인 모델을 초현실적인 모델로 변환할 수 있다.
상기에서 설명된 보정 방법들에 의해, 업데이트된 모델은 유리하게는, 높은 현실감으로, 모델링된 오브젝트, 예를 들어, 실제 아치를 나타내는 업데이트된 모델로 변환될 수 있다.
단순화
사용 전에, 예를 들어, 단계 b) 동안, 가능하게는 보정되는 업데이트된 모델은, 특히 단계 b) 에서의 프로세싱을 용이하게 하기 위해 단순화될 수 있다. 단순화는 또한, 가능한 보정 전 또는 후에, 또는 보정 프로세싱의 2개의 인스턴스들 사이에서, 수행될 수도 있다.
바람직하게는 보정되는 업데이트된 모델은, 스크린 상에, 바람직하게는 통합된 휴대용 스캐너를 가질 때 셀폰의 스크린 상에, 및/또는 치과 헬스케어 전문가의 진료실에서의 스크린 상에 바람직하게 디스플레이된다.
상기에서 설명된 세그먼트화 및/또는 보정 및/또는 클린업 및/또는 외관 보정 및/또는 단순화 동작들 중 하나 이상이,
- 휴대용 스캐너에서, 바람직하게는 휴대용 스캐너를 통합하거나 또는 취득 도구와 통신하는 셀폰에서, 또는
- 상기 셀폰이 취득된 모델 또는 업데이트된 모델을 전송한, 상기 셀폰과 통신하는 데이터 처리 센터에서, 구현될 수 있다.
단계 b)에서, 업데이트된 모델의 치수 파라미터의 적어도 하나의 값, 또는 "치수 값", 및/또는 업데이트된 모델의 외관 파라미터의 적어도 하나의 값, 또는 "외관 값" 이 결정된다.
단계 b) 는 셀폰에서, 또는 셀폰으로부터 원격에 있는 그리고 셀폰이 업데이트된 모델을 전송하는 프로세싱 센터에서 구현될 수 있다.
단계 b) 에서 사용되는 업데이트된 모델은 다음과 같을 수 있다:
- 취득된 모델, 즉, 휴대용 스캐너에 의해 생성된 대략적인 모델, 또는
- 예를 들어, 취득된 모델의 컴퓨터 세그먼트화로부터 기인하는 취득된 모델의 부분, 또는
- 보정 및/또는 단순화 이후의 상기 취득된 모델, 또는
- 보정 및/또는 단순화 이후의 취득된 모델의 상기 부분.
"치수 값" 은 업데이트된 모델의 형상에 의존하는 값이다. 이 값은, 특히 다음으로부터 선택될 수도 있는 "치수 파라미터" 의 값이다:
- 업데이트된 모델의 치수, 예를 들어, 덴탈 아치의 또는 치아의 폭, 길이 또는 높이;
- 업데이트된 모델 상의 포인트로부터 레퍼런스까지의 거리, 또는
- 이들 치수들 및 거리들로부터 유도된 파라미터, 예를 들어, 치과교정 지수, 송곳니/어금니 교합 클래스, 오버바이트 또는 오버제트의 측정치, 치아 번호, 또는 치아의 존재 또는 부존재의 표시.
치수 값은 업데이트된 모델 상에서 측정되거나 또는 업데이트된 모델 상에서 취해진 하나 이상의 측정치들로부터 획득될 수도 있다.
예를 들어, 2개의 치아 사이의 간격, 주목할만한 포인트로부터, 예를 들어, 하나의 치아의 다른 치아에 관한 정렬을 평가하기 위해, 업데이트된 오브젝트 (특히, 아치 또는 치아) 에 관하여 또는 다른 치아에 관하여 고정되는 레퍼런스 시스템, 예를 들어, 직교정규 레퍼런스까지의 포지션, 치아의 다른 치아들에 관한 또는 레퍼런스 시스템에서의 미리결정된 포지션에 관한 오프셋, 치아 또는 연조직 상에 포지셔닝되는 고정된 또는 착탈가능한 치과교정 기기에 관한 하나 이상의 치아의 포지셔닝, 아치의 사이즈 지수 또는 불규칙성 지수, 하나의 치아의 다른 치아에 관한 또는 잇몸에 관한 오정렬, 치아의 변형, 예를 들어, 충치 깊이, 잇몸의 변형, 아치의 폭 또는 하나의 아치의 다른 아치에 관한 상대적 포지션을 측정할 수 있다.
치수 값은 또한, 업데이트된 모델과 레퍼런스 모델 사이의 형상의 차이의 측정치일 수도 있다. 특히, 업데이트된 모델에서 및 레퍼런스 모델에서 치아의 형상들 및/또는 포지션들을 비교할 수 있다.
"외관 값" 은 업데이트된 모델의 표면의 외관에 의존하는 값이다. 이 값은, 특히, 다음: 즉, 컬러, 반사도, 투명도, 반사율, 음영, 반투명도, 유백광, 치아 상의 치석, 플라크 또는 음식 침착물들의 존재에 관한 표시로부터 선택될 수도 있는 "외관 파라미터" 의 값이다.
외관 값은 또한, 업데이트된 모델과 레퍼런스 모델 사이의 외관의 차이의 측정치일 수도 있다. 특히, 업데이트된 모델에서 및 레퍼런스 모델에서 치아의 외관들을 비교할 수 있다.
레퍼런스 모델은 타겟팅된 어플리케이션의 함수로서 선택된다.
예를 들어, 목적이 치과적 상황이 업데이트된 순간에 정상적인지 여부를 체크하는 것, 즉, 치과 헬스케어 전문가에 의한 개입을, 특히 치료 또는 미용의 이유들로, 요구하지 않음을 검증하는 것이라면, 레퍼런스 모델은, 업데이트된 순간에 정상적인 것으로 간주되는 치과적 상황에서 업데이트된 오브젝트와 동일한 타입의 오브젝트를 나타내거나 심지어 업데이트된 오브젝트를 나타내는 모델일 수도 있다.
레퍼런스 모델은, 예를 들어, 다음과 같은, 바람직하게는 100개 초과의 개체들, 바람직하게는 1000개 초과의 개체들 및/또는 10000000개 미만의 개체들을 포함하는 개체들의 세트를 나타낼 수도 있다:
- 업데이트된 오브젝트가 치아이면 타이포돈트로부터의 치아, 또는
- 업데이트된 오브젝트가 아치이면 개체들의 세트에 대한 평균 아치 형상에 대응하는 아치.
레퍼런스 모델은 업데이트된 오브젝트와 동일한 타입의 오브젝트를 나타내는 모델일 수도 있으며, 바람직하게는 업데이트된 오브젝트를 나타내지만, 포지션에서 및/또는 형상으로 및/또는 외관으로는, 업데이트된 순간 이전 또는 이후에 또는 업데이트된 순간과 동시에 도래하는 레퍼런스 순간에 대해 예상되는 업데이트된 오브젝트의 그것이다.
