WO2023187161A1 - Fabrication d'un appareil de contention - Google Patents

Fabrication d'un appareil de contention Download PDF

Info

Publication number
WO2023187161A1
WO2023187161A1 PCT/EP2023/058461 EP2023058461W WO2023187161A1 WO 2023187161 A1 WO2023187161 A1 WO 2023187161A1 EP 2023058461 W EP2023058461 W EP 2023058461W WO 2023187161 A1 WO2023187161 A1 WO 2023187161A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
tooth
updated
image
user
Prior art date
Application number
PCT/EP2023/058461
Other languages
English (en)
Inventor
Thomas PELLISSARD
Guillaume GHYSELINCK
Original Assignee
Dental Monitoring
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dental Monitoring filed Critical Dental Monitoring
Priority to AU2023244517A priority Critical patent/AU2023244517A1/en
Publication of WO2023187161A1 publication Critical patent/WO2023187161A1/fr

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C7/00—Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
    • A61C7/002—Orthodontic computer assisted systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C5/00—Filling or capping teeth
    • A61C5/007—Dental splints; teeth or jaw immobilisation devices; stabilizing retainers bonded to teeth after orthodontic treatments
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C7/00—Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
    • A61C7/08—Mouthpiece-type retainers or positioners, e.g. for both the lower and upper arch
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y80/00—Products made by additive manufacturing

