CN112867461B - 正畸治疗计划的设备和方法 - Google Patents
正畸治疗计划的设备和方法 Download PDFInfo
- Publication number
- CN112867461B CN112867461B CN201980044746.3A CN201980044746A CN112867461B CN 112867461 B CN112867461 B CN 112867461B CN 201980044746 A CN201980044746 A CN 201980044746A CN 112867461 B CN112867461 B CN 112867461B
- Authority
- CN
- China
- Prior art keywords
- tooth
- teeth
- dental arch
- patient
- dental
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 204
- 238000011282 treatment Methods 0.000 title claims abstract description 75
- 210000002455 dental arch Anatomy 0.000 claims abstract description 201
- 230000033001 locomotion Effects 0.000 claims abstract description 173
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 abstract description 59
- 238000013528 artificial neural network Methods 0.000 description 26
- 210000004283 incisor Anatomy 0.000 description 26
- 230000006870 function Effects 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 18
- 210000004513 dentition Anatomy 0.000 description 15
- 230000036346 tooth eruption Effects 0.000 description 15
- 238000009877 rendering Methods 0.000 description 12
- 210000000988 bone and bone Anatomy 0.000 description 11
- 238000013178 mathematical model Methods 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 11
- 210000001519 tissue Anatomy 0.000 description 11
- 210000004763 bicuspid Anatomy 0.000 description 9
- 210000000214 mouth Anatomy 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 230000003239 periodontal effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 210000003484 anatomy Anatomy 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 241000282465 Canis Species 0.000 description 4
- 206010061274 Malocclusion Diseases 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 210000001909 alveolar process Anatomy 0.000 description 3
- 230000003042 antagnostic effect Effects 0.000 description 3