레퍼런스 순간은 특히, (예를 들어, 치과교정 치료의 시작 또는 종료 시에 또는 치과교정 치료의 중간 단계, 또는 중간 "셋업" 또는 "스테이징" 에서) 사용자에 의해 경험되는 치과교정 치료의 단계일 수도 있다.
업데이트된 순간과 레퍼런스 순간 사이의 시간적 인터벌은 1주 초과, 바람직하게는 2주, 4주, 6주, 2개월 초과 및/또는 6개월 미만일 수도 있다.
레퍼런스 모델은 스캐너, 예를 들어, 휴대용 스캐너를 사용하는 사용자에 의해, 바람직하게는 전문가 스캐너에 의해 획득될 수도 있거나, 또는 US16/031,172 와 균등한 EP18184486 에서 기술된 바와 같은, 아치의 사진들 및 이력 치아의 라이브러리에 기초한 구성에 의해 획득될 수도 있다.
레퍼런스 모델은 바람직하게는, 컴퓨터 시뮬레이션에 의해 획득되어, 레퍼런스 순간에, 특히 치과교정 치료의 종료 시에 또는 업데이트된 순간에, 의도된 구성의 덴탈 아치를 나타내게 한다.
예를 들어, 결과는, 예를 들어, 사용자의 아치의 스캔에 의해 생성된, 바람직하게는 업데이트된 순간의 1 주일 초과 전에, 예를 들어 치과교정 치료의 시작 시에 생성된 초기 모델의 수정일 수도 있다. 초기 모델은 통상적으로, 치아 모델들을 정의하도록 세그먼트화된다. 그 다음, 치아 모델들을 이동시키는 것은 치과교정 치료의 프로세스를 시뮬레이션할 수 있게 한다.
치아 모델들을 조작하고 치료 시나리오를 생성하기 위한 소프트웨어의 일 예는 웹 페이지 https://en.wikipedia.org/wiki/Clear_aligners#cite_note-invisalignsystem-10 상에서 설명된 Treat 프로그램이다. US5975893A 는 또한, 치료 시나리오의 생성을 설명한다.
일 실시형태에서, 다음이 수행된다:
- 치아 모델들을 생성하기 위해, 업데이트된 순간 이전에 생성된 레퍼런스 모델의 또는 업데이트된 모델의 세그먼트화,
- 각각, 업데이트된 모델 또는 레퍼런스 모델의 형상에 가장 잘 매칭하는 수정된 모델이 획득될 때까지 치아 모델들을 변형하지 않고 상기 치아 모델들 중 하나 이상의 움직임,
- 각각, 레퍼런스 모델 또는 업데이트된 모델에서의 그 포지션과 수정된 모델에서의 그 포지션 사이의 적어도 하나의 치아 모델의 포지셔닝 (적어도 하나의 치수 값의 결정) 에서의 차이의 평가.
단계 c) 에서, 단계 b) 에서 결정된 치수 값 및/또는 외관 값은, 특히 치료 또는 미용 목적을 위한 액션이 필요한지 여부에 관한 결정을 내리고/내리거나 이 액션의 결정에 기여하기 위해 사용된다.
치수 값 및/또는 외관 값, 및 바람직하게는 업데이트된 모델은, 예를 들어, 그들의 셀폰의 스크린 상에 디스플레이됨으로써 사용자에게 제시될 수 있다.
부가적으로 또는 대안적으로, 이들은 또한, 바람직하게는 라디오에 의해, 바람직하게는 통합된 휴대용 스캐너를 갖는 셀폰에 의해, 또는 취득 도구와 통신하여, 치과 헬스케어 전문가, 특히 치과교정의에 또는 셀폰과 통신하는 원격 컴퓨터에 전송될 수 있다.
바람직하게는, 치수 값 및/또는 외관 값은, 바람직하게는 컴퓨터에 의해, 바람직하게는 통합된 휴대용 스캐너를 갖는 셀폰에 의해 해석되고, 추천은 바람직하게는 그들의 셀폰의 스크린 상에서 사용자에게 제시된다.
업데이트된 이미지들의 사용
특히 유리한 일 실시형태에 있어서, 단계 a) 에서, 사용자는 업데이트된 모델에 추가하여, 하나 이상의 "업데이트된" 이미지들, 바람직하게는 구강외 이미지들을 취득한다. 바람직하게는, 사용자는 취득된 모델을 취득하기 위해 구현된 셀폰을 사용한다.
바람직하게는, 업데이트된 이미지들은 사진들이거나 또는 필름으로부터 추출된 이미지들이다. 이들은 바람직하게는 컬러, 바람직하게는 트루 컬러 (true color) 이다. 바람직하게는, 이들은, 이들 이미지들을 취득하기 위한 디바이스의 오퍼레이터에 의해 실질적으로 보여지는 바와 같은 덴탈 아치들을 나타낸다.
업데이트된 이미지들에 의해 제공되는 정보는 취득된 모델에 의해 제공되는 것을 보완할 수 있게 한다. 정보는 특히, 하나 이상의 업데이트된 이미지 상에서 표현되는 하나 이상의 오브젝트들, 바람직하게는 치아의 치수 및/또는 외관에 관련될 수 있다. 특히, 바람직하게는 컴퓨터에 의한 업데이트된 이미지의 분석은, 업데이트된 모델로부터 결정된 치수 값 및/또는 외관 값을 확인 및/또는 보정할 수 있게 하고, 및/또는 업데이트된 모델로부터 도출된 교시를 보완할 수 있게 한다.
예를 들어, 업데이트된 모델은 치아의 표면 상의 캐비티의 검출을 허용할 수도 있고, 업데이트된 이미지는 이 캐비티의 위치에서 더 어두운 구역을 노출시킬 수 있다. 따라서, 업데이트된 이미지는 캐비티의 존재를 확인한다. 이는 또한, 캐비티의 포지션을 확인할 수 있게 한다. 따라서, 모델 및 업데이트된 이미지들의 분석은 충치를 검출하고 그 변화를 모니터링할 수 있게 한다.
업데이트된 이미지들은 또한, 치아의 외관에 관한, 예를 들어, 그들의 컬러에 관한 정보를 매우 신뢰성있게 제공할 수 있다. 따라서, 업데이트된 모델 상에 투사되면, 이들은 업데이트된 모델의 표면을 매우 현실적으로 컬러링할 수 있게 한다.
더 바람직하게는, 상이한 각도들로부터, 즉, 사용자의 구강 캐비티에 관한 취득 디바이스의 상이한 배향들로 취해진 다중의 업데이트된 이미지들이 취득된다. 예를 들어, 업데이트된 이미지들의 세트는, 각각, "정면으로부터 본", "정면 우측으로부터 본", "우측으로부터 본", "정면 좌측으로부터 본", "좌측으로부터 본" 및 "아래로부터 본" 덴탈 아치들을 나타내는 6개의 이미지들을 포함할 수도 있다.