Definitions

  • the present invention relates to methods and devices for the design and manufacture of orthodontic retaining appliances.
  • Patent application US 2018/0204332 describes a process to partially resolve this problem.
  • the patient may be required to wear a retainer to maintain the position of the teeth obtained at the end of orthodontic treatment.
  • the retaining appliance is classically an orthodontic retaining splint or a retaining arch consisting of a wire forming an arc and fixed against the teeth, generally glued against the lingual surfaces from canine to canine.
  • the shape of the orthodontic appliance is conventionally determined by the orthodontist through the acquisition of a 3D scan of the patient's dental arch after the end of orthodontic treatment. Acquiring a 3D scan of the patient's dental arch is restrictive and requires the patient to move.
  • An aim of the invention is to meet, at least partially, these needs.
  • the invention aims to meet all or part of these needs and it achieves this, according to one of its aspects, thanks to a method of manufacturing a restraining device comprising the following steps: a) preferably, at a updated instant, at the end or after the end of orthodontic treatment, acquisition of at least one two-dimensional image of at least part of a dental arch of a user, called “updated image”, by means of an image acquisition apparatus, preferably several updated images are acquired; b) generation of a digital three-dimensional model representing the user's dental arch, called an “updated model”, preferably from the updated image; c) design of a retaining appliance, from the updated model the retaining appliance being designed so as to maintain the configuration of the teeth at the updated instant when it is positioned on said teeth; d) manufacturing of the restraint device.
  • the updated model is obtained by deformation, from the updated image, of a digital three-dimensional model of the user's dental arch, called "reference model", acquired before step a).
  • the reference model is deformed, from the updated image, until an updated model is obtained representing the dental arch in a configuration compatible with the configuration of the dental arch as represented in the image updated.
  • the updated image may be taken outside the orthodontic office and the reference model may have been generated before or during the orthodontic treatment.
  • no intraoral scan is necessary, after orthodontic treatment, in order to manufacture the retainer.
  • the device of retention can thus be determined and manufactured without the user needing to go to the dental care professional after the end of the orthodontic treatment, or even without needing to see the dental care professional.
  • a method according to the invention thus advantageously makes it possible to limit the number of appointments with the dental care professional.
  • the retaining device is a retaining arch or an orthodontic retaining splint, preferably a retaining arch;
  • the updated images in particular preferably comprising at least one image on the right in relation to the user, at least one image on the left in relation to the user, at least one image facing the user;
  • the updated image is acquired by the user or one of their relatives
  • step a) the acquisition in step a) takes place outside an orthodontic or dental office, preferably at the user's home;
  • the image acquisition device is a mobile phone
  • step a a dental spacer and/or an image acquisition kit, for example as described in EP 3 391 810, is used in step a);
  • the image acquisition kit has the form of a box on which the image acquisition device is fixed;
  • the housing has the shape of a tube comprising a first opening intended to be positioned in the mouth of the user and a second opening intended to be fixed to the image acquisition device so that the device image acquisition acquires at least one image of the user's teeth through said openings;
  • the updated model is obtained by deformation, from the updated image, of a digital three-dimensional model of the user's dental arch, called "reference model", acquired before step a);
  • the reference model is produced from a digital three-dimensional model, preferably from a digital three-dimensional model acquired before the start of orthodontic treatment or during orthodontic treatment, for example by means of a 3D scanner;
  • the reference model is an updated model, called a “historical updated model”, resulting from the implementation of a method according to the invention, the updated historical model having preferably been recorded in a database after the step b);
  • the reference model is a digital three-dimensional model of the user's dental arch generated at the start of orthodontic treatment, in particular for modeling the dental arch at a stage of orthodontic treatment, or during orthodontic treatment, for example more 2 weeks or more than a month before step b);
  • the reference model represents the dental arch of the user in a desired theoretical configuration at an intermediate moment of the orthodontic treatment or at a final moment of the orthodontic treatment;
  • the reference model represents the dental arch in a final configuration corresponding to the theoretical configuration desired at the end of the orthodontic treatment
  • the deformation of the reference model is carried out using a metaheuristic method or using a neural network
  • step b) preferably before step b), preferably in step a), more preferably before step a), the reference model is cut into tooth models, the deformation comprising a displacement of the tooth models equal to the difference in positioning of the teeth between the configuration of the teeth in the reference model and the configuration of the teeth in the updated image;
  • step b) or preferably before step b), preferably in step a), more preferably before step a), at least one neural network is trained, from a learning base, to determine an updated model at the output of the neural network, from a reference model and an updated image submitted as input to the neural network, the learning base consisting of historical images and first historical models, similar respectively to the updated image and the reference model, and second historical models, similar to the updated model as expected at the output of the neural network;
  • the updated model is obtained without resorting to a reference model, by particularly by assembling tooth models chosen based on updated images;
  • the design of the orthodontic appliance includes the determination of a curvature of a retention arch
  • the retaining arc is determined so as to adapt to the shape of the teeth on which the retaining arc is intended to be applied, the retaining arc being conventionally intended to be fixed on an intrados surface teeth of the user;
  • steps b) to c) are implemented by computer, preferably automatically, that is to say without intervention by an operator, or while being supervised by an operator, for example a technician or a care professional dental;
  • step d) is carried out using a 3D printer
  • the method according to the invention comprises, after step d), the following step e): e) sending the retaining device to the user or dental care professional.
  • the updated model is obtained by implementing a process for modeling a dental arch, preferably by a mobile phone of the user, said modeling process comprising the following steps:
  • step 2) for each tooth zone determined in step 1), search, in a historical library comprising more than 1000 tooth models associated with said tooth attribute value, called “historical tooth models”, for a model of historical tooth presenting maximum proximity to the tooth area, called “optimal tooth model”;
  • - steps 1) and 2) of the modeling process are implemented for several updated images, and, preferably, in steps 2) and 3), optimal tooth models are sought and a model assembled so as to obtain a maximum concordance with regard to all updated images;
  • the attribute of a tooth is chosen from the type of the tooth, the number of the tooth, the thickness of the tooth, the height of the crown of the tooth, the mesio-palatal width of the tooth, the mesial and distal deflection index of the incisal edge of the tooth, a tooth color, a tooth shape, a tooth contour, a clinical condition of the tooth, for example “decayed tooth”, “broken tooth”, a position relative of tooth in relation to another tooth, or in relation to a fixed frame of reference in relation to the arch, and combinations of these attributes;
  • the proximity is a shape proximity evaluated by the difference between the shape of the tooth represented on the tooth zone and the shape of the historical tooth model, preferably by the difference in shape between the zone of tooth and a view of the historical tooth model which has the shape closest to that of the tooth area;
  • the reference model which is deformed to obtain the updated model is a model generated by the user, preferably with their mobile phone.
  • the user can in particular implement, at a time prior to the updated time, for example at a stage of orthodontic treatment, the modeling method described above, to define, from “previous” updated images an “earlier” updated model and use that earlier updated model as a reference model.
  • the user can also carry out a scan of said dental arch using a portable scanner, for example of the LIDAR type, preferably a LIDAR from their mobile phone, or by analysis of a series of images representing a luminous mark.
  • a portable scanner for example of the LIDAR type, preferably a LIDAR from their mobile phone, or by analysis of a series of images representing a luminous mark.
  • he can implement, preferably with his mobile phone, a method for generating a digital three-dimensional model of a dental arch comprising the following steps:
  • step II simultaneously with step I), movement of the dental arch through the beam and acquisition, during said movement, of a series of “marked” images of said arcade each showing a representation of the projected mark, or “projection”;
  • the generation method is implemented before the updated time to generate a reference model and the updated images are used to update the reference model.
  • the generation method is implemented at the updated time to generate a reference model and the updated images are used to correct possible errors in the reference model.
  • steps b) to e) are implemented by computer, preferably automatically, that is to say without intervention by an operator, or while being supervised by an operator, for example a technician or a professional dental care.
  • the retainer is a retainer
  • the retainer is sent to the dental professional.
  • the method preferably comprises,
  • step c) of design the design, from the updated model, of an orthodontic transfer splint intended to contain the retaining device and an adhesive substance so that when the orthodontic splint is positioned transfer to the teeth of the user, the retainer is positioned and fixed on the teeth of the user, in a position allowing the configuration of the teeth of the user to be maintained at the current moment;
  • step d) of manufacturing the retention arch, the manufacturing of the orthodontic transfer splint
  • the adhesive substance may be made of a composite material.
  • the adhesive substance comprises a combination of inorganic particles covered with silane and dimethacrylic resin, for example of the “ENAMEL plus HRI Flow HF” type.
  • the adhesive substance may comprise composites comprising “Bis GMA” and/or “Bis EMA”, for example “Braceplaste”.
  • the retaining arch can be sent into the orthodontic transfer splint, preferably to the dental care professional or to the user, preferably to the dental care professional.
  • the invention also relates to a computer program product comprising instructions which, when the program is executed by a computer, lead it to implement the following steps: a') reception of at least one two-dimensional image, representing a dental arch of a user after the end of orthodontic treatment, called “updated image”; b) generation of a digital three-dimensional model representing the user's dental arch, called “updated model”, from the updated image, preferably the generation of the updated model is carried out by deformation, from the updated image, of a digital three-dimensional model of the user's dental arch, acquired before step a'), called “reference model”; c) design of a restraint device based on the updated model; the updated image received in step a') being acquired by means of the image acquisition apparatus.
  • the computer program product comprises after step c), a step d) comprising the sending of manufacturing instructions, preferably via digital communications, to a manufacturer of orthodontic appliances or directly to a device manufacturing, for example a 3D printer.
  • the invention also concerns:
  • a computer medium on which such a product is recorded for example a memory or a CD-ROM, and
  • the medium may in particular be a computer memory, a hard disk or a CD ROM.
  • the invention also relates to a design kit for a restraint device comprising:
  • an image acquisition device preferably a mobile phone
  • a computer program product preferably recorded on a medium and loaded into a computer, optionally comprising a code for the step sending manufacturing instructions; the image acquisition apparatus being in communication with the computer so as to transmit to it the updated image which it has acquired.
  • the computer program product may be a specialized application installed on the image acquisition device, the image acquisition device preferably being a mobile telephone.
  • the kit may also include a device for manufacturing an orthodontic appliance, for example a 3D printer, configured to receive instructions for manufacturing the retainer transmitted by the computer executing the computer program product.
  • a device for manufacturing an orthodontic appliance for example a 3D printer, configured to receive instructions for manufacturing the retainer transmitted by the computer executing the computer program product.
  • the kit may also include a transport vehicle, intended to transport the restraint device from a manufacturing site of said restraint device to a delivery site of said restraint device, the delivery site preferably being the home of the user and/or the user's dental professional's office.
  • a transport vehicle intended to transport the restraint device from a manufacturing site of said restraint device to a delivery site of said restraint device, the delivery site preferably being the home of the user and/or the user's dental professional's office.
  • Dental care professional means any person qualified to provide dental care, which includes in particular an orthodontist and a dentist.
  • An “orthodontic treatment” is all or part of a treatment intended to modify the dental configuration of a patient. It is considered that treatment intended to maintain the dental configuration (retention treatment) is not orthodontic treatment.
  • a 3D scanner is a device used to obtain a 3D model of a dental arch.
  • An “updated instant” is an instant during which the updated image(s) are acquired. The duration of this instant is short enough so that the configuration of the teeth does not change significantly during this duration.
  • model we mean a digital three-dimensional model.
  • a model is made up of a set of voxels.
  • a “model of an arcade” is a model representing at least a part of a dental arch, preferably at least 2, preferably at least 3, preferably at least 4 teeth.
  • Figure 3 is an example of an arcade model.
  • a “tooth model” is a three-dimensional digital model of a tooth in a user’s arch.
  • a model of an arch can be cut so as to define tooth models for at least a portion of the teeth, preferably for all of the teeth represented in the model of the arch.
  • the tooth models are therefore models within the arch model.
  • Figure 4 illustrates an example of an arch model broken into tooth models.
  • a “scenario” is a series of models of an arcade which represent successive arcade configurations.
  • a “treatment scenario”, or “treatment plan” includes models which represent configurations of an arch at different times during its treatment. These moments are classically the initial moment, before the start of the treatment, intermediate moments during the treatment, and the final moment, at the end of treatment.
  • Each model of a scenario representing the arcade in its planned configuration at an intermediate time is called an “intermediate model”.
  • Figure 2 illustrates an example processing scenario.
  • a measure of the difference between these two objects is called “match” or “fit” in English.
  • a match is maximum (“best fit”) when it results from an optimization that allows said difference to be minimized.
  • an updated image is in maximum agreement with a model when a view of this model provides an image in maximum agreement with the updated image.
  • a “tooth area” is an area of an image representing, at least partially, a tooth.
  • “Closeness” is a measure of one or more differences between the historical tooth model and the tooth area. These differences may include a difference in shape, but also other differences such as a difference in translucency or color. Maximum proximity can be sought by successively minimizing several differences, or by minimizing a combination of these differences, for example a weighted sum of these differences. “Proximity” is therefore a broader notion than “concordance”, concordance only measuring proximity relative to form.
  • the configurations of the arcade at the intermediate and final moments are theoretical because they result from a simulation for a future moment. They are therefore anticipated, or “planned”, and may therefore differ from reality at the intermediate or final moment. Visualizing the models of a scenario, chronologically, allows you to simulate the effect of arch treatment.
  • a configuration of an arcade is said to be “real” when it is that of the user’s arcade in reality.
  • a configuration of an arch is said to be “theoretical” when it is that of the user’s arch such as “simulated”, “planned” or “desired” for a future moment.
  • image we mean a two-dimensional image, such as a photograph or an image taken from a film.
  • An image is made up of pixels.
  • the “acquisition conditions” specify the position in space, the orientation in space and the calibration, for example the values of the aperture and/or the exposure time and/or the distance. focal length and/or sensitivity,
  • the “calibration” of an acquisition device consists of all the values of the calibration parameters.
  • a calibration parameter is a parameter intrinsic to the acquisition device (unlike its position and orientation) whose value influences the acquired image.
  • aperture is a calibration parameter that modifies depth of field.
  • Exposure time is a calibration parameter that changes the brightness (or “exposure”) of the image.
  • the focal length is a calibration parameter that modifies the angle of view, that is to say the degree of “zoom”.
  • There “Sensitivity” is a calibration parameter that modifies the reaction of the sensor of a digital acquisition device to incident light.
  • the calibration parameters are chosen from the group formed by the aperture, exposure time, focal length and sensitivity.
  • An observation of a model, under determined virtual acquisition conditions, in particular with a calibration of a virtual acquisition device, at a determined angle and at a determined distance, is called a “view”.
  • image of an arcade By “image of an arcade”, “view of an arcade”, “representation of an arcade”, “scan of an arcade”, or “model of an arcade”, we mean an image, a view, a representation, scan or model of all or part of said dental arch.
  • a model of a user's dental arch is "compatible" with an image when there is a view of this model which corresponds to said image, that is to say such that the representations of the teeth on the view are positioned, relatively to each other, like the representations of the teeth in the image.
  • the contours of the tooth models represented on the view are therefore substantially superimposable in register with the contours of the representations of said teeth on the image.
  • This view of the model can also be described as “compatible”, or “superimposable in register”, with said image.
  • a light mark we mean the result of the interaction between a light beam and a dental arch.
  • a light mark may be a point, a line, a band or a set of points and/or lines and/or bands.
  • a line can therefore be continuous or locally interrupted and made up of pieces of lines. It can have a constant or variable width.
  • the representation of a luminous mark, in particular on an updated image, varies depending on the direction of observation of this mark.
  • luminous includes all electromagnetic waves from infrared to ultraviolet.
  • Methods are known optimization methods. They are preferably chosen from the group formed by
  • evolutionary algorithms preferably chosen from: evolutionary strategies, genetic algorithms, evolutionary algorithms differential, distribution estimation algorithms, artificial immune systems, Shuffled Complex Evolution path recomposition, simulated annealing, ant colony algorithms, particle swarm optimization algorithms, search with taboos, and the method GRASP;
  • Deep learning devices called “deep learning” algorithms, are well known to those skilled in the art. They include “neural networks” or “artificial neural networks”.
  • a neural network can be chosen in particular from:
  • CNN convolutional neural network
  • AlexNet (2012), ZF Net (2013), VGG Net (2014), GoogleNet (2015), Microsoft ResNet ( 2015)
  • Caffe BAIR Reference Caff eNet
  • BAIR AlexNet Torch VGG CNN S, VGG CNN M, VGG_CNN_M_2048, VGG_CNN_M_1024, VGG CNN M 128, VGG CNN F, VGG ILSVRC-2014 16-layer, VGG ILSVRC-2014 19-layer , Network-in-Network (Imagenet & CIFAR-10), Google: Inception (V3, V4);
  • the Object Detection Network for example R-CNN (2013), SSD (Single Shot MultiBox Detector: Object Detection network), Faster R-CNN (Faster Region -based Convolutional Network method: Object Detection network), Faster R-CNN (2015), SSD (2015), RCF (Richer Convolutional Features for Edge Detection) (2017), SPP-Net, 2014, OverFeat (Sermanet et al.) , 2013, GoogleNet (Szegedy et al.), 2015, VGGNet (Simonyan and Zisserman), 2014, R-CNN (Girshick et al.), 2014, Fast R-CNN (Girshick et al.), 2015, ResNet (He et al.), 2016, Faster R-CNN (Ren et al.), 2016, FPN (Lin et al.), 2016, YOLO (Redmon et
  • Training a neural network consists of confronting it with a learning base containing information on the two types of object that the neural network must learn to “correspond”, that is to say to connect one to the other.
  • Training can be done from a learning base made up of recordings each comprising a first object of a first type and a second corresponding object, of a second type.
  • training can be done from a learning base consisting of recordings each comprising either a first object of a first type, or a second object of a second type, each recording however comprising the information relating to the type of object it contains.
  • a learning base consisting of recordings each comprising either a first object of a first type, or a second object of a second type, each recording however comprising the information relating to the type of object it contains.
  • Such training techniques are for example described in the article by Zhu, Jun-Yan, et al. “Unpaired image-to-image translation using cycle-consistent adversarial networks.”, 2017 IEEE International Conference on Computer Vision (ICCV).
  • Training the neural network with these recordings teaches it to provide, from any object of the first type, a corresponding object of the second type.
  • the quality of the analysis carried out by the neural network depends directly on the number of recordings in the learning base.
  • the learning base contains more than 10,000 records.
  • ⁇ we mean a computer processing unit, which includes a set of several machines, having computer processing capabilities. This unit may in particular be integrated into a mobile telephone, or be a PC type computer or a server, for example a server remote from the user, for example being the "cloud” or a computer located at a dental care professional.
  • the image acquisition device and the computer then include means of communication for exchanging with each other, in particular for transmitting the updated image(s).
  • a computer comprises in particular a processor, a memory, a man-machine interface, conventionally comprising a screen, a communication module via the Internet, by WIFI, by Bluetooth® or by the telephone network.
  • Software configured to implement a method of the invention is loaded into the computer's memory.
  • the computer can also be connected to a printer, for example a 3D printer.
  • FIG 1 schematically illustrates a manufacturing process according to the invention
  • FIG 2 represents a treatment scenario
  • FIG 3 illustrates an example of a dental arch model
  • FIG 4 illustrates an example of an arch model divided into tooth models
  • FIG 5 schematizes a kit according to the invention
  • FIG 6 schematizes a step of deformation of a reference model according to the invention.
  • Figure 1 illustrates an example of a manufacturing process according to the invention. This manufacturing process comprises steps a) to d), preferably steps a) to e).
  • an updated image 22 is acquired, preferably a photo, representing a dental arch of a user, by means of an image acquisition device 20, in order to update a reference model 32 representing said dental arch of the user.