- 230000001054 cortical effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 210000004373 mandible Anatomy 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 208000003941 Impacted Tooth Diseases 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 210000003464 cuspid Anatomy 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000037123 dental health Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000013101 initial test Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 208000008312 Tooth Loss Diseases 0.000 description 1
- 208000004188 Tooth Wear Diseases 0.000 description 1
- 206010062544 Tooth fracture Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000005557 antagonist Substances 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 206010006514 bruxism Diseases 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 238000009548 contrast radiography Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 210000003298 dental enamel Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002050 maxilla Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 210000002379 periodontal ligament Anatomy 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000009790 rate-determining step (RDS) Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
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
- A61C19/00—Dental auxiliary appliances
- A61C19/06—Implements for therapeutic treatment
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本公开涉及一种用于设计牙齿矫正器的自动化过程。特别地,本公开涉及一种用于为患者的至少一个牙弓生成正畸治疗计划的方法,包括从接收的患者相关数据中提取患者的至少一个牙弓的牙齿的控制点、基于提取的控制点,确定患者的目标牙弓、基于确定的所述患者的目标牙弓,计算一个或多个牙齿运动阶段、以及通过处理电路并基于计算的一个或多个牙齿运动阶段,生成针对所述患者的至少一个牙弓的正畸治疗计划。
Description
技术领域
本申请涉及用于牙齿矫正器的自动化设计的方法。
背景技术
通常,口腔正畸学,尤其是牙齿校准是牙齿护理的发达领域。对于牙齿错位的患者,传统的牙箍或者最近的透明牙齿矫正器提供一种通过牙齿的逐渐运动来改善牙齿功能和美观的策略。这些逐渐的、受控的牙齿运动缓慢移动牙齿的冠部,直到达到所需的最终位置。
然而,这些方法在牙弓的牙齿的最终位置的发展中,常常不能适当考虑上牙和下牙之间的咬合或接触,而将注意力集中在美学和仅通过相邻牙齿的对齐确定理想牙冠位置。此外,这种确定牙弓的牙齿的最终位置的方法通常是费力的,需要花费数小时的时间手动护理每颗牙齿和牙齿运动的每个阶段。