바람직하게는, 적어도 하나의 업데이트된 이미지는 사용자의 정면으로부터 취득된다 (정면 뷰). 바람직하게는, 적어도 하나의 업데이트된 이미지가 사용자의 우측으로부터 취득되고, 적어도 하나의 업데이트된 이미지가 사용자의 좌측으로부터 취득된다.
업데이트된 이미지들의 세트는 바람직하게는 2개 초과, 바람직하게는 3개 초과, 바람직하게는 5개 초과, 바람직하게는 6개 초과 및/또는 30개 미만, 바람직하게는 20개 미만, 바람직하게는 15개 미만, 바람직하게는 10개 미만의 업데이트된 이미지들을 포함한다.
일 실시형태에서, 업데이트된 이미지들은 상기 보정 모델 및/또는 상기 레퍼런스 모델을 생성하도록 프로세싱된다. 이를 위해, 모든 종래의 기법들이 구현될 수 있다.
업데이트된 순간에서의 2개의 모델들, 구체적으로, 업데이트된 모델 및 업데이트된 이미지들로부터 획득된 모델의 취득, 및 그 다음, 이들 모델들의 비교는 유리하게는, 휴대용 스캐너 및 이미지 취득 디바이스에 의해 각각 공급되는 3D 및 2D 표현들을 최상으로 활용할 수 있게 한다.
그 방법은, 특히 치아의 포지션 및/또는 형상이 "비정상" 이 아닌지, 즉, 이들이 치료적 또는 미적 표준을 충족하지 않는지를 체크하기 위해 임의의 치과교정 치료와는 독립적으로 구현될 수도 있다. 그 다음, 바람직하게는, 치과 헬스케어 전문가와의 약속이 행해져야 한다. 그 방법은 치과교정 치료 전에 구현될 수도 있다.
치과교정 치료의 상류에서, 그 방법은 특히, 미래에 치아의 포지셔닝 및 해부학적 구조를 취득하고 그리고 차단형 치과교정 기기 또는 맞춤형 치과교정 기기, 예를 들어, 투명 치과교정 얼라이너들의 제조를 개시하거나, 아치와이어 및 브래킷을 사용하여 맞춤형 치료를 설계하도록 구현될 수도 있다.
그 방법은, 치과교정 치료 동안, 특히 그 진행을 제어하기 위해 구현될 수 있으며, 단계 a) 는 치료를 시작하기 3개월 미만, 2개월 미만, 1개월 미만, 1주 미만, 2일 미만 전에, 즉, "능동적 유지장치 기기" 로서 지칭되는, 사용자의 치아의 포지셔닝을 보정하도록 의도된 기기의 피팅 이후에 구현된다.
치과교정 치료 동안, 그 방법은 치아의 업데이트된 모델을 취득하고 그리고 새로운 치과교정 기기, 예를 들어, 임플란트, 치과교정 얼라이너, 또는 전정 치과교정 기기의 제조를 허용하도록 구현될 수도 있다.
바람직하게는, 단계 a) 에서 생성된 업데이트된 모델 및/또는 단계 b) 에서 결정된 하나 이상의 값들은, 진단을 확립하는 것을 돕기 위해 치과 헬스케어 전문가에게 전송된다.
그 방법은 또한, 치과교정 치료 이후, 치아의 포지셔닝이 더 악화되게 변경 ("재발") 되지 않았음을 검증하기 위해 구현될 수도 있다. 그 다음, 단계 a) 는 바람직하게는, 치료의 종료 이후 3개월 미만, 2개월 미만, 1개월 미만, 1주 미만, 2일 미만, 즉, "수동적 유지장치 기기" 로서 지칭되는, 치아를 제위치에 유지하도록 의도된 기기의 피팅 이후에 구현된다.
치수 값은 바람직하게는,
- 재발을 검출하기 위해, 및/또는
- 치아의 포지셔닝의 변화율을 결정하기 위해, 및/또는
- 치과 헬스케어 전문가와의 약속 날짜를 최적화하기 위해, 및/또는
- 치과교정 치료의 효과를 평가하기 위해, 및/또는
- 치아의 결정된 포지셔닝, 특히, 치아의 개선된 포지셔닝에 대응하는 레퍼런스 모델을 향한 치아의 포지셔닝의 변화를 평가하기 위해, 및/또는
- 예를 들어, 새로운 일련의 치과교정 얼라이너들을 제조함으로써 진행 중인 치과교정 치료를 수정하기 위해, 및/또는
- 치과 진료에서, 및/또는
- 플라크, 및/또는 충치, 및/또는 미세균열, 및/또는 마모, 예를 들어, 특히 치과교정 아치와이어의 파손 또는 탈착의 경우에, 능동적 또는 수동적 치과교정 기기의 구현 또는 이갈기로부터 초래되는 마모를 시각화 및/또는 측정 및/또는 검출하기 위해;
- 특히 치아가 성장하고 있는 동안 또는 치과 헬스케어 전문가에 의한 개입, 예를 들어, 치아의 표면 상의 접착제의 침착에 뒤따르는 볼륨의 변화를 시각화 및/또는 측정 및/또는 검출하기 위해;
- 특히 치과교정 치료의 이점을 평가하도록 치과교정 치료 전에 차단형 치료의 기회를 평가하기 위해 사용된다.
외관 값은 바람직하게는, 스테이닝 또는 충치의 인스턴스의 포지션 또는 형상을 검출 또는 평가하는데 사용된다.
특히 유리한 실시형태에서, 치수 값 및 외관 값 양자 모두가 사용된다. 따라서, 유리하게는, 그 방법은 특정 병변의 변화, 특히, 스테이닝, 탈광물화 (demineralization), 또는 충치를 국소화 방식으로 정확하게 모니터링하는데 사용될 수 있다.
현재 명확한 바와 같이, 본 발명은 특정 사용자, 예를 들어, 환자로 하여금 하나 이상의 그 아치들 또는 하나 이상의 그 치아의 모델을 생성하게 하는 방법을 제공한다. 바람직하게는 그 셀폰에 통합되는 휴대용 스캐너 이외에는 어떠한 특별한 장비가 필요하지 않다.
취득된 모델은, 휴대용 스캐너를 사용자의 입 안으로 도입하지 않고도, 즉, 구강외적으로 취득될 수도 있다. 이를 보정하기 위한 업데이트된 모델의 프로세싱은, 휴대용 스캐너가 액세스하지 않았던 입의 영역들을, 예를 들어, 치간 공간 (interproximal space) 에서 모델링하기 위해 이를 보정하는 것을 특히 가능하게 한다.