  • the acquisition of the updated image is carried out by acquisition of a video, the dental arch of the user being filmed by means of the image acquisition device.
  • the updated image can be extracted from this video.
  • Step a) is carried out at an updated time, the updated time being subsequent to orthodontic treatment.
  • the acquisition is carried out less than six months, preferably less than three months, preferably less than one month, more preferably immediately after the end of the orthodontic treatment.
  • step a) can be carried out by the user, a close relative or a dental care professional. Preferably the acquisition is carried out by the user himself.
  • the image acquisition device 20 may be a mobile phone, a tablet, a camera or a computer, the image acquisition device preferably being a mobile phone.
  • the refreshed images may include a front view image, a left view image, and a right view image.
  • Updated images can be taken for the upper arch, the lower arch, or both. Updated images can be taken when the user has their mouth open or their mouth closed.
  • the updated images are in color, preferably in realistic colors.
  • step b) an updated model 42 is generated, from the updated image acquired in step a), the model being generated without the user needing to be physically present in the dental office, preferably the user is not physically present in the dental office.
  • the updated model is generated directly from the updated image(s), preferably with at least one neural network.
  • the at least one neural network is previously trained so that the neural network learns to provide an updated model as output, from one or more updated images provided as input.
  • the training is carried out using a training base comprising historical images, and historical models, the historical images being comparable to updated images, and the historical models being comparable to updated models.
  • a historical model may be acquired using a 3D scanner at substantially the time at which the corresponding historical image was acquired, or generated manually.
  • a recording of the learning base may include as first object, a historical image and as second object a historical model.
  • the neural network can be told that for a first object comprising a historical image, it must match a second object comprising a historical model.
  • the neural network to train the neural network, we will provide it with a set of first objects and a set of second objects so that it learns to match a first object with a second object. Once trained, the neural network is then capable of determining an updated model as output, when it is provided with an updated image as input.
  • the first object comprises a plurality of updated images, the at least one neural network being trained to generate, as output, an updated model from a plurality of updated images provided to it as input .
  • the at least one neural network may be a reconstruction neural network, that is to say an “occupancy network” type neural network.
  • the occupancy network type neural network is trained to output a 3D model of at least part of a dental arch constructed from a plurality of updated images representing the at least part of the dental arch .
  • an occupancy network type neural network only takes as input updated images representing at least part of the user's dental arch.
  • a reference model 32 is determined.
  • the reference model can be selected manually, for example from a set of 3D models recorded in a database 30, representing the user's dental arch.
  • the reference model is determined automatically, that is to say without human intervention, preferably by computer.
  • the reference model 32 selected is preferably an intermediate model or a final model, created when determining the orthodontic treatment scenario.
  • a orthodontic treatment scenario is illustrated in Figure 2.
  • the reference model 32 preferably corresponds to a 3D model acquired before the start of orthodontic treatment by means of a 3D scanner, also called "initial model", which has been modified to represent the theoretical configuration of the teeth at an intermediate moment of orthodontic treatment, also called intermediate model, or at the final moment of orthodontic treatment, also called final model.
  • the reference model corresponds to the final model.
  • the reference model can be selected from a database.
  • the reference model can be sent, for example by the dental professional or a technician, by digital communication, preferably via a specialized application.
  • the reference model 32 is then deformed to obtain an updated model 42 representing the configuration of the user's teeth at the updated moment.
  • Figure 6 illustrates the deformation of a reference model via a transformation algorithm.
  • the transformation algorithm receives as input the reference model 32 and the updated image 22, then deforms the reference model according to the updated image to determine an updated model 42 compatible with the updated image.
  • the transformation algorithm can be a metaheuristic method, preferably comprising the following steps:
  • the deformation is therefore carried out to update the reference model at the time at which the acquisition image was acquired.
  • the reference model is previously divided into tooth models, as illustrated in Figure 4, the deformation comprising the displacement of said tooth models.
  • the deformation consists of moving tooth models whose shape remains constant.
  • the transformation algorithm includes at least one neural network.
  • the at least one neural network is previously trained so that the neural network learns to provide an updated model as output, from an updated image and a reference model provided as input.
  • the training is carried out by means of a training base comprising historical images, first historical models, and second historical models, the historical images being comparable to updated images, the first historical models being comparable to models of reference and the second historical models being comparable to updated models.
  • each second historical model is determined from a historical image and a corresponding first historical model, for example manually, or is acquired by means of a 3D scanner substantially at the instant at which the corresponding historical image was acquired.
  • a recording of the learning base may include as first object, a historical image and a first historical model and as second object a second historical model.
  • the neural network can be told that for a first object comprising a historical image and a first historical model, it must match a second object comprising a second historical model.
  • the neural network to train the neural network, we will provide it with a set of first objects and a set of second objects so that it learns to match a first object with a second object. Once trained, the neural network is then capable of determining an updated model as output, when it is provided with an updated image and a reference model as input.
  • the PPO type neural network can be configured to iteratively modify the position of the teeth of a 3D model representing at least part of a dental arch of the user from at least two updated images provided as input to the network of neurons so that the 3D model, once modified, presents maximum agreement with the images provided as input, the at least two updated images being images representing at least part of the user's dental arch acquired with different acquisition angles.
  • the provision of several updated images acquired at different acquisition angles makes it possible to calculate tooth movements in three dimensions according to the principle of triangulation.
  • such neural networks do not require any data other than the updated images as input to modify the 3D model available to the neural network.
  • the neural network For training the neural network, we indicate to the neural network the final position of the teeth expected at the output. The neural network can then learn to correct the result it provides as output (“output” 3D model) by comparing the position of the teeth in this “output” model to the expected final position for said teeth.
  • the difference between the expected position of the teeth and the position of said teeth in the output model provided by the neural network can for example be calculated in millimeters, or in degrees, or can be a surface tolerance, or a Euclidean distance LL
  • an occupancy network type neural network may be less precise, particularly when certain portions of the at least part of the dental arch are not represented on the plurality of updated images provided as input to the neural network.
  • a 3D model of the user's dental arch acquired previously, makes it possible to reconstruct the missing portions.
  • the previously acquired 3D model of the user's dental arch may also provide dimensional information, in millimeters for example, which cannot be deduced from the plurality of updated images provided as input alone.
  • the updated model is generated from the updated image, preferably from a set of several updated images, and from a library of tooth models according to a method of modeling comprising, for each updated image, the following steps:
  • step 2) for each tooth area determined in step 1), search, in a library history comprising more than 1000 tooth models associated with said tooth attribute value, called “historical tooth models", of a historical tooth model having maximum proximity to the tooth area, called “optimal tooth model”;
  • the library of tooth models is preferably created before step a) of the manufacturing process according to the invention.
  • the tooth model library has more than 2,000, preferably more than 5,000, preferably more than 10,000 historical tooth models. The greater the number of historical tooth models, the more accurate the assembled model.
  • the tooth attribute is used to filter historical tooth models to limit the search to teeth that have the same tooth attribute value as the tooth represented by the tooth box on the refreshed image.
  • One or more tooth attributes in particular chosen from a tooth number, a tooth type, a tooth shape parameter, for example a tooth width, in particular a mesio-palatal width, a thickness, a height of crown, a mesial and distal deflection index of the incisal edge, or a level of abrasion, an appearance parameter of the tooth, in particular a translucency index or a color parameter, a parameter relating to the state of the tooth, for example “abraded”, “broken”, “decayed” or “fixed” (i.e. in contact with orthodontic appliance), an age for the user, or a combination of these attributes, can be associated with tooth models.
  • a tooth width in particular a mesio-palatal width, a thickness, a height of crown, a mesial and distal deflection index of the incisal edge, or a level of abrasion
  • an appearance parameter of the tooth in particular a translucency index or a color parameter
  • the modeling process comprises the following optional steps:
  • step 4) optionally, replacement of at least one optimal tooth model with another historical tooth model and resumption in step 3) so as to maximize the concordance between the assembled model and the updated image;
  • step 1) optionally, repeat of step 1) with another updated image and in step 3) and/or 4), search for maximum agreement with all the updated images used.
  • step 1) the updated image is analyzed, preferably by being subjected to a neural network trained to determine at least one tooth area and at least one tooth attribute value associated with said tooth area.
  • step 1) we obtain an updated image enriched with a description providing, for each tooth zone, a tooth attribute value for at least one tooth attribute, for example a tooth number .
  • step 2) we search in the historical library, for each tooth zone determined in the previous step, a historical tooth model presenting maximum proximity to the tooth zone.
  • This tooth model is referred to as the “optimal tooth model”.
  • a historical tooth model having, for at least one tooth attribute, the same value as said tooth zone.
  • the tooth attribute may in particular be relative to the tooth type or tooth number.
  • the shape of the tooth depicted on the tooth area can be compared to the shape of a historical tooth model to be evaluated, preferably by means of a metaheuristic method, preferably evolutionary, preferably by simulated annealing.
  • each view thus obtained is compared with the updated image, preferably with the tooth area so as to establish a “distance” between this view and said updated image or, preferably, said tooth area. The distance thus measures the difference between the view and the tooth area.
  • a view is thus determined providing a minimum distance with the updated image or with the tooth area.
  • Each historical tooth model examined is thus associated with a particular minimum distance, which measures its shape proximity to the tooth area.
  • the optimal historical tooth model is the one which, based on the comparison(s) made, is considered closest to the tooth area. We then compare the minimum distances obtained for the different tooth models tested and we retain, to define the optimal tooth model, the one which presents the smallest minimum distance. The optimal tooth model therefore has maximum agreement with the updated image.
  • the search for maximum agreement is preferably carried out by means of a metaheuristic method, preferably evolutionary, preferably by simulated annealing.
  • a first evaluation of the historical tooth models is successively carried out by comparing the values of at least one tooth attribute, for example the tooth number, with the corresponding values of the analysis tooth area. , then a second evaluation by shape comparison.
  • the first, rapid evaluation advantageously makes it possible to filter the historical tooth models in order to submit to the second, slower evaluation, only the historical tooth models retained by the first evaluation.
  • first evaluations are carried out before carrying out the second evaluation.
  • step 2) At the end of step 2), an optimal tooth model was thus associated with each of the tooth zones.
  • step 3 we create an assembled model by arranging the optimal tooth models.
  • a first rough layout can be established by considering the tooth attribute values of the optimal tooth models. For example, if the tooth numbers of optimal tooth models are those of the canines and incisors, these tooth models can be arranged in an arc typically corresponding to the region of the arch which supports these types of teeth.
  • the shape of this arc can be refined based on other tooth attribute values.
  • the order of the optimal tooth models is that of the corresponding tooth areas.
  • the maximum proximity, or “minimum distance”, associated with an optimal tooth model results from an observation of the tooth model following an observation point. In other words, it is probably from this point that the tooth that this model models is also observed in the updated image.
  • the optimal tooth models are thus preferably oriented so that their surfaces which correspond to their respective tooth areas on the updated image are observed from the same observation point.
  • the first arrangement of the optimal tooth models is then iteratively modified, so as to have a maximum match with the updated image.
  • the updated model (or a reference model intended to be deformed to generate the updated model) is generated by implementing a method for generating a three-dimensional model digital of a dental arch comprising the following steps:
  • step II simultaneously with step I), movement of the dental arch through the beam and acquisition, during said movement, of a series of marked images of said arch each showing a representation of the projected mark, or " updated projection”;
  • step I a structured beam of light is projected.
  • step III the updated model can be searched using an optimization method and/or one or more neural networks.
  • a model defined according to user characteristics can be modified, or a model from a database, for example an initial model, an intermediate model, or a final model.
  • step III we can determine the updated model as being the model to be tested obtained at the end of the following cycle of steps i) to iii): i) creation of a model to be tested, then ii) determination of 'a distance representative of the difference between all of the updated projections and the model to be tested, then, iii) if said representative distance exceeds a predetermined acceptability threshold, modification of the model to be tested and return to step i).
  • the representative distance can be evaluated from elementary distances, each elementary distance being determined, for a respective updated projection, by an evaluation of the difference between said updated projection and an optimal reference projection, a reference projection being a representation, on a reference image representing a view of the model to be tested, of a virtual light mark resulting from the projection, on the model to be tested, of a virtual light beam of the same shape as the light beam projected on the arch at the step I), the optimal reference image being the reference image showing the reference projection which has a minimum distance with the updated projection.
  • the model to be tested may be segmented to define tooth models and modification of the model to be tested includes displacements of the tooth models and/or deformations of those tooth models.
  • the first model to be tested to be modified may be a dental arch model, preferably selected according to user characteristics, or a model from a database, for example an initial model, an intermediate model, or a final model.
  • step III at least one, preferably two methods are implemented among optimization methods, artificial intelligence methods, dimension evaluation methods by stereovision, dimension evaluation methods by analysis of the shape of the light mark and methods of evaluating dimensions by analysis of the distance between remarkable points of the marked images.
  • a retaining device 44 is designed, based on the updated model 42.
  • the design can be done manually, for example by a technician or a dental professional.
  • the design is carried out using software, preferably automatically, i.e. without human intervention.
  • the retainer is designed to hold the user's teeth in the current tooth configuration.
  • the shape of the orthodontic appliance is conventionally consistent with that of the patient's dental arch at the updated instant, so that the orthodontic appliance does not exert, at the updated instant, any action tending to move teeth.
  • the retaining device is a retaining arch intended to be fixed, for example glued, to the user's teeth.
  • the retainer is an orthodontic retaining splint.
  • the design of the retainer consists of determining a shape of the device capable of maintaining the configuration of the teeth at the current moment.
  • step d the restraint device 52 is manufactured.
  • the manufacturing results from an imprint made on a part physically representing the updated model.
  • Steps c) and d) are then combined.
  • a metal wire can be pressed onto a plaster or polymer material casting, physically representing the updated model, in order to create a restraining arch.
  • a gutter made of a polymer material can also be manufactured by molding on such a part.
  • the restraint device can also be made directly from the updated model, for example by designing a 3D model of the restraint device, then manufacturing it, for example by printing it with a 3D printer.
  • the retaining device is a retaining arch
  • a transfer gutter is also manufactured, the transfer gutter making it possible to easily position the retaining arch on the user's teeth.
  • the archwire is positioned in the orthodontic transfer tray with an adhesive substance.
  • the orthodontic transfer splint is positioned in the service position on the user's teeth. Transport as well as the positioning and fixing of the support arch are thus facilitated. In particular, it is possible to position and fix the arch in a single step.
  • the orthodontic transfer splint having been designed from a three-dimensional model representing the user's dental arch, the retention arch can be precisely positioned.
  • step e) the manufactured retaining device is sent, preferably to the dental professional or to the user.
  • the user may receive, along with the restraint, instructions on how to wear and/or position the restraint.
  • the user therefore does not have to travel to the dental care professional, whether for the acquisition of a 3D model using a 3D scanner or to receive the retaining device and/or so that the retainer is positioned in his mouth.
  • steps b) and c) are implemented by computer, preferably without human intervention.
  • Step d) and/or e) can also be carried out without human intervention.
  • the computer implementing step c) can communicate, after step c), instructions resulting from the design making it possible to manufacture the restraint device to a manufacturing device 50.
  • Figure 5 schematically illustrates a design kit 1 according to the invention.
  • the design kit 1 comprises an image acquisition device 20, preferably a mobile telephone, and a computer system 40, for example a computer, comprising a computer program product configured to implement step b) of a manufacturing process according to the invention, better for implementing steps b) to c) of a manufacturing process according to the invention.
  • the computer program product may also be configured to send design instructions 64 directly to a manufacturing device 50.
  • the image acquisition apparatus 20 may communicate with the computer system to transmit the acquired updated image(s) 60 to the computer system 40, via digital communications.
  • the acquisition device and the computer system are integrated into a mobile telephone.
  • the reference model can come from a database 30, accessible, via digital communications, to the computer system.
  • the reference model can be transmitted 62 to the computer system, in particular by being downloaded.
  • the database can be in a remote server.
  • the design kit 1 may include the manufacturing device, the manufacturing device preferably being configured to communicate with the computer system. Once the design of the restraint device made, the computer system 40 can send manufacturing instructions 64 to the manufacturing device 50.
  • An updated image 22 is acquired by means of a mobile telephone 20, preferably by the user, preferably remotely from a dental or orthodontic office.
  • the updated image 22 is sent to a computer system 40.
  • the computer system may or may not be integrated into the mobile phone.
  • the computer system is a specialized application, which can be installed on the mobile phone.
  • the computer system 40 can preferably communicate with a database 30 comprising intermediate, initial and final models resulting from one or more orthodontic treatment scenarios, representing configurations of the user's dental arch.
  • the intermediate and final models represent theoretical configurations of the user's dental arch.
  • the initial model is a model acquired by the dental professional, conventionally, preferably by means of a 3D scanner.
  • the reference model is determined by selecting a model from database 30.
  • step b) the reference model 32 is manually selected and sent to the computer system 40, for example by the dental professional or a technician.
  • the computer system 40 can determine the updated model 42, as described in step c) of a method according to the invention.
  • the computer system 40 can then, using the updated model 42, design a restraint device 52, as described in step d) of a method according to the invention, optionally with the help of an operator or from a dental professional.
  • the determination of the updated model (step c)) and the design of the restraint device (step d)) can be carried out remotely from each other.
  • the computer system may include several processors.
  • the mobile telephone includes a specialized application configured to implement steps a) to c) according to the invention, preferably steps a) to d) according to the invention.
  • Step d) of designing the restraint device makes it possible to determine manufacturing instructions for said restraint device.
  • the retaining device 52 can be a retaining arch or an orthodontic retaining splint. These instructions are advantageously sent to a manufacturing device 50.
  • the manufacturing device manufactures the restraint device from the instructions.
  • the manufacturing device may be a 3D printer.
  • the 3D printer can be at the user’s home.
  • the restraint device can be sent directly to the user.
  • the retaining device is a retaining arch
  • it is sent into a transfer gutter, which includes, in addition to the arch, glue allowing the retention arch to be fixed to the user's teeth.
  • the transfer tray is positioned on said teeth of the user.
  • a method according to the invention makes it possible to manufacture a restraint device from one or more updated images, preferably photos taken by the user, and from a reference model acquired while the teeth had not yet reached their final configuration. This manufacturing can therefore be carried out without intervention by the orthodontist specifically for this purpose, which avoids the user having to make an appointment with the latter.
  • a method according to the invention makes it possible to manufacture retention arches intended to be positioned on an intrados surface of the user's teeth, from the acquisition of extra-oral images, notably representing extrados surfaces. of the user's teeth.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Epidemiology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