因此,从对齐和咬合角度,还有待开发一种确定“近乎理想”的牙弓和确定实现“近乎理想”的牙弓所需的每个中间位置和阶段的自动化方法。
前述“技术领域”描述是为了总体上呈现本申请内容的目的。在本背景技术部分中所描述的范围内,发明人的工作和在申请时可能没有资格视为现有技术的说明书的各方面,均未明确也不暗含承认本发明为现有技术。
发明内容
本公开涉及一种包括被配置为执行用于正畸治疗的牙齿矫正器的设计的自动化过程的处理电路的方法、设备以及计算机可读介质。
特别地,本公开涉及一种包括处理电路的方法、装置以及计算机可读介质,所述处理电路被配置为执行用于为患者的至少一个牙弓生成正畸治疗计划的方法,所述方法包括从接收的患者相关数据中提取患者的至少一个牙弓的牙齿的控制点、基于提取的控制点,确定患者的目标牙弓、基于确定的患者的目标牙弓,计算一个或多个牙齿运动阶段、以及基于计算的一个或多个牙齿运动阶段,为患者的至少一个牙弓生成正畸治疗计划。
前面的段落是通过一般介绍的方式提供的,并不旨在限制以下权利要求的范围。通过参考以下结合附图的详细描述,将更好地理解所描述的实施例和进一步的优点。
附图说明
本专利或申请文件包含至少一张彩色附图。该专利或专利申请公开的带有彩色附图的副本将在要求并支付必要费用后由局方提供。
当结合附图考虑时,通过参考以下详细描述,将容易获得对本公开的更完整的理解和本公开的许多伴随的优点将变得更好理解,其中:
图1是根据本公开的示例性实施例的牙齿矫正器的图示;
图2是根据本公开的示例性实施例的正畸治疗计划***的过程的流程图;
图3是描述根据本公开的示例性实施例的正畸治疗计划***的患者相关数据的图示;
图4是根据本公开的示例性实施例的正畸治疗计划***的过程的子过程的流程图;
图5A是根据本公开的示例性实施例的正畸治疗计划***的过程的子过程的流程图;
图5B是根据本公开的示例性实施例的正畸治疗计划***的过程的子过程的子过程的流程图;
图5C是根据本公开的示例性实施例的正畸治疗计划***的过程的子过程的子过程的流程图;
图6是根据本公开的示例性实施例的由正畸治疗计划***的过程的子过程确定的等值线的二维表示的图示;
图7A是根据本公开的示例性实施例的在牙齿的三维渲染中的牙齿的特征识别的图示;
图7B是根据本公开的示例性实施例的在牙齿的三维渲染中的牙齿的特征识别的图示;
图7C是根据本公开的示例性实施例的在牙齿的三维渲染中的牙齿的特征识别的图示;
图7D是根据本公开的示例性实施例的在牙齿的三维渲染中的牙齿的特征识别的图示;
图7E是根据本公开的示例性实施例的在牙齿的三维渲染中的牙齿的特征识别的图示;
图8A是根据本公开的示例性实施例的在牙齿的三维渲染中的基于神经网络的牙齿的特征识别的图示;
图8B是根据本公开的示例性实施例的在牙齿的三维渲染中的基于神经网络的牙齿的特征识别的图示;
图9A是根据本公开的示例性实施例的在牙齿的三维渲染中的接触点识别的图示;
图9B是根据本公开的示例性实施例的在牙齿的三维渲染中的接触点识别的图示;
图10是根据本公开的示例性实施例的正畸治疗计划***的过程的子过程的流程图;
图11是根据本公开的示例性实施例的初始牙弓和理想的牙弓的图示;
图12A是根据本公开的示例性实施例的咬合弓形状的图示;
图12B是根据本公开的示例性实施例的咬合弓形状的图示;
图12C是根据本公开的示例性实施例的咬合弓形状的图示;
图12D是根据本公开的示例性实施例的咬合弓形状的图示;
图13是根据本公开的示例性实施例的近乎理想的牙弓的三维渲染的图示;
图14是根据本公开的示例性实施例的正畸治疗计划***的过程的子过程的流程图;
图15是根据本公开的示例性实施例的牙齿碰撞的三维渲染的图示;
图16A是根据本公开的示例性实施例的在运动之前的上牙弓的图示;
图16B是根据本公开的示例性实施例的朝向理想的牙弓运动之后的上牙弓的图示;
图17是根据本公开的示例性实施例的牙齿的牙齿的图像的图示;以及
图18是根据本公开的示例性实施例的用于实施正畸治疗计划***的示例性硬件的示意图。
具体实施方式
如本文所用,术语“一”、“一个”被定义为一个或多个。如本文所使用的,术语“多个”被定义为两个或两个以上。如本文所使用的,术语“另一”被定义为至少第二个或更多个。本文所使用的,术语“包含”和/或“具有”被定义为包括(即,开放性用语)。在整个文档中,对“一个实施例”、“某些实施例”、“实施例”、“实现方式”、“示例”或类似术语意味结合该实施例描述的特定特征、结构或特性被包括在本公开的至少一个实施例中。因此,在整个说明书中这些短语在各个地方的出现不一定都指的是同一实施例。此外,可以在一个或多个实施例中以任何合适的方式组合特定特征、结构或特性而没有限制。