일 실시형태에 있어서, 단계 a) 에서, 취득된 모델은 대략적이다. 이는 특히, 사용자의 하나 이상의 덴탈 아치들의 "3D 골격" 을 나타낼 수도 있고, 오직 500개 포인트 미만, 200개 포인트 미만, 100개 포인트 미만 또는 50개 포인트 미만 및/또는 10개 포인트 초과를 포함할 수도 있다. 특히 뉴럴 네트워크을 사용하여 또는 이력 라이브러리에 기초하여, 이를 보정하기 위한 업데이트된 모델의 프로세싱은 유리하게는, 사용자의 하나 이상의 덴탈 아치들의 훨씬 더 정확한 모델을 복원할 수 있게 한다.
일 실시형태에서, 휴대용 스캐너는 사용자의 입 안으로 부분적으로 도입된다. 유리하게는, 치아의 후면들이 스캐닝될 수도 있다.
도 10 에 도시된 바와 같이, 바람직하게는, 휴대용 스캐너 (6) 는 셀폰 (12), 및 바람직하게는 라디오에 의해, 바람직하게는 Bluetooth® 에 의해 셀폰과 통신하는 취득 도구 (31) 를 포함한다. 유선 통신이 또한 가능하다.
취득 도구에는, 사용자의 입 안으로 도입될 수 있는 취득 헤드 (32) 가 제공된다. 취득 헤드는 취득된 모델을 취득하여 셀폰 (12) 으로 전송하거나, 또는 신호, 예를 들어, 이미지들의 세트를 취득하여 셀폰 (12) 으로 전달하여, 셀폰이 상기 신호로부터 취득된 모델을 생성하게 한다.
바람직하게는, 취득 도구는 셀폰에 대한 물리적 링크를 갖지 않거나 또는 플렉시블 링크, 예를 들어, 와이어에 의해 셀폰에 연결된다.
바람직하게는, 취득 도구는, 사용자 자신 또는 그들의 친척들 중 하나의 부분 상에서, 예를 들어, 칫솔 방식으로 조작하기 쉽게 하는 핸들 (34) 을 포함한다.
일 실시형태에서, 취득 도구는, 예를 들어, 클립, 자체 접착 테이프, 클램핑 조오, 나사, 자석, 커버 또는 가요성 밴드, 바람직하게는 탄성 밴드에 의해 셀폰에 고정된다. 고정하는 것은 또한, 셀폰과 형상의 상보성으로부터 기인할 수 있다. 예를 들어, 취득 도구는 폰 케이싱에 고정될 수도 있다.
일 실시형태에서, 그 방법은 또한, 셀폰과 통신하고 그리고 보충 데이터, 예를 들어, 다음에 관한 데이터를 취득하기 위해 사용자의 입 안으로 도입되는 측정 헤드를 구현한다.
- 치아 사이의 공간들
- 치아의 설면들
- 예를 들어, 중앙 구개 봉합사 (median palatine suture) 를 포함한 구개
- 연조직 (궤양, 양성 또는 악성 병변, 침식)
- 치아의 음영
- 충치 또는 스테이닝의 존재
- 임플란트, 크라운 및/또는 브릿지의 상태 및/또는 형상
- 전정 또는 설측 치료 기기들 (예를 들어: 설측 또는 전정 브래킷들, 구개 확장기 또는 임의의 다른 치료 보조장치) 또는 유지 치료 기기들 (구개 아치와이어) 의 상태
- 하나의 동일한 전정 또는 설측 기기 또는 임의의 다른 보조장치의 다양한 부분들 사이의 거리들
- 앵커링 디바이스들 (미니-스크류 타입) 의 상태
- 앵커링 디바이스들과 입 안에 존재하는 기기들 사이의 거리
- 연조직 봉합 포인트들
- 수술 이후 연조직들의 치유
- 스피 곡선
- 윌슨 곡선
- 송곳니 사이의 거리
- 어금니 사이의 거리.
도 11 은, 특히, 중앙 구개 봉합사를 포함한 구개 (이미지 1), 연조직 봉합 포인트들 (이미지 2), 하나의 동일한 전정 또는 설측 기기 또는 임의의 다른 보조장치의 다양한 부분들 사이의 거리들 (이미지들 3 및 4), 임플란트, 크라운 및/또는 브릿지의 상태 및/또는 형상 (이미지들 5 및 8), 앵커링 디바이스들 (미니-스크류 타입) 의 상태 및 앵커링 디바이스들과 입 안에 존재하는 기기들 사이의 거리 (이미지 6), 전정 또는 설측 치료 기기들 (예를 들어, 설측 또는 전정 브래킷들, 구개 확장기 또는 임의의 다른 치료 보조장치) 또는 유지 치료 기기들 (구개 아치와이어) 의 상태 (도 7), 치아 사이의 공간 및 수술 이후 연조직들의 치유 (이미지 9), 치아의 설면들 (이미지 10), 송곳니 사이의 거리 및 어금니 사이의 거리 (이미지 10), 치아의 음영 (이미지 11), 스피 곡선 (이미지 12), 윌슨 곡선 (이미지 13), 및 충치 또는 스테이닝의 존재 (이미지 14) 에 관한 보충 데이터를 제공하는 다양한 샷들을 제시한다.
측정 헤드는, 취득 도구의 특징들 중 하나 이상을 나타내는 측정 도구에 통합될 수도 있다. 하지만, 취득 도구와 대조적으로, 측정 도구는 취득된 모델을 취득하도록 역할을 하지 않는다.
그 다음, 취득된 모델은, 특히 보완 및/또는 클린업 및/또는 초현실적으로 만들기 위해 보정될 수 있다. 사용자는 치과 헬스케어 전문가에게, 가능하게는 그들이 결코 만나지 않은 치과 헬스케어 전문가에게, 치과 헬스케어 전문가가 특히 진단을 확립하고/하거나 사용자에게 조언을 제공하고/하거나 약속 날짜를 정의하기 위해 분석할 수 있는 모델을 전송할 수 있다.
물론, 본 발명은, 설명되고 도시된 실시형태들로 제한되지 않는다.
상기에서 설명한 업데이트된 모델을 보정하고 단순화하기 위한 방법들은, 설명 방법과는 독립적으로, 발명들이다.
개선사항들
상기에서 설명된 방법을 넘어서 그리고 더 일반적으로, 그 발명은 또한, 카메라가 제공되고 바람직하게는 사용자의 입 안으로 도입될 수 있는 취득 헤드를 포함하는 취득 도구 및 셀폰에 의해 사용자의 적어도 하나의 덴탈 아치의 적어도 하나의 이미지를 취득하기 위한 방법에 관한 것이고, 그 방법 동안, 취득 헤드는:
- 상기 이미지를 취득하여 셀폰으로 전송하거나, 또는
- 신호를 취득하여 셀폰으로 전송하여, 상기 셀폰이 자율적으로 또는 상기 셀폰과 통신하는 컴퓨터를 사용하여 상기 신호로부터 이미지를 생성하게 한다.
상기 적어도 하나의 이미지는 바람직하게는 사진, 바람직하게는 사람이 직접 관찰할 것이기 때문에 덴탈 아치를 현실적으로 나타내는 사진이다.