Procédé de fabrication d'un appareil de contention, ledit procédé comportant les étapes suivantes : a) à un instant actualisé, après la fin d'un traitement orthodontique, acquisition d'au moins une image bidimensionnelle d'au moins une partie d'une arcade dentaire d'un utilisateur, dite « image actualisée », au moyen d'un appareil d'acquisition d'images; b) génération d'un modèle tridimensionnel numérique représentant l'arcade dentaire de l'utilisateur, dit « modèle actualisé», à partir de l'image actualisée; c) conception, à partir du modèle actualisé et de préférence par ordinateur, d'un appareil de contention adapté au maintien des dents dans leur configuration à l'instant actualisé; d) fabrication de l'appareil de contention.

Description

Description
Titre : Fabrication d’un appareil de contention
Domaine technique
La présente invention concerne des procédés et dispositifs pour la conception et la fabrication d’appareils orthodontiques de contention.
Etat de la technique
Après un traitement orthodontique, il est possible que la position des dents évolue défavorablement. Cette évolution défavorable est généralement appelée « récidive ». Classiquement, le patient se rend donc à intervalles réguliers chez son orthodontiste afin d'effectuer des contrôles. Il peut également se rendre chez son dentiste, à même de détecter toute imperfection dans le positionnement des dents.
Cependant, de nombreux patients n’effectuent pas ces visites de contrôle, qui permettraient la détection d’éventuelles situations de récidive. Les dents peuvent ainsi reprendre une position de malocclusion qui, pour être corrigée, nécessite un nouveau traitement orthodontique, pouvant être aussi important que le traitement initial.
Les visites sont contraignantes pour le patient et constituent un élément de stress pour l’orthodontiste. La demande de brevet US 2018/0204332 décrit un procédé permettant de résoudre, en partie, ce problème. Cependant, il est nécessaire d’acquérir, à la fin du traitement orthodontique, au moins un modèle de référence tridimensionnel numérique des arcades du patient. Le patient est donc obligé de se déplacer chez l’orthodontiste.
Afin d’éviter que la position des dents évolue défavorablement, et donc limiter le nombre de rendez-vous, le patient peut être amené à porter un appareil de contention permettant de maintenir la position des dents obtenue à la fin du traitement orthodontique.
L’appareil de contention est classiquement une gouttière orthodontique de maintien ou un arc de contention constitué d’un fil formant un arc et fixé contre les dents, généralement collé contre les faces linguales de canine à canine. La forme de l’appareil orthodontique est classiquement déterminée par l’orthodontiste grâce à l’acquisition d’un scan 3D de l’arcade dentaire du patient après la fin du traitement orthodontique. L’acquisition d’un scan 3D de l’arcade dentaire du patient est contraignante et nécessite au patient de se déplacer.
Il existe un besoin pour faciliter la détermination et la fabrication des appareils orthodontiques de contention à l’issue d’un traitement orthodontique.
Un but de l’invention est de répondre, au moins partiellement, à ces besoins.
Exposé de l’invention
Résumé de l’invention
L’invention vise à répondre à tout ou partie de ces besoins et elle y parvient, selon l’un de ses aspects, grâce à un procédé de fabrication d’un appareil de contention comportant les étapes suivantes : a) de préférence, à un instant actualisé, à la fin ou après la fin d’un traitement orthodontique, acquisition d’au moins une image bidimensionnelle d’au moins une partie d’une arcade dentaire d’un utilisateur, dite « image actualisée », au moyen d’un appareil d’acquisition d’images, de préférence plusieurs images actualisées sont acquises ; b) génération d’un modèle tridimensionnel numérique représentant l’arcade dentaire de l’utilisateur, dit « modèle actualisé », de préférence à partir de l’image actualisée ; c) conception d’un appareil de contention, à partir du modèle actualisé l’appareil de contention étant conçu de manière à maintenir la configuration des dents à l’instant actualisé lorsqu’il est positionné sur lesdites dents ; d) fabrication de l’appareil de contention.
De préférence, à l’étape b) le modèle actualisé est obtenu par déformation, à partir de l’image actualisée, d’un modèle tridimensionnel numérique de l’arcade dentaire de l’utilisateur, dit « modèle de référence », acquis avant l’étape a). Le modèle de référence est déformé, à partir de l’image actualisé, jusqu’à l’obtention d’un modèle actualisé représentant l’arcade dentaire dans une configuration compatible avec la configuration de l’arcade dentaire telle que représentée sur l’image actualisée.
Comme on le verra plus en détail dans la suite de la description, l’image actualisée peut être prise hors du cabinet d’orthodontie et le modèle de référence peut avoir été généré avant ou pendant le traitement orthodontique. En particulier, aucun scan intraoral n’est nécessaire, après le traitement orthodontique, afin de fabriquer l’appareil de contention. L’appareil de contention peut être ainsi déterminé et fabriqué sans que l’utilisateur ait besoin de se déplacer chez le professionnel de soins dentaires après la fin du traitement orthodontique, voire sans avoir besoin de voir le professionnel de soins dentaires.
Un procédé selon l’invention permet ainsi, avantageusement, de limiter le nombre de rendez- vous chez le professionnel de soins dentaires.
Un procédé selon l’invention peut comporter une ou plusieurs caractéristiques optionnelles suivantes:
- l’appareil de contention est un arc de contention ou une gouttière orthodontique de maintien, de préférence un arc de contention ;
- plusieurs images actualisées sont acquises, de préférence 3, de préférence 4, de préférence 5 ;
- plusieurs images actualisées sont acquises selon différents angles d’acquisition, les images actualisées comportant en particulier de préférence au moins une image de droite par rapport à l’utilisateur, au moins une image de gauche par rapport à l’utilisateur, au moins une image face à l’utilisateur;
- l’image actualisée est acquise par l’utilisateur ou l’un de ses proches ;
- l’acquisition à l’étape a) a lieu hors d’un cabinet orthodontique ou dentaire, de préférence chez l’utilisateur ;
- l’appareil d’acquisition d’images est un téléphone portable ;
- un écarteur dentaire et/ou un kit d’acquisition d’images, par exemple tel que décrit dans EP 3 391 810, est utilisé à l’étape a) ;
- le kit d’acquisition d’images a la forme d’un boitier sur lequel est fixé l’appareil d’acquisition d’images ;
- le boîtier a la forme d’un tube comportant une première ouverture destinée à être positionné dans la bouche de l’utilisateur et une deuxième ouverture destinée à être fixée à l’appareil d’acquisition d’images de sorte que l’appareil d’acquisition d’images acquiert au moins une image des dents de l’utilisateur à travers lesdites ouvertures ;
- à l’étape b), le modèle actualisé est obtenu par déformation, à partir de l’image actualisée, d’un modèle tridimensionnel numérique de l’arcade dentaire de l’utilisateur, dit « modèle de référence », acquis avant l’étape a) ;
- le modèle de référence est réalisé à partir d’un modèle tridimensionnel numérique, de préférence à partir d’un modèle tridimensionnel numérique acquis avant le début du traitement orthodontique ou pendant le traitement orthodontique, par exemple au moyen d’un scanner 3D ;
- le modèle de référence est un modèle actualisé, dit « modèle actualisé historique », issu de la mise en œuvre d’un procédé selon l’invention, le modèle actualisé historique ayant été de préférence enregistré dans une base de données après l’étape b);
- le modèle de référence est un modèle tridimensionnel numérique de l’arcade dentaire de l’utilisateur généré au début du traitement orthodontique, en particulier pour modéliser l’arcade dentaire à une étape du traitement orthodontique, ou pendant le traitement orthodontique, par exemple plus de 2 semaines ou plus d’un mois avant l’étape b) ;
- de préférence, le modèle de référence représente l’arcade dentaire de l’utilisateur dans une configuration théorique souhaitée à un instant intermédiaire du traitement orthodontique ou à un instant final du traitement orthodontique ;
- de préférence, le modèle de référence représente l’arcade dentaire dans une configuration finale correspondant à la configuration théorique souhaitée en fin du traitement orthodontique ;
- la déformation du modèle de référence est effectuée au moyen d’une méthode métaheuristique ou au moyen d’un réseau de neurones;
- à l’étape b), de préférence avant l’étape b), de préférence à l’étape a), de préférence encore avant l’étape a), le modèle de référence est découpé en modèles de dent, la déformation comprenant un déplacement des modèles de dent égal à la différence de positionnement des dents entre la configuration des dents dans le modèle de référence et la configuration des dents dans l’image actualisée ;
- à l’étape b) ou de préférence avant l’étape b), de préférence à l’étape a), de préférence encore avant l’étape a), au moins un réseau de neurones est entrainé, à partir d’une base d’apprentissage, pour déterminer un modèle actualisé en sortie du réseau de neurones, à partir d’un modèle de référence et d’une image actualisée soumis en entrée du réseau de neurones, la base d’apprentissage étant constituée d’images historiques et de premiers modèles historiques, similaires respectivement à l’image actualisée et au modèle de référence, et de seconds modèles historiques, similaires au modèle actualisé tel qu’attendu en sortie du réseau de neurones;
- à l’étape b), le modèle actualisé est obtenu sans recourir à un modèle de référence, en particulier par assemblage de modèles de dents choisis en fonction des images actualisées ;
- à l’étape c), la conception de l’appareil orthodontique comporte la détermination d’une courbure d’un arc de contention ;
- de préférence, l’arc de contention est déterminé de sorte à s’adapter à la forme des dents sur lesquelles l’arc de contention est destiné à être appliqué, l’arc de contention étant classiquement destiné à être fixé sur une surface intrados des dents de l’utilisateur ;
- les étapes b) à c) sont mises en œuvre par ordinateur, de préférence automatiquement, c’est- à-dire sans intervention d’un opérateur, ou en étant supervisées par un opérateur, par exemple un technicien ou un professionnel de soins dentaires ;
- l’étape d) est effectuée au moyen d’une imprimante 3D ;
- le procédé selon l’invention comporte, après l’étape d), l’étape e) suivante : e) envoi de l’appareil de contention, à l’utilisateur ou au professionnel de soins dentaires.
Dans un mode de réalisation, le modèle actualisé est obtenu par la mise en œuvre d’un procédé de modélisation d’une arcade dentaire, de préférence par un téléphone portable de l’utilisateur, ledit procédé de modélisation comportant les étapes suivantes :
1) analyse de l’image actualisée de manière à déterminer au moins une zone de dent et au moins une valeur d’attribut de dent associée à ladite zone de dent, de préférence un type ou un numéro de la dent à laquelle la zone de dent appartient;
2) pour chaque zone de dent déterminée à l’étape 1), recherche, dans une bibliothèque historique comportant plus de 1000 modèles de dents associés à ladite valeur d’attribut de dent, dits « modèles de dents historiques », d’un modèle de dent historique présentant une proximité maximale avec la zone de dent, dit « modèle de dent optimal » ;
3) agencement de l’ensemble des modèles de dents optimaux de manière à créer un modèle qui présente une concordance maximale avec l’image actualisée, c'est-à-dire le modèle actualisé.
Le procédé de modélisation comporte de préférence une ou plusieurs des caractéristiques suivantes :
- les étapes 1) et 2) du procédé de modélisation sont mises en œuvre pour plusieurs images actualisées, et, de préférence, aux étapes 2) et 3), on recherche des modèles de dents optimaux et un modèle assemblé de manière à obtenir une concordance maximale au regard de l’ensemble des images actualisées ; - l’attribut d’une dent est choisi parmi le type de la dent, le numéro de la dent, l’épaisseur de la dent, la hauteur de la couronne de la dent, la largeur mésio-palatine de la dent, l’indice de déflexion en mésial et distal du bord incisif de la dent, une couleur de dent, une forme de dent, un contour de dent, un état clinique de la dent, par exemple « dent cariée », « dent cassée », une position relative de dent par rapport à une autre dent, ou par rapport à un référentiel fixe par rapport à l’arcade, et les combinaisons de ces attributs ;
- plusieurs attributs de dent sont associés à la zone de dent et aux modèles de dent historiques ;
- à l’étape 2), la proximité est une proximité de forme évaluée par la différence entre la forme de la dent représentée sur la zone de dent et la forme du modèle de dent historique, de préférence par la différence de forme entre la zone de dent et une vue du modèle de dent historique qui présente la forme la plus proche de celle de la zone de dent;
- on recherche la vue du modèle de dent historique qui présente la forme la plus proche de celle de la zone de dent au moyen d’une méthode métaheuristique, de préférence évolutionniste, de préférence par recuit simulé, ou par un réseau de neurones.
Dans un mode de réalisation, le modèle de référence qui est déformé pour obtenir le modèle actualisé est un modèle généré par l’utilisateur, de préférence avec son téléphone portable.
L’utilisateur peut en particulier mettre en œuvre, à un instant antérieur à l’instant actualisé, par exemple à une étape du traitement orthodontique, le procédé de modélisation décrit ci- dessus, pour définir, à partir d’images actualisées « antérieures » un modèle actualisé « antérieur » et utiliser ce modèle actualisé antérieur comme modèle de référence.
Pour réaliser le modèle actualisé, ou un dit modèle de référence, l’utilisateur peut encore réaliser un scan de ladite arcade dentaire au moyen d’un scanner portable, par exemple de type LIDAR, de préférence un LIDAR de son téléphone portable, ou par analyse d’une série d’images représentant une marque lumineuse. Il peut en particulier mettre en œuvre, de préférence avec son téléphone portable, un procédé de génération d’un modèle tridimensionnel numérique d’une arcade dentaire comportant les étapes suivantes :
I) projection d’au moins un faisceau lumineux sur l’arcade dentaire de l’utilisateur, de manière à dessiner au moins une marque lumineuse sur l’arcade ;
II) simultanément à l’étape I), déplacement de l’arcade dentaire à travers le faisceau et acquisition, pendant ledit déplacement, d’une série d’images « marquées » de ladite arcade faisant chacune apparaître une représentation de la marque projetée, ou « projection » ;
III) identification de ladite projection sur chaque image marquée, puis fabrication d’un modèle tridimensionnel numérique présentant une concordance maximale avec l’ensemble de projections.
Dans un mode de réalisation, le procédé de génération est mis en œuvre avant l’instant actualisé pour générer un modèle de référence et les images actualisées servent à actualiser le modèle de référence.
Dans un mode de réalisation, le procédé de génération est mis en œuvre à l’instant actualisé pour générer un modèle de référence et les images actualisées servent à corriger des erreurs éventuelles du modèle de référence.
De préférence, les étapes b) à e) sont mises en œuvre par ordinateur, de préférence automatiquement, c’est-à-dire sans intervention d’un opérateur, ou en étant supervisées par un opérateur, par exemple un technicien ou un professionnel de soins dentaires.
De préférence, lorsque l’appareil de contention est un arc de contention, l’appareil de contention est envoyé au professionnel de soins dentaires.
Lorsque l’appareil de contention est un arc de contention, le procédé comporte de préférence,
- à l’étape c) de conception, la conception, à partir du modèle actualisé, d’une gouttière orthodontique de transfert destinée à contenir l’appareil de contention et une substance adhésive de sorte que lorsque l’on positionne la gouttière orthodontique de transfert sur les dents de l’utilisateur, l’appareil de contention est positionné et fixé sur les dents de l’utilisateur, dans une position permettant le maintien de la configuration des dents de l’utilisateur à l’instant actualisée; et
- à l’étape d) de fabrication de l’arc de contention, la fabrication de la gouttière orthodontique de transfert.
La substance adhésive peut être en un matériau composite. De préférence, la substance adhésive comporte une combinaison de particules inorganiques recouvertes de silane et de résine diméthacrylique, par exemple de type « ENAMEL plus HRI Flow HF ». La substance adhésive peut comporter des composites comportant du « Bis GMA » et/ou du « Bis EMA », par exemple du « Braceplaste ». A l’étape e), l’arc de contention peut être envoyé dans la gouttière orthodontique de transfert, de préférence au professionnel de soins dentaires ou à l’utilisateur, de préférence au professionnel de soins dentaires.