在牙科环境中,无论是在下颌闭合的休息期间还是在下颌运动的活动期间,咬合都是牙齿之间的接触。更具体地,牙齿咬合可以定义上颌或上颌骨的牙齿与下颌或下颌骨的牙齿处于接触或接近接触时的关系。
此外,牙齿咬合可以主要分为臼齿咬合和犬齿咬合。当描述例如上牙弓的臼齿和下牙弓的臼齿之间的关系时,可以使用三个类别来区分适当的咬合和不当的咬合。在一个示例中,上第一臼齿(即上颌第一臼齿)的近中颊尖与下第一臼齿(即下颌第一臼齿)的颊沟的咬合可被分为I类。上颌第一臼齿的近中颊尖相对于下颌第一臼齿的颊沟的后咬合可被分为III类。这种分类在牙齿健康的诊断和治疗计划中起着重要作用。为此,可以使用I类咬合来定义可接受的咬合,而II类和III类咬合可以用来定义可能需要进行外科手术或其他医学干预的错位咬合。实际上,即使可能存在适当的对齐,也无法维持或恢复适当的咬合,可能由于随着错位咬合而更频繁的过度磨损牙齿、牙齿骨折以及/或牙齿裂痕导致患者不适和疼痛。
换句话说,正畸治疗的目标应该是确保适当的咬合。这意味着正畸治疗计划不仅涉及牙弓间牙齿对齐,而且涉及定义上牙弓和下牙弓之间适当的牙齿接触的牙弓间功能关系。因此,在临床实践中应谨慎应用仅着眼于牙弓内简化对象(例如球体或其他原始形状)对齐的治疗计划,因为尽管“对象”或牙齿本身在美学上对齐,但错位咬合的风险仍然高的令人难以接受。
然而,如上所述,正畸计划的传统方法部分地受到手动治疗计划的负担的阻碍,主要集中在单个牙弓(即分别地,下颌或上颌的牙弓)内相邻牙齿的对齐上。考虑到咬合在牙齿健康中的上述重要性,可以理解的是,任何希望提供有效的正畸治疗计划的***都必须充分考虑牙齿之间的牙弓间功能关系。
因此,本公开描述了一种用于正畸治疗计划的自动化***,所述***在确定理想的牙弓和确定将每个牙弓移动至目标位置所需的运动时考虑对齐和咬合中的一项或两项。
根据一个实施例,本公开的正畸治疗计划***(OTPS)可以包括用于执行其过程的处理电路。所述一个或多个处理电路可以在一个模块或一个或多个模块中实现。在一个示例中,OTPS可以包括一个或多个模块,该一个或多个模块用于考虑处方、规则等来创建、上传以及初步处理患者牙齿的三维模型。例如,OTPS可以包括用于确定基于对齐的理想的牙弓的模块、用于确定基于咬合的理想的牙弓的模块、用于确定所述基于咬合的理想的牙弓的定位牙齿的控制点的模块、以及用于基于齿列、先前处方、正畸规则以及治疗历史设计疗法的模块。所述基于咬合的理想的牙弓的确定可以包括根据规定和正畸规则并在确定的牙齿运动期间控制牙齿的碰撞,优化目标牙弓。
根据一个实施例,OTPS还可以包括用于确定患者的每个牙弓的牙齿的特征的模块,所述牙齿的特征包括每个牙齿坐标的局部轴。在磨损的牙齿的复杂情况下,如在随后的附图中详细描述的,OTPS可以执行用于自动校正牙弓、局部轴等的牙齿的特征的方法。例如,可以通过在健康牙齿的数据库上训练的机器学习算法来近似磨损的牙齿,每个健康牙齿的可识别牙齿的特征实际上用于定位和移动磨损的牙齿。可选地,通过由OTPS执行的可视化方法,牙齿的特征可以手动编辑以生成基于咬合的理想的牙弓。
根据一个实施例,基于咬合的理想的牙弓可以是“近乎理想”、或目标的牙弓,因为完全理想的牙弓是不可能的。在一示例中,可以生成和考虑满足牙弓阈值的牙齿位置的许多可能组合。相比之下,最好的牙弓可以被选择以作为目标牙弓。
根据一个实施例,在单个牙齿运动或牙齿运动的阶段中可能无法实现目标牙弓。在某些情况下,可能需要执行多个牙齿运动或牙齿运动的阶段,以将牙齿从初始位置移动到与目标牙弓相对应的最终位置。例如,除其他外,“碰撞”和正畸规则可能禁止两个相邻的牙齿同时移动到最终位置,从而需要至少第一阶段和第二阶段,在第一阶段中移动第一牙齿,在第二阶段中移动第二牙齿。附加规则可以定义四个相邻的牙齿不能同时移动,例如,需要适当的成对的牙齿或单个牙齿的移动以满足目标位置。此外,可以结合对临床约束等进一步考虑来确定每个阶段(无论是一个还是多个),如将参考随后的附图更详细地描述的。作为这种临床约束的示例性情况的简化示例,可以规定单个阶段不能导致牙齿运动超过250微米。因此,如果总共所需的牙齿运动为750微米,相应的运动将需要至少三个阶段的牙齿运动。