이미지는 단계 a) 에 따라 모델을 생성하는데 사용될 수 있지만, 본 발명에 따른 이미지 취득 방법은, 이미지가 다른 목적으로 사용될 수 있으므로, 더 이상 이러한 특정 실시형태로 제한되지 않는다. 따라서, 이 방법은 하기에서 "일반적인 방법" 으로서 설명된다.
단계 a) 에 대해 상기에서 설명된 특징이 기술적으로 일반적인 방법과 호환가능한 한, 본 방법에 적용될 수도 있다.
셀폰 및 취득 도구는 바람직하게는, 사용자에 의해 배타적으로 조작된다.
취득은, 취득 도구의 카메라가 사용자의 입에 들어가지 않는 채로, 구강외적으로 수행될 수 있다. 취득은, 취득 도구의 카메라가 사용자의 입에 들어간 채로, 구강내적으로 수행될 수 있다.
일 실시형태에서, 취득 도구는, 예를 들어, 클립, 자체 접착 테이프, 클램핑 조오, 나사, 자석, 커버 또는 가요성 밴드, 바람직하게는 탄성 밴드에 의해 셀폰에 고정된다. 고정하는 것은 또한, 셀폰과 형상의 상보성으로부터 기인할 수 있다. 예를 들어, 취득 도구는 폰 케이싱에 고정될 수도 있다.
하지만, 바람직하게는, 셀폰 및 취득 도구는 서로 통신하지만 서로 독립적으로 이동될 수 있다. 바람직하게는, 셀폰 및 취득 도구는 임의의 견고한 디바이스, 바람직하게는 임의의 메커니즘에 의해 서로 연결되지 않아서, 셀폰은 반드시 취득 도구를 함께 가져갈 필요 없이 공간에서, 바람직하게는 모든 공간 차원들에서 이동될 수 있다.
바람직하게는, 스크린은 취득 헤드의 카메라에 의해 관찰된 장면을 디스플레이한다.
셀폰과 취득 도구 간의 움직임의 독립성은 특히, 이 시각화가 취득 헤드의 핸들링에 의해 방해받지 않고 취득 헤드의 카메라에 의해 관찰된 장면을 시각화하기 위해 셀폰의 스크린을 사용할 수 있게 한다.
일 실시형태에서, 취득 동안, 사용자는 셀폰의 스크린을 관찰하며 - 셀폰은 바람직하게는, 지면에 관하여 움직이지 않고, 예를 들어, 테이블 위에 배치됨 -, 취득 도구를 조작한다. 따라서, 이들은 바람직하게는 구강외 취득을 위해, 취득 도구를 원하는 포지션에 용이하게 포지셔닝할 수 있다. 더욱이, 이 실시형태는 유리하게, 사용자로 하여금 미러를 사용해야 하지 않고도 스크린의 반대측 상에 배치되는 셀폰의 카메라를 사용하게 한다.
바람직하게는, 사용자는 정면으로부터 적어도 하나의 이미지를, 바람직하게는 사용자의 우측으로부터 적어도 하나의 이미지를, 또한 바람직하게는, 사용자의 좌측으로부터 적어도 하나의 이미지를 취득한다.
바람직하게는, 사용자는 입을 벌린 채로 적어도 하나의 이미지를 그리고 입을 다문 채로 적어도 하나의 이미지를 취득한다.
취득된 이미지들의 세트는 바람직하게는 2개 초과, 바람직하게는 3개 초과, 바람직하게는 5개 초과, 바람직하게는 6개 초과 및/또는 30개 미만, 바람직하게는 20개 미만, 바람직하게는 15개 미만, 바람직하게는 10개 미만의 이미지들을 포함한다.
바람직하게는, 사용자는 도구를 사용하여, 그들의 입술을 벌리게 하고 덴탈 아치를 취득 도구의 카메라에 더 잘 노출시킨다. 그 도구는, 예를 들어, 그들의 입 안에 도입된 스푼일 수도 있다.
일 실시형태에서, 그들은 그들의 입 안에 부분적으로 도입하는 견인기를 사용한다.
바람직하게는, 일반적인 방법은 상기 취득 이후, 사용자의 치과적 상황을 정의하고, 바람직하게는 능동적 또는 수동적 치과교정 치료 계획을 설계하고/하거나 진행 중인 능동적 또는 수동적 치과교정 치료의 적절한 진행을 검증하기 위해 상기 이미지의 분석을 포함한다.
바람직하게는, 취득 방법은, 상기 이미지의 상기 분석 이후, 치과교정 기기, 예를 들어 치과교정 얼라이너의 제조, 및 바람직하게는 상기 치과교정 기기의 사용자로의 전송을 포함한다.
업데이트된 이미지들에 대한 전술한 사용들은 또한, 일반적인 방법에 따라 취득된 이미지 또는 이미지들에 적용될 수 있다.
상기 적어도 하나의 이미지는 바람직하게,
- 재발을 검출하기 위해, 및/또는
- 치아의 포지셔닝의 변화율을 결정하기 위해, 및/또는
- 치과 헬스케어 전문가와의 약속 날짜를 최적화하기 위해, 및/또는
- 치과교정 치료의 효과를 평가하기 위해, 및/또는
- 치아의 결정된 포지셔닝, 특히, 치아의 개선된 포지셔닝에 대응하는 레퍼런스 모델을 향한 치아의 포지셔닝의 변화를 평가하기 위해, 및/또는
- 예를 들어, 새로운 일련의 치과교정 얼라이너들을 제조함으로써 진행 중인 치과교정 치료를 수정하기 위해, 및/또는
- 치과 진료에서, 및/또는
- 플라크, 및/또는 충치, 및/또는 미세균열, 및/또는 마모, 예를 들어, 특히 치과교정 아치와이어의 파손 또는 탈착의 경우에, 능동적 또는 수동적 치과교정 기기의 구현 또는 이갈기로부터 초래되는 마모를 시각화 및/또는 측정 및/또는 검출하기 위해;
- 특히 치아가 성장하고 있는 동안 또는 치과 헬스케어 전문가에 의한 개입, 예를 들어, 치아의 표면 상의 접착제의 침착에 뒤따르는 볼륨의 변화를 시각화 및/또는 측정 및/또는 검출하기 위해;
- 특히 치과교정 치료의 이점을 평가하도록 치과교정 치료 전에 차단형 치료의 기회를 평가하기 위해 사용된다.
도 12 는 그러한 이미지 취득 방법을 구현하기 위한 디바이스 (6') 를 예시한다. 이 키트는 셀폰 (12'), 및 바람직하게는 라디오에 의해, 바람직하게는 Bluetooth® 또는 WiFi 에 의해, 셀폰과 통신하는 취득 도구 (31') 를 포함한다. 유선 통신이 또한 가능하다.