L’invention concerne également un produit programme d’ordinateur comprenant des instructions qui, lorsque le programme est exécuté par un ordinateur, conduisent celui-ci à mettre en œuvre les étapes suivantes : a’) réception d’au moins une image bidimensionnelle, représentant une arcade dentaire d’un utilisateur après la fin d’un traitement orthodontique, dite « image actualisée »; b) génération d’un modèle tridimensionnel numérique représentant l’arcade dentaire de l’utilisateur, dit « modèle actualisé», à partir de l’image actualisée, de préférence la génération du modèle actualisé est effectuée par déformation, à partir de l’image actualisée, d’un modèle tridimensionnel numérique de l’arcade dentaire de l’utilisateur, acquis avant l’étape a’), dit « modèle de référence »; c) conception d’un appareil de contention à partir du modèle actualisé; l’image actualisée reçue à l’étape a’) étant acquise au moyen de l’appareil d’acquisition d’images.
De préférence, le produit programme d’ordinateur comporte après l’étape c), une étape d) comportant l’envoi d’instructions de fabrication, de préférence via des communications digitales, à un fabricant d’appareils orthodontiques ou directement à un dispositif de fabrication, par exemple une imprimante 3D.
L’invention concerne aussi :
- un produit programme d’ordinateur selon l’invention,
- un support informatique sur lequel est enregistré un tel produit, par exemple une mémoire ou un CD-ROM, et
- un ordinateur dans lequel est chargé un tel produit.
Le support peut être notamment une mémoire informatique, un disque dur ou un CD ROM.
L’invention concerne également un kit de conception d’un appareil de contention comportant :
- un appareil d’acquisition d’images, de préférence un téléphone portable,
- un produit programme d’ordinateur selon l’invention, de préférence enregistré sur un support et chargé dans un ordinateur, comportant optionnellement un code pour l’étape d’envoi d’instructions de fabrication ; l’appareil d’acquisition d’images étant en communication avec l’ordinateur de manière à lui transmettre l’image actualisée qu’il a acquise.
Le produit programme d’ordinateur peut être un applicatif spécialisé installé sur l’appareil d’acquisition d’images, l’appareil d’acquisition d’images étant de préférence un téléphone portable.
Le kit peut également comporter un dispositif de fabrication d’un appareil orthodontique, par exemple une imprimante 3D, configuré pour recevoir des instructions de fabrication de l’appareil de contention transmises par l’ordinateur exécutant le produit programme d’ordinateur.
Le kit peut encore comporter un véhicule de transport, destiné à acheminer l’appareil de contention d’un site de fabrication dudit appareil de contention jusqu’à un site de livraison dudit appareil de contention, le site de livraison étant de préférence le domicile de l’utilisateur et/ou le cabinet du professionnel de soins dentaires de l’utilisateur.
Définitions
Par « utilisateur » on entend toute personne pour laquelle un procédé selon l’invention est mis en œuvre, que cette personne soit malade ou non.
Par « professionnel de soins dentaires », on entend toute personne qualifiée pour prodiguer des soins dentaires, ce qui inclut en particulier un orthodontiste et un dentiste.
Un « traitement orthodontique » est tout ou partie d’un traitement destiné à modifier la configuration dentaire d’un patient. On considère qu’un traitement destiné à maintenir la configuration dentaire (traitement de contention) n’est pas un traitement orthodontique.
Un scanner 3D, ou « scanner », est un appareil permettant d’obtenir un modèle 3D d’une arcade dentaire.
Un « instant actualisé » est un instant au cours duquel la ou les images actualisées sont acquises. La durée de cet instant est suffisamment courte pour que la configuration des dents n’évolue sensiblement pas pendant cette durée.
Par « modèle », on entend un modèle tridimensionnel numérique. Un modèle est constitué d’un ensemble de voxels. Un « modèle d’une arcade » est un modèle représentant au moins une partie d’une arcade dentaire, de préférence au moins 2, de préférence au moins 3, de préférence au moins 4 dents. La figure 3 est un exemple de modèle d’arcade.
Un « modèle de dent » est un modèle numérique tridimensionnel d’une dent de l’arcade d’un utilisateur. Un modèle d’une arcade peut être découpé de manière à définir pour au moins une partie des dents, de préférence pour toutes les dents représentées dans le modèle de l’arcade, des modèles de dent. Les modèles de dent sont donc des modèles au sein du modèle de l’arcade. La figure 4 illustre un exemple de modèle d’arcade découpé en modèles de dent.
Un « scénario » est une suite de modèles d’une arcade qui représentent des configurations d’arcade successives. En particulier, un « scénario de traitement », ou « plan de traitement », comporte des modèles qui représentent des configurations d’une arcade à différents instants de son traitement. Ces instants sont classiquement l’instant initial, avant le début du traitement, des instants intermédiaires pendant le traitement, et l’instant final, en fin de traitement. Chaque modèle d’un scénario représentant l’arcade dans sa configuration prévue à un instant intermédiaire est appelé « modèle intermédiaire ». La figure 2 illustre un exemple de scénario de traitement.
On appelle « concordance » (« match » ou «fit » en anglais) entre deux objets une mesure de la différence entre ces deux objets. Une concordance est maximale (« best fit ») lorsqu’elle résulte d’une optimisation permettant de manière à minimiser ladite différence.
En particulier, une image actualisée est en concordance maximale avec un modèle de lorsqu’une vue de ce modèle fournit une image en concordance maximale avec l’image actualisée.
Une « zone de dent » est une zone d’une image représentant, au moins partiellement, une dent.
On appelle « modèle de dent historique » un modèle de dent enrichi de son descriptif.
La « proximité » est une mesure d’une ou plusieurs différences entre le modèle de dent historique et la zone de dent. Ces différences peuvent inclure une différence de forme, mais également d’autres différences comme une différence de translucidité ou de couleur. On peut rechercher la proximité maximale en minimisant successivement plusieurs différences, ou en minimisant une combinaison de ces différences, par exemple une somme pondérée de ces différences. La « proximité » est donc une notion plus large que la « concordance », la concordance ne mesurant qu’une proximité relative à la forme.
Les configurations de l’arcade aux instants intermédiaires et final sont théoriques car elles résultent d’une simulation pour un instant futur. Elles sont donc anticipées, ou « prévues », et peuvent donc différer de la réalité à l’instant intermédiaire ou final. La visualisation des modèles d’un scénario, de manière chronologique, permet de simuler l’effet du traitement de l’arcade.
Une configuration d’une arcade est dite « réelle » lorsqu’elle est celle de l’arcade de l’utilisateur dans la réalité. Une configuration d’une arcade est dite « théorique » lorsqu’elle est celle de l’arcade de l’utilisateur telle que « simulée », « prévue » ou « souhaitée » pour un instant futur.
Un exemple de logiciel permettant de manipuler les modèles de dent et créer un scénario de traitement est le programme Treat, décrit sur la page https://en.wikipedia.Org/wiki/Clear_aligners#cite_note-invisalignsystem-10. US5975893A décrit également la création d’un scénario de traitement.
Par "image", on entend une image en deux dimensions, comme une photographie ou une image extraite d’un film. Une image est formée de pixels.
Les « conditions d’acquisition » précisent la position dans l’espace, l’orientation dans l’espace et la calibration, par exemple les valeurs de l’ouverture de diaphragme et/ou du temps d’exposition et/ou de la distance focale et/ou de la sensibilité,
- d’un appareil d’acquisition d’images réel, relativement à une arcade dentaire de l’utilisateur (conditions d’acquisition réelles) ou
- d’un appareil d’acquisition d’images virtuel, relativement à un modèle d’une arcade dentaire de l’utilisateur (conditions d’acquisition virtuelles).
La « calibration » d’un appareil d’acquisition est constituée par l’ensemble des valeurs des paramètres de calibration. Un paramètre de calibration est un paramètre intrinsèque à l’appareil d’acquisition (à la différence de sa position et de son orientation) dont la valeur influence l’image acquise. Par exemple, l’ouverture de diaphragme est un paramètre de calibration qui modifie la profondeur de champ. Le temps d’exposition est un paramètre de calibration qui modifie la luminosité (ou « l’exposition ») de l’image. La distance focale est un paramètre de calibration qui modifie l’angle de vue, c'est-à-dire le degré de « zoom ». La « sensibilité » est un paramètre de calibration qui modifie la réaction du capteur d’un appareil d’acquisition numérique à la lumière incidente.
De préférence, les paramètres de calibration sont choisis dans le groupe formé par l’ouverture de diaphragme, le temps d’exposition, la distance focale et la sensibilité.
Une observation d’un modèle, dans des conditions d’acquisition virtuelles déterminées, en particulier avec une calibration d’appareil d’acquisition virtuel, selon un angle et à une distance déterminés, est appelée une « vue ».
Par « image d’une arcade », « vue d’une arcade », « représentation d’une arcade », « scan d’une arcade », ou « modèle d’une arcade », on entend une image, une vue, une représentation, un scan ou un modèle de tout ou partie de ladite arcade dentaire.
Un modèle d’une arcade dentaire d’un utilisateur est « compatible » avec une image lorsqu’il existe une vue de ce modèle qui correspond à ladite image, c'est-à-dire telle que les représentations des dents sur la vue sont positionnées, relativement les unes aux autres, comme les représentations des dents sur l’image. Les contours des modèles de dents représentés sur la vue sont donc sensiblement superposables en registre aux contours des représentations desdites dents sur l’image.
Cette vue du modèle peut être également qualifiée de « compatible », ou « superposable en registre », avec ladite image.
Par « marque lumineuse », on entend le résultat de l’interaction entre un faisceau lumineux et une arcade dentaire. Une marque lumineuse peut être un point, une ligne, une bande ou un ensemble de points et/ou de lignes et/ou de bandes. Une ligne peut donc être continue ou localement interrompue et constituée de morceaux de lignes. Elle peut présenter une largeur constante ou variable. La représentation d’une marque lumineuse, en particulier sur une image actualisée, varie en fonction de la direction d’observation de cette marque.
Le qualificatif « lumineux » inclut toutes les ondes électromagnétiques depuis l’infrarouge jusqu’à l’ultraviolet.
Les méthodes « métaheuristiques » sont des méthodes d’optimisation connues. Elles sont de préférence choisies dans le groupe formé par
- les algorithmes évolutionnistes, de préférence choisie parmi: les stratégies d’évolution, les algorithmes génétiques, les algorithmes à évolution différentielle, les algorithmes à estimation de distribution, les systèmes immunitaires artificiels, la recomposition de chemin Shuffled Complex Evolution, le recuit simulé, les algorithmes de colonies de fourmis, les algorithmes d’optimisation par essaims particulaires, la recherche avec tabous, et la méthode GRASP ;
- l’algorithme du kangourou, la méthode de Fletcher et Powell, la méthode du bruitage, la tunnelisation stochastique, l’escalade de collines à recommencements aléatoires, la méthode de l'entropie croisée, et
- les méthodes hybrides entre les méthodes métaheuristiques citées ci-dessus.
Les dispositifs d’apprentissage profond, dits algorithmes de « deep learning », sont bien connus de l’homme de l’art. Ils comprennent les « réseaux de neurones » ou « réseaux neuronaux artificiels ».
L’homme de l’art sait choisir un réseau de neurones, en fonction de la tâche à effectuer. Notamment, un réseau de neurones peut être en particulier choisi parmi :
- les réseaux spécialisés dans la classification d’images, appelés « CNN » (« Convolutional neural network »), par exemple AlexNet (2012), ZF Net (2013), VGG Net (2014), GoogleNet (2015), Microsoft ResNet (2015), Caffe : BAIR Reference Caff eNet, BAIR AlexNet, Torch VGG CNN S, VGG CNN M, VGG_CNN_M_2048, VGG_CNN_M_1024, VGG CNN M 128, VGG CNN F, VGG ILSVRC-2014 16-layer, VGG ILSVRC-2014 19-layer, Network-in-Network (Imagenet & CIFAR-10), Google : Inception (V3, V4) ;
- les réseaux spécialisés dans la localisation, et détection d’objets dans une image, les Object Detection Network, par exemple R-CNN (2013), SSD (Single Shot MultiBox Detector : Object Detection network), Faster R-CNN (Faster Region-based Convolutional Network method : Object Detection network), Faster R-CNN (2015), SSD (2015), RCF (Richer Convolutional Features for Edge Detection) (2017), SPP-Net, 2014, OverFeat (Sermanet et al.), 2013, GoogleNet (Szegedy et al.), 2015, VGGNet (Simonyan and Zisserman), 2014, R- CNN (Girshick et al.), 2014, Fast R-CNN (Girshick et al.), 2015, ResNet (He et al.), 2016, Faster R-CNN (Ren et al.), 2016, FPN (Lin et al.), 2016, YOLO (Redmon et al.), 2016, SSD (Liu et al.), 2016, ResNet v2 (He et al.), 2016, R-FCN (Dai et al.), 2016, ResNeXt (Lin et al.), 2017, DenseNet (Huang et al.), 2017, DPN (Chen et al.), 2017, YOL09000 (Redmon and Farhadi), 2017, Hourglass (Newell et al.), 2016, MobileNet (Howard et al.), 2017, DCN (Dai et al.), 2017, RetinaNet (Lin et al.), 2017, Mask R-CNN (He et al.), 2017, RefineDet (Zhang et al.), 2018, Cascade RCNN (Cai et al.), 2018, NASNet (Zoph et al.), 2019, ComerNet (Law and Deng), 2018, FSAF (Zhu et al.), 2019, SENet (Hu et al.), 2018, ExtremeNet (Zhou et al.), 2019, NAS-FPN (Ghiasi et al.), 2019, Detnas (Chen et al.), 2019, FCOS (Tian et al.), 2019, CenterNet (Duan et al.), 2019, EfficientNet (Tan and Le), 2019, AlexNet (Krizhevsky et al.), 2012 ;
- les réseaux spécialisés dans la génération d'images, par exemple Cycle-Consistent Adversarial Networks (2017), Augmented CycleGAN (2018), Deep Photo Style Transfer (2017), FastPhotoStyle (2018), pix2pix (2017), Style-Based Generator Architecture for GANs (2018), SRGAN (2018).
La liste ci-dessus n’est pas limitative.
L’entrainement d’un réseau de neurones consiste à le confronter à une base d’apprentissage contenant des informations sur les deux types d’objet que le réseau de neurones doit apprendre à faire « correspondre », c'est-à-dire à connecter l’un à l’autre.
L’entrainement peut se faire à partir d’une base d’apprentissage constituée d’enregistrements comportant chacun un premier objet d’un premier type et un deuxième objet correspondant, d’un deuxième type.
Alternativement, l’entrainement peut se faire à partir d’une base d’apprentissage constituée d’enregistrements comportant chacun soit un premier objet d’un premier type, soit un deuxième objet d’un deuxième type, chaque enregistrement comportant cependant l’information relative au type d’objet qu’il contient. De telles techniques d’entrainement sont par exemple décrites dans l’article de Zhu, Jun-Yan, et al. "Unpaired image-to-image translation using cycle-consistent adversarial networks.", 2017 IEEE International Conference on Computer Vision (ICCV).
L’ entrainement du réseau de neurones avec ces enregistrements lui apprend à fournir, à partir d’un objet quelconque du premier type, un objet correspondant du deuxième type.
La qualité de l’analyse réalisée par le réseau de neurones dépend directement du nombre d’enregistrements de la base d'apprentissage. De préférence, la base d’apprentissage comporte plus de 10 000 enregistrements.
Par « ordinateur », on désigne une unité de traitement informatique, ce qui inclut un ensemble de plusieurs machines, ayant des capacités de traitement informatique. Cette unité peut être notamment intégrée dans un téléphone portable, ou être un ordinateur de type PC ou un serveur, par exemple un serveur à distance de l’utilisateur, par exemple être le « cloud » ou un ordinateur disposé chez un professionnel des soins dentaires. L’appareil d’acquisition d’images et l’ordinateur comportent alors des moyens de communication pour échanger entre eux, notamment pour transmettre la ou les images actualisées.
Classiquement, un ordinateur comporte en particulier un processeur, une mémoire, une interface homme-machine, comportant classiquement un écran, un module de communication par internet, par WIFI, par Bluetooth® ou par le réseau téléphonique. Un logiciel configuré pour mettre en œuvre un procédé de l’invention est chargé dans la mémoire de l’ordinateur. L’ordinateur peut être également connecté à une imprimante, par exemple une imprimante 3D.
« Comprendre », « comporter » ou « présenter » doivent être interprétés de manière large, non limitative, sauf indication contraire.
Brève description des dessins