考虑到以上所述,并且在本公开的示例性实施例的简化中,正畸规则可以禁止口腔的前牙齿和口腔的后牙齿的同时运动。在该示例中,牙齿运动的必要阶段的组合通常可以被认为是牙齿运动的“时期(phase)”。例如,在一开始就可以确定需要不止一个阶段的牙齿运动,牙齿运动的每个阶段包括一系列阶段的牙齿运动,以便将牙弓从初始位置移动到与目标牙弓相对应的最终位置。在前牙齿和后牙齿必须独立移动的情况下,移动口腔前牙齿所需的阶段的组合可被认为是牙齿运动的“前期”,并且移动口腔后牙齿所需的阶段的组合可能被认为是牙齿运动的“后期”。如将参考随后的附图所描述的,OTPS一开始就确定牙齿运动的多个时期,牙齿运动的每个时期代表每个牙齿的中间位置或实际目标位置。因此,对于每个时期和相应的中间位置,可以考虑到所有可能的变量和约束、正畸、临床以及其他方面来确定牙齿运动的阶段。
根据一个实施例,输入到OTPS的数据可以包括患者的齿列、处方和治疗历史、正畸规则以及受控参数的数字模型。这样的正畸规则和临床约束可以包括定义可以同时移动的牙齿的数量和类型的定性约束或者定义可接受的移动量的定量约束。
根据一个实施例,OTPS的结果可以是朝着患者的确定的目标牙弓的牙齿运动的计划。为此,OTPS可以执行一种生成一系列牙齿运动的方法,该一系列牙齿运动将牙弓的牙齿移向目标牙弓。牙齿运动或牙齿运动的时期可以分为多个阶段,其中每个阶段定义并提供正畸治疗设备(例如图1的牙齿矫正器)的“模板”。可以为牙齿运动的一个或多个阶段中的每个阶段开发正畸治疗设备。在一个示例中,每个阶段均由OTPS根据处方、正畸规则以及临床约束条件进行优化,并考虑到基于患者的数字牙列模型的可能的碰撞和撞击。
根据一个实施例并且如上所述,在所确定的目标牙弓中牙齿的位置可能需要一个或多个时期的牙齿运动。在一个示例中,每个牙齿在一个或多个时期的每个时期中的位置可以被认为是中间位置。因此,考虑到中间位置和/或确定的目标牙弓,可以执行与运动阶段相对应的牙齿轨迹的特定计算,例如图14中所述的,因为中间位置可能成为实际目标位置。
如建议的那样,OTPS可以包括根据患者的病历和牙齿运动协议设计所需建立的所有必要规则。可以在OTPS内监视牙齿运动每个时期内的牙齿运动的阶段。
根据一个实施例,OTPS可以包括用于生成每个阶段的牙齿运动的模块。每个阶段的牙齿运动都可以伴随有依照每个牙齿运动生成的三维模型,所述三维模型定义了正畸治疗设备。
根据一个实施例,OTPS可以包括一个或多个模块,所述模块用于可视化患者的牙列和朝向近乎理想的牙弓的牙齿运动的过程。
根据一个实施例,并且如上所述,在当患者的牙齿磨损并且牙尖和切缘或切牙嵴不容易识别的复杂的情况下,OTPS可以提供磨损特征的自动或半自动校正并由此识别牙齿的控制点。对磨损特征的自动或半自动校正以及由此识别的牙齿的控制点可以包括结合基于机器学习的技术,通过应用基于机器学习的方法识别的牙齿的控制点,所述方法在未磨损牙齿的数据库上进行了训练。
这些牙齿的控制点然后可以用于生成理想的牙弓或目标牙弓。
根据一个实施例,OTPS的处理电路可以位于本地设备、基于云的设备或其组合中的一个或多个处。
根据一个实施例,本公开描述了一种用于生成患者特定的正畸治疗设备的***。
现在参考附图,图1是根据本公开的实施例的并且基于由OTPS生成的正畸治疗计划的处方为牙齿运动的阶段创建的牙齿矫正器的示意图。在本公开的实施例中,可以为正畸治疗的每个确定阶段生成牙齿矫正器101,牙齿矫正器101逐渐重新定位牙弓的每个牙齿。为此,牙齿矫正器101可以是用于上牙弓102的牙齿矫正器和用于下牙弓103的牙齿矫正器,牙齿矫正器101被配置为提供上牙弓102和下牙弓103在目标位置的适当对齐和咬合。
图2是根据本公开的示例性实施例的OTPS的过程200的流程图。OTPS的过程200的每个步骤可以由本地和/或远程处理电路执行。
首先,在过程200的步骤220处,可以接收患者相关数据。这种患者相关数据(在图3中更详细地讨论)可以包括来自医生的医疗处方和部分定义所述处方的医疗图像和正畸规则。
在过程200的子过程225中,可以初始处理所接收的患者相关数据。这样的初始处理可以包括,例如,从接收的医学图像生成的患者的牙列的三维模型的生成和分析。为了确保三维模型具有适当的精度以建立牙齿的控制点并生成有用的正畸治疗计划,子过程225可以包括对生成的三维模型的操作,包括特征的平滑化、抽取插值等为了创建模型的完整数据集的类似策略。除此之外,可以通过本领域中已知的图像识别技术粗略地确定牙齿的识别和分配。以此方式,可以适当地分类或标记上颌牙弓和下颌牙弓的门齿、犬齿、或二尖齿、臼齿等,以进行后续处理。在一个实施例中,牙弓的牙齿的标记和分配可以根据特定的列表手动地或自动地执行。另外,可以根据患者的正畸数据修改三维模型的参数。例如,患者的正畸数据可以包括来自医生的特定指令和/或可以基于患者的解剖结构(anatomy),所述正畸数据指示特定牙齿的运动。在一个示例中,特定牙齿的这种运动指令可以是防止特定牙齿运动。