취득 도구 (31') 에는, 사용자의 입 안으로 도입될 수 있는 취득 헤드 (32') 가 제공된다. 취득 헤드는, 이미지를 취득하여 셀폰 (12') 으로 전송하거나, 신호를 취득하여 셀폰 (12') 으로 전달하여, 셀폰이 상기 신호로부터 이미지를 생성하게 하는 카메라 (33') 를 포함한다.
바람직하게는, 취득 도구는 셀폰에 대한 물리적 링크를 갖지 않거나 또는 플렉시블 링크, 예를 들어, 와이어에 의해 셀폰에 연결된다.
바람직하게는, 취득 도구는, 사용자 자신 또는 그들의 친척들 중 하나의 부분 상에서, 예를 들어, 칫솔 방식으로 조작하기 쉽게 하는 핸들 (34') 을 포함한다.
셀폰 (12') 은 셀폰 (12) 의 특징들 중 하나 이상을 포함할 수도 있다. 바람직하게는, 어떠한 지지체에도 고정되지 않고, 특히, 상기에서 설명된 지지체 (10) 와 같이 사용자에 고정된 어떠한 지지체에도 고정되지 않고, 사용자가 자유롭게 조작할 수 있다.
Claims (24)
- 사용자 (U) 의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법으로서,
상기 방법은,
a) 업데이트된 순간에, 휴대용 스캐너 (12) 를 사용하여 그리고 상기 사용자의 부분 상에서, 상기 적어도 하나의 아치의 디지털 3차원 모델 (8), 또는 "취득된 모델" 을 취득하고, 그리고 선택적으로, 상기 아치의 상기 모델의 일부 (30) 를 분리하기 위해 상기 취득된 모델을 세그먼트화하는 단계로서,
"업데이트된 모델" 을 획득하기 위해, 상기 업데이트된 모델은, 가능하게는 이에 따라, 상기 취득된 모델 또는 세그먼트화에 의해 분리된 상기 취득된 모델의 상기 일부이고, 상기 업데이트된 모델에 의해 표현되는 오브젝트는 "업데이트된 오브젝트" 로 지칭되는, 상기 취득된 모델을 세그먼트화하는 단계를 포함하고,
상기 휴대용 스캐너는,
- 구강외 상기 취득을 위해 셀폰 (12) 에 통합되거나 또는
- 상기 사용자의 입 안에 도입될 수 있는 취득 헤드 (32) 를 포함하는 취득 도구 및 셀폰 (12) 을 포함하며, 상기 사용자는,
- 상기 취득된 모델을 취득하여 상기 셀폰 (12) 으로 전송하거나, 또는
- 신호를 취득하여 상기 셀폰 (12) 으로 전송하여, 상기 셀폰이 자율적으로 또는 상기 셀폰과 통신하는 컴퓨터를 사용하여 상기 신호로부터 상기 취득된 모델을 생성하게 하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항에 있어서,
상기 셀폰은 상기 취득된 모델 및/또는 상기 업데이트된 모델을 치과 헬스케어 전문가에게, 바람직하게는 라디오에 의해, 바람직하게는 상기 사용자로부터 1 km 초과, 및/또는 50000 km 미만의 거리에서 전송하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 또는 제 2 항에 있어서,
단계 a) 에서, 상기 업데이트된 모델은 보정하기 위해 데이터 프로세싱 되며, 상기 보정은 가능하게는 상기 업데이트된 모델의 수정 또는 상기 업데이트된 모델의 보정 모델로의 대체를 포함하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항에 있어서,
단계 a) 에서,
- 상기 업데이트된 모델과 보정 모델 사이의 형상의 차이에 대한 측정치를 획득하기 위해 상기 업데이트된 모델이 상기 보정 모델과 비교된 다음,
상기 업데이트된 모델은 상기 형상의 차이를 감소시키도록 수정되거나
또는, 상기 측정치에 의존하여, 상기 업데이트된 모델은 변경되지 않은 채로 남겨지거나, 상기 업데이트된 모델은 상기 보정 모델로 대체되고, 및/또는
- 상기 업데이트된 모델은 입력으로서 제시된 디지털 3차원 모델을 더 현실적이게 만들도록 트레이닝된 뉴럴 네트워크에 제출되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 3 항 또는 제 4 항에 있어서,
상기 보정 모델은,
- 상기 업데이트된 오브젝트의 스캔에 의해, 상기 업데이트된 순간과는 상이한 순간에 획득되는 모델, 또는
- 시뮬레이션으로부터 기인한 형상으로, 각각, 상기 업데이트된 오브젝트를 도시하는 모델, 또는
- 개체들의 세트를 나타내는 오브젝트의 모델로서, 상기 오브젝트는 상기 업데이트된 오브젝트와 동일한 타입인, 상기 오브젝트의 모델인, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 5 항에 있어서,
상기 보정 모델은,
- 상기 휴대용 스캐너를 사용하여 스캔에 의해 획득된 상기 업데이트된 오브젝트의 모델, 또는
- 상기 업데이트된 순간에 대해 예상된 상기 업데이트된 오브젝트의 형상을 시뮬레이션하는 상기 업데이트된 오브젝트의 모델, 또는
- 상기 업데이트된 순간 이후 또는 이전에 도래하는, "보정 순간" 으로서 지칭되는 순간에 대해 예상된 상기 업데이트된 오브젝트의 형상을 시뮬레이션하는 상기 업데이트된 오브젝트의 모델로서, 상기 업데이트된 순간과 보정 순간 사이의 시간적 인터벌은 1주 보다 긴, 상기 "보정 순간" 으로서 지칭되는 순간에 대해 예상된 상기 업데이트된 오브젝트의 형상을 시뮬레이션하는 상기 업데이트된 오브젝트의 모델, 또는
- 상기 업데이트된 오브젝트와 동일한 타입의 오브젝트들을 나타내는 1000개 초과의 이력 모델들을 포함하는 이력 라이브러리로부터 선택된 이력 모델로서, 상기 선택은 바람직하게는 선택된 상기 이력 모델이 상기 업데이트된 모델과 형상의 관점에서 가장 잘 피팅되는 이력 모델이도록 안내되는, 상기 이력 모델, 또는
- 바람직하게는 통계 프로세싱에 의해 획득된 모델이 개체들의 집단을 대표하도록, 상기 이력 라이브러리로부터의 상기 이력 모델들을 통계 프로세싱시킴으로써 획득된 모델인, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 3 항 내지 제 6 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 업데이트된 모델은,
- 모델들을 보정하도록 트레이닝된 뉴럴 네트워크에 입력으로서 상기 업데이트된 모델을 입력함으로써 보정되고, 및/또는
- 다음의 단계들:
i) 1000개 초과의 이력 모델들을 포함하는 이력 라이브러리를 생성하는 단계로서, 각각의 이력 모델은 상기 업데이트된 오브젝트와 동일한 타입의 오브젝트를 모델링하는, 상기 이력 라이브러리를 생성하는 단계, 및 각각의 이력 모델에 분류 기준에 대한 값을 부여하는 단계;
ii) 상기 업데이트된 오브젝트에 대한 상기 분류 기준의 값을 결정하기 위해 상기 업데이트된 모델을 분석하는 단계;
iii) 상기 분류 기준에 대해 동일한 값을 갖고 상기 업데이트된 모델과 가장 잘 피팅되는 이력 모델, 또는 "최적 모델" 에 대한 상기 이력 라이브러리를 검색하는 단계;
iv) 상기 최적 모델에 관한 정보에 기초하여 상기 업데이트된 모델을 수정하는 단계로서, 상기 수정은 가능하게는 상기 업데이트된 모델의 상기 최적 모델로의 대체를 포함하는, 상기 업데이트된 모델을 수정하는 단계
를 따름으로써 보정되고, 및/또는
- 다음의 단계들:
i') 정의하는 단계로서,
- 90% 초과의 정확도로, 환자의 일부를 나타내는 상기 업데이트된 모델 상의 포인트들, 또는 "제 1 특정 포인트들" 에 의해 형성된 제 1 특정 구역, 및
- 상기 업데이트된 모델의 100% 에 대한 나머지를 구성하는 제 1 불특정 구역을 정의하는 단계;
ii') 상기 제 1 불특정 구역의 영역에서 제 1 복원된 구역을 정의하기 위해, 유일한 상기 제 1 특정 구역에 기초하여, 상기 제 1 특정 구역을 외삽한 다음