D'autres caractéristiques et avantages de l'invention apparaîtront encore à la lecture de la description détaillée qui va suivre et à l'examen du dessin annexé, fournis à des fins illustratives et non limitatives. Dans le dessin annexé :
[Fig 1] illustre schématiquement un procédé de fabrication selon l’invention ;
[Fig 2] représente un scénario de traitement ;
[Fig 3] illustre un exemple de modèle d’arcade dentaire ;
[Fig 4] illustre un exemple de modèle d’arcade découpé en modèles de dents ;
[Fig 5] schématise un kit selon l’invention ;
[Fig 6] schématise une étape de déformation d’un modèle de référence selon l’invention.
Description détaillée
On a illustré à la figure 1 un exemple de procédé de fabrication selon l’invention. Ce procédé de fabrication comporte les étapes a) à d), de préférence les étapes a) à e).
A l’étape a), on acquiert une image actualisée 22, de préférence une photo, représentant une arcade dentaire d’un utilisateur, au moyen d’un appareil d’acquisition d’images 20, afin d’actualiser un modèle de référence 32 représentant ladite arcade dentaire de l’utilisateur. Alternativement, l’acquisition de l’image actualisée est effectuée par acquisition d’une vidéo, l’arcade dentaire de l’utilisateur étant filmée au moyen de l’appareil d’acquisition d’images. L’image actualisée peut être extraite de cette vidéo.
L’étape a) est réalisée à un instant actualisé, l’instant actualisé étant postérieur à un traitement orthodontique. De préférence, l’acquisition est effectuée moins de six mois, de préférence moins de trois mois, de préférence moins d’un mois, de préférence encore immédiatement après la fin du traitement orthodontique.
L’acquisition de l’étape a) peut être réalisée par l’utilisateur, un de ses proches ou un professionnel de soins dentaires. De préférence l’acquisition est réalisée par l’utilisateur lui- même.
L’appareil d’acquisition d’images 20 peut être un téléphone portable, une tablette, un appareil photo ou un ordinateur, l’appareil d’acquisition d’images étant de préférence un téléphone portable.
De préférence, plusieurs images actualisées 22 sont acquises. Les images actualisées peuvent comporter une image vue de face, une image vue de gauche et une image vue de droite. Les images actualisées peuvent être prises pour l’arcade supérieure, pour l’arcade inférieure, ou pour les deux. Les images actualisées peuvent être prises lorsque l’utilisateur a la bouche ouverte ou la bouche fermée. De préférence, les images actualisées sont en couleurs, de préférence en couleurs réalistes.
A l’étape b), on génère un modèle actualisé 42, à partir de l’image actualisée acquise à l’étape a), le modèle étant généré sans que l’utilisateur ait besoin d’être physiquement présent dans le cabinet dentaire, de préférence l’utilisateur n’est pas physiquement présent dans le cabinet dentaire.
Plusieurs méthodes peuvent être mises en œuvre.
Dans un mode de réalisation, le modèle actualisé est généré directement à partir de la ou des images actualisées, de préférence avec au moins un réseau de neurones.
Le au moins un réseau de neurones est préalablement entrainé de façon que le réseau de neurones apprenne à fournir en sortie un modèle actualisé, à partir d’une ou plusieurs images actualisées fournies en entrée. L’entrainement est réalisé au moyen d’une base d’entrainement comportant des images historiques, et des modèles historiques, les images historiques étant assimilables à des images actualisées, et les modèles historiques étant assimilables à des modèles actualisés. Un modèle historique peut être acquis au moyen d’un scanner 3D sensiblement à l’instant auquel l’image historique correspondante a été acquise, ou être généré manuellement. Un enregistrement de la base d’apprentissage peut comporter comme premier objet, une image historique et comme deuxième objet un modèle historique. On peut indiquer au réseau de neurones que pour un premier objet comportant une image historique, il doit faire correspondre un deuxième objet comportant un modèle historique. En particulier, pour réaliser l’entrainement du réseau de neurones, on lui fournira un ensemble de premiers objets et un ensemble de deuxièmes objets afin qu’il apprenne à faire correspondre un premier objet avec un deuxième objet. Une fois entrainé, le réseau de neurones est alors capable de déterminer en sortie un modèle actualisé, lorsqu’on lui fournit en entrée une image actualisée.
De préférence, le premier objet comporte une pluralité d’images actualisées, le au moins un réseau de neurones étant entrainé pour générer, en sortie, un modèle actualisé à partir d’une pluralité d’images actualisées qu’on lui a fourni en entrée.
Le au moins un réseau de neurones peut être un réseau de neurones de reconstruction, c’est à dire un réseau de neurones de type « occupancy network ».
Le réseau de neurones de type occupancy network est entrainé pour fournir en sortie un modèle 3D d’au moins une partie d’une arcade dentaire construit à partir d’une pluralité d’images actualisées représentant la au moins une partie de l’arcade dentaire. De préférence, un réseau de neurones de type occupancy network ne prend en entrée que des images actualisées représentant au moins une partie de l’arcade dentaire de l’utilisateur.
Dans un autre mode de réalisation, un modèle de référence 32 est déterminé. Le modèle de référence peut être sélectionné manuellement, par exemple parmi un ensemble de modèles 3D enregistrés dans une base de données 30, représentant l’arcade dentaire de l’utilisateur. De préférence le modèle de référence est déterminé automatiquement, c’est-à-dire sans intervention humaine, de préférence par ordinateur.
Le modèle de référence 32 sélectionné est de préférence un modèle intermédiaire ou un modèle final, créés lors de la détermination du scénario du traitement orthodontique. Un scénario de traitement orthodontique est illustré figure 2. Le modèle de référence 32 correspond de préférence à un modèle 3D acquis avant le début du traitement orthodontique au moyen d’un scanner 3D, aussi appelé « modèle initial », qui a été modifié pour représenter la configuration théorique des dents à un instant intermédiaire du traitement orthodontique, aussi appelé modèle intermédiaire, ou à l’instant final du traitement orthodontique, aussi appelé modèle final. De préférence, le modèle de référence correspond au modèle final.
Le modèle de référence peut être sélectionné dans une base de données. Alternativement, le modèle de référence peut être envoyé, par exemple par le professionnel de soins dentaires ou un technicien, par communication digitale, de préférence via un applicatif spécialisé.
Le modèle de référence 32 est ensuite déformé pour obtenir un modèle actualisé 42 représentant la configuration des dents de l’utilisateur à l’instant actualisé.
La figure 6 illustre la déformation d’un modèle de référence via un algorithme de transformation. L’algorithme de transformation reçoit en entrée le modèle de référence 32 et l’image actualisée 22, puis déforme le modèle de référence en fonction de l’image actualisée pour déterminer un modèle actualisé 42 compatible avec l’image actualisée.
L’algorithme de transformation peut être une méthode métaheuristique, comportant de préférence les étapes suivantes :
- recherche d’une position, d’une orientation et d’une calibration d’un appareil d’acquisition virtuel, collectivement appelées « conditions d’acquisition virtuelles », qui correspondent au mieux aux conditions d’acquisition réelles de l’image actualisée ;
- comparaison de la vue du modèle de référence dans les conditions d’acquisition virtuelles et de l’image actualisée ;
- déformation du modèle de référence afin que le positionnement des dents observées sur ladite vue dans les conditions d’acquisition virtuelles corresponde au positionnement des dents observées sur l’image d’acquisition.
La déformation est donc réalisée pour mettre à jour le modèle de référence à l’instant auquel l’image d’acquisition a été acquise.
De préférence, le modèle de référence est préalablement découpé en modèles de dents, tel qu’illustré sur la figure 4, la déformation comprenant le déplacement desdits modèles de dents. Dans un mode de réalisation, la déformation consiste à déplacer des modèles de dent dont la forme reste constante. La recherche desdites conditions d’acquisition virtuelles et ladite comparaison peuvent en particulier être effectuées suivant l’enseignement de PCT/EP2015/074896.
Alternativement, l’algorithme de transformation comprend au moins un réseau de neurones.
Le au moins un réseau de neurones est préalablement entrainé de façon que le réseau de neurones apprenne à fournir en sortie un modèle actualisé, à partir d’une image actualisée et d’un modèle de référence fournis en entrée.
L’entrainement est réalisé au moyen d’une base d’entrainement comportant des images historiques, des premiers modèles historiques, et des seconds modèles historiques, les images historiques étant assimilables à des images actualisées, les premiers modèles historiques étant assimilables à des modèles de référence et les seconds modèles historiques étant assimilables à des modèles actualisés. De préférence, chaque second modèle historique est déterminé à partir d’une image historique et d’un premier modèle historique correspondant, par exemple manuellement, ou est acquis au moyen d’un scanner 3D sensiblement à l’instant auquel l’image historique correspondante a été acquise. Un enregistrement de la base d’apprentissage peut comporter comme premier objet, une image historique et un premier modèle historique et comme deuxième objet un second modèle historique. On peut indiquer au réseau de neurones que pour un premier objet comportant une image historique et un premier modèle historique, il doit faire correspondre un deuxième objet comportant un second modèle historique. En particulier, pour réaliser l’entrainement du réseau de neurones, on lui fournira un ensemble de premiers objets et un ensemble de deuxièmes objets afin qu’il apprenne à faire correspondre un premier objet avec un deuxième objet. Une fois entrainé, le réseau de neurones est alors capable de déterminer en sortie un modèle actualisé, lorsqu’on lui fournit en entrée une image actualisée et un modèle de référence.
En particulier, si on dispose de plusieurs images actualisées, il est notamment possible d’utiliser les réseaux de renforcement type PPO, tels que décrit sur le site suivant : https://openai.com/blog/openai-baselines-ppo/.
Le réseau de neurones de type PPO peut être configuré pour modifier itérativement la position des dents d’un modèle 3D représentant au moins une partie d’une arcade dentaire de l’utilisateur à partir d’au moins deux images actualisées fournies en entrée du réseau de neurones afin que le modèle 3D, une fois modifié, présente une concordance maximale avec les images fournies en entrée, les au moins deux images actualisées étant des images représentant au moins une partie de l’arcade dentaire de l’utilisateur acquises avec des angles d’acquisition différents. La fourniture de plusieurs images actualisées acquises selon différents angles d’acquisition permet de calculer les mouvements des dents en trois dimensions selon le principe de la triangulation.
Avantageusement, de tels réseaux de neurones ne nécessitent pas d’autres données que les images actualisées en entrée pour effectuer la modification du modèle 3D disponible au réseau de neurones.
Pour l’entrainement du réseau de neurones, on indique au réseau de neurones la position finale des dents attendue en sortie. Le réseau de neurones peut alors apprendre à corriger le résultat qu’il fournit en sortie (modèle 3D « en sortie ») en comparant la position des dents dans ce modèle « en sortie » à la position finale attendue pour lesdits dents. L’écart entre la position des dents attendue et la position desdites dents dans le modèle en sortie que fournit le réseau de neurones peut être par exemple calculé en millimètres, ou en degrés, ou peut être une tolérance de surface, ou une distance euclidienne LL
Par rapport à un réseau de neurones de type PPO, un réseau de neurones de type occupancy network peut être moins précis, notamment lorsque certaines portions de la au moins une partie de l’arcade dentaire ne sont pas représentées sur la pluralité d’images actualisées fournie en entrée du réseau de neurones. Avantageusement, un modèle 3D de l’arcade dentaire de l’utilisateur, acquis antérieurement, permet de reconstruire les portions manquantes. Le modèle 3D de l’arcade dentaire de l’utilisateur acquis antérieurement peut également fournir des informations de dimensions, en millimètres par exemple, qui ne peuvent pas être déduites de la pluralité d’images actualisées fournie en entrée seule.
Dans un autre mode de réalisation de l’étape b), le modèle actualisé est généré à partir de l’image actualisée, de préférence d’un ensemble de plusieurs images actualisées, et d’une bibliothèque de modèles de dent selon un procédé de modélisation comportant, pour chaque image actualisée, les étapes suivantes :
1) analyse de l’image actualisée de manière à déterminer au moins une zone de dent et au moins une valeur d’attribut de dent associée à ladite zone de dent, de préférence un type ou un numéro de la dent à laquelle la zone de dent appartient ;
2) pour chaque zone de dent déterminée à l’étape 1), recherche, dans une bibliothèque historique comportant plus de 1000 modèles de dents associés à ladite valeur d’attribut de dent, dits « modèles de dents historiques », d’un modèle de dent historique présentant une proximité maximale avec la zone de dent, dit « modèle de dent optimal » ;
3) agencement de l’ensemble des modèles de dents optimaux de manière à créer un modèle qui présente une concordance maximale avec l’image actualisée.
La bibliothèque de modèles de dent est de préférence créée avant l’étape a) du procédé de fabrication selon l’invention. De préférence, la bibliothèque de modèles de dents comporte plus de 2 000, de préférence plus de 5 000, de préférence plus de 10 000 modèles de dent historiques. Plus le nombre de modèles de dent historiques est élevé, plus précis est le modèle assemblé.
L'attribut de dent sert à filtrer les modèles de dent historiques pour limiter la recherche aux dents qui présentent la même valeur d’attribut de dent que la dent représentée par la zone de dent sur l’image actualisée.
Un ou plusieurs attributs de dent, en particulier choisi parmi un numéro de dent, un type de dent, un paramètre de forme de la dent, par exemple une largeur de dent, en particulier une largeur mésio-palatine, une épaisseur, une hauteur de couronne, un indice de déflexion en mésial et distal du bord incisif, ou un niveau d’abrasion, un paramètre d’apparence de la dent, en particulier un indice de translucidité ou un paramètre de couleur, un paramètre relatif à l’état de la dent, par exemple « abrasée », « cassée », « cariée » ou « appareillée » (c'est-à- dire en contact avec un appareil orthodontique), un âge pour l’utilisateur, ou une combinaison de ces attributs, peuvent être associés aux modèles de dent.
De préférence, le procédé de modélisation comporte les étapes optionnelles suivantes :
4) optionnellement, remplacement d’au moins un modèle de dent optimal par un autre modèle de dent historique et reprise à l’étape 3) de manière à maximiser la concordance entre le modèle assemblé et l’image actualisée ;
5) optionnellement, reprise de l’étape 1) avec une autre image actualisée et à l’étape 3) et/ou 4), recherche d’une concordance maximale avec l’ensemble des images actualisées utilisées.
La précision du modèle assemblé peut être augmentée si plusieurs images actualisées sont traitées. A l’étape 1), l’image actualisée est analysée, de préférence en étant soumise à un réseau de neurones entrainé pour déterminer au moins une zone de dent et au moins une valeur d’attribut de dent associée à ladite zone de dent.
A l’issue de l’étape 1), on obtient une image actualisée enrichie d’un descriptif fournissant, pour chaque zone de dent, une valeur d’attribut de dent pour au moins un attribut de dent, par exemple un numéro de dent.
A l’étape 2), on recherche dans la bibliothèque historique, pour chaque zone de dent déterminée à l’étape précédente, un modèle de dent historique présentant une proximité maximale avec la zone de dent. Ce modèle de dent est qualifié de « modèle de dent optimal ».
De préférence, on recherche un modèle de dent historique ayant, pour au moins un attribut de dent, la même valeur que ladite zone de dent. L’attribut de dent peut en particulier être relatif au type de dent ou au numéro de dent. Autrement dit, on filtre les modèles de dent historique pour n’examiner plus en détail que ceux qui sont relatifs au même type de dent que la dent représentée sur la zone de dent.
Alternativement ou, de préférence, en complément de cette comparaison des valeurs d’attribut, la forme de la dent représentée sur la zone de dent peut être comparée à la forme d’un modèle de dent historique à évaluer, de préférence au moyen d’une méthode métaheuristique, de préférence évolutionniste, de préférence par recuit simulé.