- 상기 제 1 복원된 구역으로부터 임계 거리 미만의 거리만큼 이격된 상기 제 1 불특정 구역 내의 포인트들 또는 "제 2 특정 포인트들" 에 의해 형성된 제 2 특정 구역; 및
- 상기 제 1 불특정 구역의 100% 에 대한 나머지를 구성하는 제 2 불특정 구역을 정의하는 단계;
iii') 상기 제 2 불특정 구역의 영역에서 제 2 복원된 구역을 정의하기 위해, 유일한 합계에 기초하여 상기 제 1 및 제 2 특정 구역들에 의해 형성된 상기 합계를 외삽한 다음
클린한 업데이트된 모델을 획득하기 위해, 상기 제 2 불특정 구역을 상기 제 2 복원된 구역으로 대체하는 단계
를 따름으로써 보정되고, 및/또는
- 상기 업데이트된 오브젝트와 동일한 타입의 오브젝트들의 대략적인 모델들을 입력으로서 공급함으로써 상기 업데이트된 모델을 트레이닝된 뉴럴 네트워크에 제출함으로써 보정되는 것으로서, 상기 모델들은 출력으로서 초현실적으로 만들어지는, 상기 트레이닝된 뉴럴 네트워크에 제출함으로써 보정되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 7 항에 있어서,
복수의 치아 모델들을 정의하도록 상기 취득된 모델을 세그먼트화한 다음, 업데이트된 모델인 것으로 고려되는 각각의 치아 모델에 대해, 단계 i) 내지 단계 iv) 의 사이클을 수행하는 단계를 포함하고, 단계 iv) 에서, 상기 최적 모델은 상기 취득된 모델 내에서 상기 치아 모델을 대체하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 업데이트된 모델은 단순화하기 위해 데이터 프로세싱 되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
상기 휴대용 스캐너는 LIDAR 인, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 10 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 사용자는 그들의 치아가 상기 휴대용 스캐너에 보이게 하기 위해 그들의 입술 및/또는 그들의 뺨을 떨어져서 이동시킨 다음, 상기 취득된 모델을 구강외적으로, 상기 휴대용 스캐너를 그들의 입에 넣지 않고, 심지어 부분적으로 취득하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 11 항에 있어서,
단계 a) 에서, 상기 휴대용 스캐너는 림 (22) 을 포함하는 지지체 상에 고정되고, 상기 림은 상기 사용자의 입술과 치아 사이에 삽입되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 12 항에 있어서,
상기 지지체 (14) 는 구강 개구 (Oo) 를 정의하는 튜브형 견인기 (16) 를 포함하며, 상기 림은 상기 구강 개구 (Oo) 의 주연부 둘레로 연장되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 13 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 사용자는 상기 휴대용 스캐너 (12) 의 앵귤레이션을 수평으로 수정하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 14 항 중 어느 한 항에 있어서,
단계 a) 이후에, 다음의 단계:
b) 상기 업데이트된 모델의 치수 파라미터의 적어도 하나의 값, 또는 "치수 값", 및/또는 상기 업데이트된 모델의 외관 파라미터의 적어도 하나의 값, 또는 "외관 값" 을 결정하는 단계를 포함하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 15 항에 있어서,
상기 치수 파라미터는 다음으로부터:
- 상기 업데이트된 모델의 치수;
- 상기 업데이트된 모델 상의 주목할만한 포인트로부터 레퍼런스까지의 거리, 및
- 상기 업데이트된 모델의 하나 이상의 치수들로부터 및/또는 상기 업데이트된 모델 상의 하나 이상의 주목할만한 포인트들로부터 상기 레퍼런스까지의 하나 이상의 거리들로부터 도출된 파라미터
로부터 선택되거나,
또는, 상기 외관 파라미터는, 컬러, 반사도, 투명도, 반사율, 음영, 반투명도, 유백광, 치아 상의 치석, 플라크 또는 음식 침착물들의 존재에 관한 표시로부터 선택되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 15 항 또는 제 16 항에 있어서,
치수 값을 결정하기 위해, 상기 업데이트된 모델 상의 포인트와, 상기 업데이트된 모델과 마찬가지로 표준 구성으로 배치된 레퍼런스 모델 사이의 거리가 측정되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 17 항에 있어서,
상기 레퍼런스 모델은,
- 상기 업데이트된 순간 이전 2주 초과의 순간에, 상기 휴대용 스캐너를 사용하여 스캔에 의해 획득된 상기 업데이트된 오브젝트의 모델, 또는
- 상기 업데이트된 순간에 대해 예상된 상기 업데이트된 오브젝트의 형상을 시뮬레이션하고 상기 업데이트된 순간 이전 2주 초과의 순간에 생성된 상기 업데이트된 오브젝트의 모델, 또는
- 상기 업데이트된 순간 이후 또는 이전에 도래하는, 레퍼런스 순간에 대해 예상된 상기 업데이트된 오브젝트의 형상을 시뮬레이션하는 상기 업데이트된 오브젝트의 모델, 또는 "레퍼런스 모델" 로서, 상기 업데이트된 순간과 레퍼런스 순간 사이의 시간적 인터벌은 1주 보다 길고,
상기 레퍼런스 모델은 상기 업데이트된 순간 이전 2주 초과로 생성된, 상기 레퍼런스 모델, 또는
- 상기 업데이트된 오브젝트와 동일한 타입의 오브젝트들을 나타내는 1000개 초과의 이력 모델들을 포함하는 이력 라이브러리로부터 선택된 이력 모델, 또는
- 통계 프로세싱에 의해 획득된 모델이 개체들의 집단을 대표하도록, 상기 업데이트된 오브젝트와 동일한 타입의 오브젝트들을 나타내는 1000개 초과의 이력 모델들을 포함하는 이력 라이브러리로부터의 이력 모델들을 통계 프로세싱시킴으로써 획득된 모델인, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 15 항 내지 제 18 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 셀폰을 사용하여 취득된 모델은 복수의 치아 모델들을 정의하도록 세그먼트화되고, 그리고 그 다음, 상기 단계 b) 는 상기 단계 b) 에 대한 상기 업데이트된 모델로서 정의된, 각각의 치아 모델에 대한 적어도 하나의 치수 값을 정의하도록 수행되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 15 항 내지 제 19 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 사용자는, 하나의 동일한 셀폰을 사용하여, 상기 취득된 모델 및 하나 이상의 업데이트된 이미지들을 취득하고, 그리고
단계 b) 에서, 상기 하나 이상의 업데이트된 이미지들 상에 표현된 치아들의 치수 및/또는 외관에 관한 정보가 결정되고, 그 다음, 상기 정보는 상기 치수 값 및/또는 상기 외관 값을 보충 및/또는 보정하는데 사용되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 20 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 취득된 모델은 500개 미만의 포인트들을 포함하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 21 항 중 어느 한 항에 있어서,
단계 a) 에서, 상기 취득된 모델의 생성에 필수적이지 않은 보충 데이터가, 상기 셀폰과 통신하고 상기 사용자의 입 안으로 도입되는 측정 헤드에 의해 취득되는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 제 1 항 내지 제 22 항 중 어느 한 항에 있어서,
상기 휴대용 스캐너는 구조화된 광을 사용하고, 다양한 이미지들에 기초하여 그리고 상기 이미지들 상의 특정 포인트들을 매칭시킴으로써, 상기 취득된 모델을 형성하는, 사용자의 적어도 하나의 덴탈 아치의 모델을 취득하기 위한 방법. - 휴대용 스캐너 (12) 및 상기 휴대용 스캐너로 하여금 지지체에 의해 정의된 구강 개구 (Oo) 를 관찰하게 하는 포지션에 상기 휴대용 스캐너가 착탈가능하게 고정되는 상기 지지체 (14) 를 포함하는 키트로서,
상기 지지체는, 상기 휴대용 스캐너가 상기 구강 개구를 통해 상기 사용자의 치아를 관찰하는 사용 포지션에서, 제 1 항 내지 제 23 항 중 어느 한 항에 기재된 방법의 단계 a) 의 취득을 위해 상기 사용자의 입술과 치아 사이에 삽입될 수 있는 림 (22) 을 포함하는, 키트.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FRFR2105389 | 2021-05-25 | ||
| FR2105389A FR3123200A1 (fr) | 2021-05-25 | 2021-05-25 | Procede d’acquisition d’un modele d’une arcade dentaire |
| PCT/EP2022/064127 WO2022248513A1 (fr) | 2021-05-25 | 2022-05-24 | Procede d'acquisition d'un modele d'une arcade dentaire |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240013207A true KR20240013207A (ko) | 2024-01-30 |
Family
ID=89076571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237044714A KR20240013207A (ko) | 2021-05-25 | 2022-05-24 | 덴탈 아치의 모델을 취득하기 위한 방법 |
Country Status (5)
| Country | Link |
|---|---|
| EP (1) | EP4348572A1 (ko) |
| KR (1) | KR20240013207A (ko) |
| CN (1) | CN117769721A (ko) |
| AU (1) | AU2022281999A1 (ko) |
| BR (1) | BR112023024686A2 (ko) |
-
2022
- 2022-05-24 CN CN202280052170.7A patent/CN117769721A/zh active Pending
- 2022-05-24 EP EP22732920.8A patent/EP4348572A1/fr active Pending
- 2022-05-24 AU AU2022281999A patent/AU2022281999A1/en active Pending
- 2022-05-24 KR KR1020237044714A patent/KR20240013207A/ko unknown
- 2022-05-24 BR BR112023024686A patent/BR112023024686A2/pt unknown
Also Published As
| Publication number | Publication date |
|---|---|
| AU2022281999A1 (en) | 2023-12-14 |
| BR112023024686A2 (pt) | 2024-02-15 |
| CN117769721A (zh) | 2024-03-26 |
| EP4348572A1 (fr) | 2024-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210137653A1 (en) | Digital 3d models of dental arches with accurate arch width | |
| EP2729048B1 (en) | Three-dimensional measuring device used in the dental field | |
| CN102438545B (zh) | 用于有效计划、可视化和优化牙修复体的系统和方法 | |
| US8706672B2 (en) | Computer-assisted creation of a custom tooth set-up using facial analysis | |
| JP6904901B2 (ja) | 患者の口内の視覚化装置 | |
| CN104822311B (zh) | 估测牙齿的表面纹理 | |
| EP2678830B1 (en) | Hybrid stitching for 3d reconstruction | |
| JP2020508734A (ja) | 修復物の構築方法 | |
| KR20220017467A (ko) | 교합 매개변수를 결정하기 위한 방법, 시스템 및 컴퓨터 판독 가능 저장 매체 | |
| US20240041569A1 (en) | Method for analyzing an image of a dental arch | |
| JP2023099629A (ja) | 識別装置、スキャナシステム、識別方法、および識別用プログラム | |
| JP7398512B2 (ja) | データ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラム | |
| KR20240013207A (ko) | 덴탈 아치의 모델을 취득하기 위한 방법 | |
| Saghiri et al. | A new reliable alternate method to an intraoral scanner (in-vitro study) | |
| Çağrı et al. | Direct digitalization devices in today’s dental practice: Intra oral scanners | |
| JP7140932B1 (ja) | データ処理装置、データ処理方法、およびデータ処理プログラム | |
| JP7260699B1 (ja) | データ処理装置、データ処理方法、およびデータ処理プログラム | |
| JP7267974B2 (ja) | 識別装置、スキャナシステム、識別方法、および識別用プログラム | |
| JP7265359B2 (ja) | データ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラム | |
| WO2023227613A1 (fr) | Procede d'acquisition d'un modele d'une arcade dentaire | |
| JP7195466B2 (ja) | データ生成装置、スキャナシステム、データ生成方法、およびデータ生成用プログラム | |
| WO2022248513A1 (fr) | Procede d'acquisition d'un modele d'une arcade dentaire | |
| US20230414331A1 (en) | Capture of intraoral features from non-direct views | |
| FR3135891A1 (fr) | Procede d’acquisition d’un modele d’une arcade dentaire | |
| Alfaraj et al. | Exploring the impact of the extent of the partially edentulous area on the accuracy of two intraoral scanners |