A cet effet, on observe suivant différents angles le modèle de dent historique à évaluer. Chaque vue ainsi obtenue est comparée avec l’image actualisée, de préférence avec la zone de dent de manière à établir une « distance » entre cette vue et ladite image actualisée ou, de préférence, ladite zone de dent. La distance mesure ainsi la différence entre la vue et la zone de dent.
Pour chaque modèle de dent historique testé, on détermine ainsi une vue fournissant une distance minimale avec l’image actualisée ou avec la zone de dent. Chaque modèle de dent historique examiné est ainsi associé à une distance minimale particulière, qui mesure sa proximité de forme avec la zone de dent.
Le modèle de dent historique optimal est celui qui, au regard de la ou des comparaisons effectuées, est considéré comme le plus proche de la zone de dent. On compare ensuite les distances minimales obtenues pour les différents modèles de dent testés et on retient, pour définir le modèle de dent optimal, celui qui présente la plus petite distance minimale. Le modèle de dent optimal présente donc une concordance maximale avec l’image actualisée.
La recherche de la concordance maximale s’effectue de préférence au moyen d’une méthode métaheuristique, de préférence évolutionniste, de préférence par recuit simulé.
Dans un mode de réalisation préféré, on effectue successivement une première évaluation des modèles de dent historiques par comparaison des valeurs d’au moins un attribut de dent, par exemple du numéro de dent, avec les valeurs correspondantes de la zone de dent d’analyse, puis une deuxième évaluation par comparaison de forme. La première évaluation, rapide, permet avantageusement de filtrer les modèles de dent historiques afin de ne soumettre à la deuxième évaluation, plus lente, que les modèles de dents historiques retenus par la première évaluation.
De préférence encore, plusieurs premières évaluations sont effectuées avant d’effectuer la deuxième évaluation.
A l’issue de l’étape 2), on a ainsi associé un modèle de dent optimal à chacune des zones de dent.
A l’étape 3), on crée un modèle assemblé en agençant les modèles de dent optimaux.
Un premier agencement grossier peut être établi en considérant les valeurs d’attribut de dent des modèles de dent optimaux. Par exemple, si les numéros de dent de modèles de dent optimaux sont ceux des canines et des incisives, ces modèles de dents peuvent être disposés suivant un arc correspondant classiquement à la région de l’arcade qui porte ces types de dents.
La forme de cet arc peut être affinée en fonction d’autres valeurs d’attribut de dent.
L’ordre des modèles de dent optimaux est celui des zones de dent correspondantes.
Par ailleurs, la proximité maximale, ou « distance minimale », associée à un modèle de dent optimal résulte d’une observation du modèle de dent suivant un point d’observation. Autrement dit, c’est vraisemblablement sensiblement depuis ce point que la dent que ce modèle modélise est également observée dans l’image actualisée. Les modèles de dent optimaux sont ainsi de préférence orientés de manière que leurs surfaces qui correspondent à leurs zones de dent respectives sur l’image actualisée soient observées depuis un même point d’observation.
Il est ainsi possible de définir un premier agencement des modèles de dent optimaux.
De préférence, le premier agencement des modèles de dent optimaux est ensuite modifié itérativement, de manière à présenter une concordance maximale avec l’image actualisée.
Dans un autre mode de réalisation de l’étape b), le modèle actualisé (ou un modèle de référence destiné à être déformé pour générer le modèle actualisé) est généré par la mise en œuvre d’un procédé de génération d’un modèle tridimensionnel numérique d’une arcade dentaire comportant les étapes suivantes :
I) projection d’au moins un faisceau lumineux sur l’arcade dentaire de l’utilisateur, de manière à dessiner au moins une marque lumineuse sur l’arcade ;
II) simultanément à l’étape I), déplacement de l’arcade dentaire à travers le faisceau et acquisition, pendant ledit déplacement, d’une série d’images marquées de ladite arcade faisant chacune apparaître une représentation de la marque projetée, ou « projection actualisée » ;
III) identification de ladite projection sur chaque image marquée, puis fabrication d’un modèle tridimensionnel numérique présentant une concordance maximale avec l’ensemble des dites projections actualisées.
De préférence, à l’étape I), on projette un faisceau de lumière structuré.
A l’étape III), on peut rechercher le modèle actualisé au moyen d’une méthode d’optimisation et/ou d’un ou plusieurs réseaux de neurones.
A l’étape III), pour fabriquer le modèle actualisé, on peut modifier un modèle défini en fonction de caractéristiques de l’utilisateur, ou un modèle issu d’une base de données, par exemple un modèle initial, un modèle intermédiaire, ou un modèle final.
A l’étape III), on peut déterminer le modèle actualisé comme étant le modèle à tester obtenu à la fin du cycle d’étapes i) à iii) suivant : i) création d’un modèle à tester, puis ii) détermination d’une distance représentative de la différence entre l’ensemble des projections actualisées et le modèle à tester, puis, iii) si ladite distance représentative dépasse un seuil d’acceptabilité prédéterminé, modification du modèle à tester et reprise à l’étape i).
On peut évaluer la distance représentative à partir de distances élémentaires, chaque distance élémentaire étant déterminée, pour une projection actualisée respective, par une évaluation de la différence entre ladite projection actualisée et une projection de référence optimale, une projection de référence étant une représentation, sur une image de référence représentant une vue du modèle à tester, d’une marque lumineuse virtuelle résultant de la projection, sur le modèle à tester, d’un faisceau lumineux virtuel de même forme que le faisceau lumineux projeté sur l’arcade à l’étape I), l’image de référence optimale étant l’image de référence faisant apparaître la projection de référence qui présente une distance minimale avec la projection actualisée.
Le modèle à tester peut être segmenté de manière à définir des modèles de dent et la modification du modèle à tester comprend des déplacements des modèles de dent et/ou des déformations de ces modèles de dent.
Le premier modèle à tester à être modifié peut être un modèle d’arcade dentaire, de préférence sélectionné en fonction de caractéristiques de l’utilisateur, ou un modèle issu d’une base de données, par exemple un modèle initial, un modèle intermédiaire, ou un modèle final.
A l’étape III), on met en œuvre au moins une, de préférence deux méthodes parmi les méthodes d’optimisation, les méthodes d’intelligence artificielle, les méthodes d’évaluation de dimensions par stéréovision, les méthodes d’évaluation de dimensions par analyse de la forme de la marque lumineuse et les méthodes d’évaluation de dimensions par analyse de la distance entre des points remarquable des images marquées.
A l’étape c), on conçoit un appareil de contention 44, à partir du modèle actualisé 42. La conception peut être faite manuellement, par exemple par un technicien ou un professionnel de soins dentaires.
Alternativement, la conception est effectuée au moyen d’un logiciel, de préférence automatiquement, c’est-à-dire sans intervention humaine. L’appareil de contention est conçu de manière à maintenir les dents de l’utilisateur dans la configuration des dents à l’instant actualisé. Pour assurer ce maintien, la forme de l’appareil orthodontique est classiquement conforme à celle de l’arcade dentaire du patient à l’instant actualisé, de manière que l’appareil orthodontique n’exerce pas, à l’instant actualisé, d’action tendant à déplacer des dents.
De préférence, l’appareil de contention est un arc de contention destiné à être fixé, par exemple collé, sur les dents de l’utilisateur. Alternativement, l’appareil de contention est une gouttière orthodontique de maintien.
La conception de l’appareil de contention consiste à déterminer une forme de l’appareil apte à maintenir la configuration des dents de l’instant actualisé.
A l’étape d), on fabrique l’appareil de contention 52.
Dans un mode de réalisation, la fabrication résulte d’une empreinte réalisée sur une pièce représentant physiquement le modèle actualisé. Les étapes c) et d) sont alors confondues. Par exemple, un fil métallique peut être pressé sur un moulage en plâtre ou en un matériau polymère, représentant physiquement le modèle actualisé, afin de réaliser un arc de contention. Une gouttière en un matériau polymère peut être également fabriquée par moulage sur une telle pièce.
L’appareil de contention peut être également réalisé directement à partir du modèle actualisé, par exemple en concevant un modèle 3D de l’appareil de contention, puis en le fabriquant, par exemple en l’imprimant avec une imprimante 3D.
De préférence, lorsque l’appareil de contention est un arc de contention, on fabrique également une gouttière de transfert, la gouttière de transfert permettant de positionner facilement l’arc de contention sur les dents de l’utilisateur. Dans un premier temps, l’arc de contention est positionné dans la gouttière orthodontique de transfert avec une substance adhésive. Dans un deuxième temps, la gouttière orthodontique de transfert est positionnée en position de service sur les dents de l’utilisateur. Le transport ainsi que le positionnement et la fixation de l’arc de contention sont ainsi facilités. En particulier, il est possible de positionner et fixer l’arc en une seule étape. De plus, la gouttière orthodontique de transfert ayant étant conçue à partir d’un modèle tridimensionnel représentant l’arcade dentaire de l’utilisateur, l’arc de contention peut être positionné précisément. L’article « Méthode simple et rapide de contention indirecte » de Christine MULLER et al., Orthod Fr 2009;80:233-238, EDP Sciences, SFODF, 2009 DOI: 10.105 l/orthodfr/2009006, décrit un exemple de procédé de fabrication d’une gouttière orthodontique de transfert. A l’étape e), optionnelle, on envoie l’appareil de contention fabriqué, de préférence au professionnel de soins dentaires ou à l’utilisateur. L’utilisateur peut recevoir, avec l’appareil de contention, des instructions lui indiquant comment porter et/ou positionner l’appareil de contention. Avantageusement, l’utilisateur n’a donc pas à se déplacer chez le professionnel de soins dentaires, que ce soit pour l’acquisition d’un modèle 3D grâce à un scanner 3D ou pour recevoir l’appareil de contention et/ou pour que l’appareil de contention soit positionné dans sa bouche.
De préférence, les étapes b) et c) sont mises en œuvre par ordinateur, de préférence sans intervention humaine. L’étape d) et/ou e) peu(ven)t également être réalisée(s) sans intervention humaine. L’ordinateur mettant en œuvre l’étape c) peut communiquer, après l’étape c), des instructions issues de la conception permettant de fabriquer l’appareil de contention à un dispositif de fabrication 50.
La figure 5 illustre schématiquement un kit de conception 1 selon l’invention.
Le kit de conception 1 comporte un appareil d’acquisition d’images 20, de préférence un téléphone portable, et un système informatique 40, par exemple un ordinateur, comportant un produit programme d’ordinateur configuré pour mettre en œuvre l’étape b) d’un procédé de fabrication selon l’invention, mieux pour mettre en œuvre les étapes b) à c) d’un procédé de fabrication selon l’invention. Le produit programme d’ordinateur peut également être configuré pour envoyer des instructions de conception 64 directement à un dispositif de fabrication 50.
L’appareil d’acquisition d’images 20 peut communiquer avec le système informatique pour transmettre la ou les images actualisées acquises 60 au système informatique 40, via des communications digitales. Dans un mode de réalisation particulier, l’appareil d’acquisition et le système informatique sont intégrés dans un téléphone portable.
Le modèle de référence peut être issu d’une base de données 30, accessible, via des communications digitales, au système informatique. Le modèle de référence peut être transmis 62 au système informatique, en particulier en étant téléchargé. La base de données peut être dans un serveur à distance.
Le kit de conception 1 peut comporter le dispositif de fabrication, le dispositif de fabrication étant de préférence configuré pour communiquer avec le système informatique. Une fois la conception de l’appareil de contention faite, le système informatique 40 peut envoyer des instructions de fabrication 64 au dispositif de fabrication 50.
Exemple
Une image actualisée 22 est acquise au moyen d’un téléphone portable 20, de préférence par l’utilisateur, de préférence à distance d’un cabinet dentaire ou orthodontique.
L’image actualisée 22 est envoyée à un système informatique 40. Le système informatique peut être intégré ou non dans le téléphone portable. De préférence, le système informatique est un applicatif spécialisé, pouvant être installé sur le téléphone portable.
Le système informatique 40 peut de préférence communiquer avec une base de données 30 comportant des modèles intermédiaires, initial et final issus d’un ou plusieurs scénarios de traitement orthodontique, représentant des configurations de l’arcade dentaire de l’utilisateur. Les modèles intermédiaires et final représentent des configurations théoriques de l’arcade dentaire de l’utilisateur. Le modèle initial est un modèle acquis par le professionnel de soins dentaires, classiquement, de préférence au moyen d’un scanner 3D. A l’étape b), le modèle de référence est déterminé en sélectionnant un modèle de la base de données 30.
Alternativement, à l’étape b), le modèle de référence 32 est sélectionné manuellement et envoyé au système informatique 40, par exemple par le professionnel de soins dentaires ou un technicien.
A partir de l’image actualisée 22 et du modèle de référence 32, le système informatique 40 peut déterminer le modèle actualisé 42, comme décrit à l’étape c) d’un procédé selon l’invention.
Le système informatique 40 peut ensuite, à l’aide du modèle actualisé 42, concevoir un appareil de contention 52, comme décrit à l’étape d) d’un procédé selon l’invention, optionnellement avec l’aide d’un opérateur ou d’un professionnel de soins dentaires. La détermination du modèle actualisé (étape c)) et la conception de l’appareil de contention (étape d)) peuvent être réalisées à distance l’une de l’autre. Le système informatique peut comporter plusieurs processeurs.
De préférence, le téléphone portable comporte un applicatif spécialisé configuré pour mettre en œuvre les étapes a) à c) selon l’invention, de préférence les étapes a) à d) selon l’invention. L’étape d) de conception de l’appareil de contention permet de déterminer des instructions de fabrication dudit appareil de contention. L’appareil de contention 52 peut être un arc de contention ou une gouttière orthodontique de maintien. Ces instructions sont avantageusement envoyées à un dispositif de fabrication 50.
Le dispositif de fabrication fabrique, à partir des instructions l’appareil de contention. Le dispositif de fabrication peut être une imprimante 3D. L’imprimante 3D peut être chez l’utilisateur.
A l’issue de la fabrication, l’appareil de contention peut être envoyé directement à l’utilisateur. De préférence lorsque l’appareil de contention est un arc de contention, il est envoyé dans une gouttière de transfert, qui comporte, en plus de l’arc, de la colle permettant de fixer l’arc de contention aux dents de l’utilisateur lorsque la gouttière de transfert est positionnée sur lesdites dents de l’utilisateur.
Comme cela apparaît clairement à présent, un procédé selon l’invention permet de fabriquer un appareil de contention à partir d’une ou plusieurs images actualisées, de préférence des photos prises par l’utilisateur, et d’un modèle de référence acquis alors que les dents n’avaient pas encore atteint leur configuration finale. Cette fabrication peut donc être réalisée sans intervention de l’orthodontiste spécifiquement à cet effet, ce qui évite à l’utilisateur de prendre un rendez-vous avec ce dernier.
Ainsi, grâce à l’acquisition de simples images extra-orales des dents de l’utilisateur, c’est-à- dire des images acquises au moyen d’un appareil d’acquisition d’images situé à l’extérieur de la bouche de l’utilisateur lors de l’acquisition, il est possible de concevoir et fabriquer un appareil de contention, sans que l’utilisateur n’ait besoin de consulter, physiquement, son professionnel de soins dentaires. En particulier, un procédé selon l’invention, permet de fabriquer des arcs de contention destinés à être positionné sur une surface intrados des dents de l’utilisateur, à partir de l’acquisition d’images extra-orales, représentant notamment des surface extrados des dents de l’utilisateur.
Bien entendu, l'invention n'est pas limitée aux modes de réalisation décrits ci-dessus et représentés.

Claims

Revendications
1. Procédé de fabrication d’un appareil de contention, ledit procédé comportant les étapes suivantes : avant l’étape a), pendant un traitement orthodontique, génération d’un modèle de référence représentant l’arcade dentaire de l’utilisateur ; a) à un instant actualisé, à la fin ou après la fin du traitement orthodontique, acquisition d’au moins une image bidimensionnelle d’au moins une partie d’une arcade dentaire d’un utilisateur, dite « image actualisée », au moyen d’un appareil d’acquisition d’images; b) génération d’un modèle tridimensionnel numérique représentant l’arcade dentaire de l’utilisateur, dit « modèle actualisé», à partir de l’image actualisée , le modèle actualisé étant obtenu par déformation, à partir de l’image actualisée, du modèle de référence; c) conception, à partir du modèle actualisé et de préférence par ordinateur, d’un appareil de contention adapté au maintien des dents dans leur configuration à l’instant actualisé; d) fabrication de l’appareil de contention.
2. Procédé selon la revendication 1, dans lequel l’acquisition de l’image actualisée est effectuée par l’utilisateur, de préférence hors d’un cabinet orthodontique ou dentaire.
3. Procédé selon l’une quelconque des revendications précédentes, dans lequel l’appareil de contention est un arc de contention ou une gouttière orthodontique de maintien, de préférence un arc de contention.
4. Procédé selon l’une quelconque des revendications précédentes, dans lequel le modèle de référence représente l’arcade dentaire de l’utilisateur dans une configuration théorique souhaitée à un instant intermédiaire du traitement orthodontique ou à un instant final du traitement orthodontique, dits « modèle intermédiaire » ou « modèle final » respectivement.
5. Procédé selon l’une quelconque des revendications précédentes, dans lequel le modèle de référence est un modèle final. Procédé selon l’une quelconque des revendications précédentes, dans lequel, à l’étape b), le modèle de référence est obtenu au moyen d’un LIDAR intégré dans un téléphone portable de l’utilisateur ou par la mise en œuvre d’un procédé de modélisation d’une arcade dentaire, de préférence par un téléphone portable de l’utilisateur, ledit procédé de modélisation comportant les étapes suivantes :
1) analyse d’une image représentant l’arcade dentaire de l’utilisateur de manière à déterminer au moins une zone de dent et au moins une valeur d’attribut de dent associée à ladite zone de dent, de préférence un type ou un numéro de la dent à laquelle la zone de dent appartient;
2) pour chaque zone de dent déterminée à l’étape 1), recherche, dans une bibliothèque historique comportant plus de 1000 modèles de dents associés à ladite valeur d’attribut de dent, dits « modèles de dents historiques », d’un modèle de dent historique présentant une proximité maximale avec la zone de dent, dit « modèle de dent optimal » ;
3) agencement de l’ensemble des modèles de dents optimaux de manière à créer un modèle qui présente une concordance maximale avec l’image analysée à l’étape 1), ladite image étant, pour obtenir le modèle actualisé, une dite image actualisée, ou, pour obtenir le modèle de référence, une image acquise avant l’instant actualisé. Procédé selon l’une quelconque des revendications précédentes, dans lequel, à l’étape b), le modèle de référence est obtenu par la mise en œuvre d’un procédé de génération d’un modèle tridimensionnel numérique d’une arcade dentaire comportant les étapes suivantes :
I) projection d’au moins un faisceau lumineux sur l’arcade dentaire de l’utilisateur, de manière à dessiner au moins une marque lumineuse sur l’arcade ;
II) simultanément à l’étape I), déplacement de l’arcade dentaire à travers le faisceau et acquisition, pendant ledit déplacement, d’une série d’images « marquées » de ladite arcade faisant chacune apparaître une représentation de la marque projetée, ou « projection » ;
III) identification de ladite projection sur chaque image marquée, puis fabrication d’un modèle tridimensionnel numérique présentant une concordance maximale avec l’ensemble de projections.
8. Procédé selon l’une quelconque des revendications précédentes, comportant, après l’étape d), une étape e) : e) envoi de l’appareil de contention, de préférence à l’utilisateur ou au professionnel de soins dentaires. 9. Procédé selon l’une quelconque des revendications précédentes, dans lequel l’appareil d’acquisition est un téléphone portable et/ou la fabrication de l’appareil de contention est réalisée avec une imprimante 3D.
PCT/EP2023/058461 2022-03-31 2023-03-31 Fabrication d'un appareil de contention WO2023187161A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
AU2023244517A AU2023244517A1 (en) 2022-03-31 2023-03-31 Manufacture of a retainer

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRFR2202939 2022-03-31
FR2202939A FR3133992A1 (fr) 2022-03-31 2022-03-31 Fabrication d’un appareil de contention

Publications (1)

Publication Number Publication Date
WO2023187161A1 true WO2023187161A1 (fr) 2023-10-05

Family

ID=83189083

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/058461 WO2023187161A1 (fr) 2022-03-31 2023-03-31 Fabrication d'un appareil de contention

Country Status (3)

Country Link
AU (1) AU2023244517A1 (fr)
FR (1) FR3133992A1 (fr)
WO (1) WO2023187161A1 (fr)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5975893A (en) 1997-06-20 1999-11-02 Align Technology, Inc. Method and system for incrementally moving teeth
US20180204332A1 (en) 2014-10-27 2018-07-19 Dental Monitoring S.A.S. Method for monitoring an orthodontic treatment
EP3391810A1 (fr) 2017-04-19 2018-10-24 Dental Monitoring Dispositif de prise de vues dentaire
US20190125493A1 (en) * 2016-04-22 2019-05-02 Dental Monitoring Dentition control method
WO2019118876A1 (fr) * 2017-12-15 2019-06-20 Align Technology, Inc. Méthodes et appareils de traitement orthodontique adaptatif à boucle fermée
US20210177266A1 (en) * 2019-12-17 2021-06-17 Clayton Adams Teufel Intraoral scanning with raw depth data
US20210307877A1 (en) * 2018-12-20 2021-10-07 Hirsch Dynamics Holding Ag Lingual retainer
EP3901906A1 (fr) * 2014-10-27 2021-10-27 Dental Monitoring Procede de controle de la dentition
BE1028377B1 (fr) * 2020-12-03 2022-01-05 Dental Center Sprl Procédé et système d’instauration et de surveillance d’un traitement orthodontique

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5975893A (en) 1997-06-20 1999-11-02 Align Technology, Inc. Method and system for incrementally moving teeth
US20180204332A1 (en) 2014-10-27 2018-07-19 Dental Monitoring S.A.S. Method for monitoring an orthodontic treatment
EP3901906A1 (fr) * 2014-10-27 2021-10-27 Dental Monitoring Procede de controle de la dentition
US20190125493A1 (en) * 2016-04-22 2019-05-02 Dental Monitoring Dentition control method
EP3391810A1 (fr) 2017-04-19 2018-10-24 Dental Monitoring Dispositif de prise de vues dentaire
WO2019118876A1 (fr) * 2017-12-15 2019-06-20 Align Technology, Inc. Méthodes et appareils de traitement orthodontique adaptatif à boucle fermée
US20210307877A1 (en) * 2018-12-20 2021-10-07 Hirsch Dynamics Holding Ag Lingual retainer
US20210177266A1 (en) * 2019-12-17 2021-06-17 Clayton Adams Teufel Intraoral scanning with raw depth data
BE1028377B1 (fr) * 2020-12-03 2022-01-05 Dental Center Sprl Procédé et système d’instauration et de surveillance d’un traitement orthodontique

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHRISTINE MULLER ET AL.: "Méthode simple et rapide de contention indirecte", ORTHOD FR, vol. 80, 2009, pages 233 - 238
ZHU, JUN-YAN ET AL.: "Unpaired image-to-image translation using cycle-consistent adversarial networks", IEEE INTERNATIONAL CONFÉRENCE ON COMPUTER VISION (ICCV, 2017

Also Published As

Publication number Publication date
AU2023244517A1 (en) 2024-10-17
FR3133992A1 (fr) 2023-10-06

Similar Documents

Publication Publication Date Title
EP3445270B1 (fr) Système de fabrication d'un appareil orthodontique
FR3069355A1 (fr) Procede d'analyse d'une image d'une arcade dentaire
FR3069360A1 (fr) Procede d'analyse d'une image d'une arcade dentaire
FR3069359B1 (fr) Procede d'analyse d'une image d'une arcade dentaire
FR3069361B1 (fr) Procede d'analyse d'une image d'une arcade dentaire
FR3069358A1 (fr) Procede d'analyse d'une image d'une arcade dentaire
EP3972522A1 (fr) Procede de generation d'un modele d'une arcade dentaire
EP3790494A1 (fr) Procede d'evaluation d'une situation dentaire
EP3517071B1 (fr) Système pour l'enrichissement d'un modèle numérique dentaire
WO2019149700A1 (fr) Procede d'analyse d'une representation d'une arcade dentaire
EP3763319B1 (fr) Procede d'evaluation d'une situation dentaire a l'aide d'un modele d'arcade dentaire deforme
WO2021078778A1 (fr) Procede de generation d'une image dentaire
WO2022248510A1 (fr) Procédé de distribution de gouttières orthodontiques
EP3552575B1 (fr) Procédé de génération d'un modèle 3d d'une arcade dentaire
EP3821393B1 (fr) Procede de transformation d'une vue d'un modele 3d d'une arcade dentaire en une vue photorealiste
WO2023187161A1 (fr) Fabrication d'un appareil de contention
EP3958785B1 (fr) Programme d'ordinateur d'evaluation d'une gouttiere orthodontique
WO2023227613A1 (fr) Procede d'acquisition d'un modele d'une arcade dentaire
EP4348572A1 (fr) Procede d'acquisition d'un modele d'une arcade dentaire
WO2022248513A1 (fr) Procede d'acquisition d'un modele d'une arcade dentaire
FR3135891A1 (fr) Procede d’acquisition d’un modele d’une arcade dentaire
WO2024047054A1 (fr) Procédé d'acquisition d'un ensemble d'images d'un objet buccal

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23716492

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: AU2023244517

Country of ref document: AU