根据一个实施例,过程200的子***225的初始处理可以包括识别和适应缺失的牙齿。例如,如果缺少2号牙齿(即,上颌牙弓右侧第二最远的牙齿),则过程200的子***225可以生成“标准”2号牙齿的牙冠的模型,以替代缺失的2号牙齿。在用缺失的牙齿的虚拟牙冠替代缺失的牙齿时,OTPS可以在确定牙齿运动时考虑完整的牙弓。
将参考图4来描述过程200的子过程225的更详细描述。
在过程200的子过程230中,可以提取三维模型内的每个牙齿的牙齿的控制点,以便考虑到牙齿对齐和咬合生成牙齿的精确模型。如将参照5A至图9B更详细地描述的,在一个示例中,牙齿的控制点可以是每个牙齿的牙齿的特征,所述特征包括齿刃例如门齿的切牙嵴或切缘、犬齿的牙尖、前臼齿和臼齿的牙尖等。在确定牙齿的特征时,生成并处理每个牙齿的三维模型,以便确定和生成三维模型内每个牙齿的局部轴。对于复杂的处方,可以自动地、半自动地或手动显示和编辑牙齿的特征。在一个示例中,半自动编辑在一种情况下可以包括待修改的牙齿的特征的手动选择和对其的自动校正,或者在另一种情况下,待修改的牙齿的特征的自动识别和对其的手动校正。作为半自动校正的一部分,待修改的牙齿的特征的自动识别可以是基于牙齿的特征的参数与所述参数的阈值的比较。然而,可以理解的是,上述情况仅仅是示例性的,并且在不脱离本发明的精神的情况下可以考虑其他情况。
在过程200的子过程240处,考虑到对齐和咬合,提取的牙齿的控制点可以用于确定上牙弓和下牙弓的理想的牙弓。在不可能有理想的牙弓的情况下,根据参考图10更详细描述的子过程来识别“近乎理想”的牙弓或目标牙弓。作为示例,理想的牙弓可以被确定为在没有相邻牙齿的牙碰撞(例如,碰撞和/或撞击)的情况下实现的牙弓。但是,在临床情况下,在避免牙齿碰撞的同时,不可能使每个牙齿都到达理想的牙弓位置。这种牙齿碰撞可以由OTPS确定,并且可以在开发目标牙弓时加以考虑,目标牙弓是从一组确定的牙弓中选择的,这些牙弓具有一系列实现“近乎理想”的牙弓的可能的牙齿运动和最终布置。在一个实施例中,在考虑或避免牙齿碰撞的过程中,目标牙弓可以包括牙弓的扩张。例如,牙弓的扩张可以是目标最终位置或者可以被执行为中间位置以避免碰撞,所述中间位置是由一个或多个牙齿运动阶段限定的时期。
在过程200的子过程250中,其可能的牙齿运动的时期和阶段是基于子过程240的确定的目标牙弓确定的。在确定目标牙弓及其牙齿的最终位置之后,并且鉴于牙弓的每个牙齿的初始位置,可以确定目标中间牙齿位置。在示例中,目标中间牙齿位置可以代表牙齿运动的时期,每个时期由允许实现目标中间牙齿位置的牙齿运动的阶段定义。在一个示例中,考虑到正畸约束和临床约束,可以对牙齿的初始位置和确定的目标牙弓的相应的牙齿的最终位置,以帮助确定目标中间牙齿位置,以及因此达到确定的目标牙弓的最终位置所需的时期的数量。此外,可以鉴于正畸约束、临床约束以及其他患者相关数据220来定义达到目标中间牙齿位置所需的牙齿运动的阶段。例如,考虑到运动约束,举例说,每个时期的目标中间牙齿位置的牙齿的最终位置与相应牙齿的初始位置之间的位置差可以告知所需的牙齿运动的阶段数。
如参照图14和15详细描述的,对于每个牙齿运动时期的可能的牙齿运动、或可能的牙齿轨迹的生成可以包括可能的路径的列表(即,牙齿运动的树)的生成,该路径的列表根据路线长度、移动速度、可能的碰撞和撞击以及正畸规则,可以实现目标牙弓的目标中间牙齿位置。在示例中,可能的路径的列表可以包括多个可能的运动路径,其中每个路径的轨迹、或矢量反映了单个运动阶段。在另一示例中,可能的路径的列表可以包括多个可能的运动路径,其中每个运动路径包括多个轨迹、或矢量,所述多个轨迹或矢量反映了实现目标中间牙齿位置所需的多个运动阶段。如图所示,可能的路径的每个列表可以包括由满足牙齿运动的每个时期所需的阶段限定的多个运动路径。因此,该可能的路径列表以及其中的牙齿运动阶段可以提供给过程200的子过程260。
在过程200的子过程260中,可以选择最佳路径,并经过医学专业人员进行的可能的审查,作为定义正畸治疗计划的一组牙齿运动阶段。正畸治疗计划可以包括针对每个治疗阶段的最佳路径的处方、或指导。因此,正畸治疗计划的处方可用于指导相应的牙齿矫正器的制造,例如图1中的那些,或类似的支撑装置。将参考图16A和图16B更详细地描述子过程260。
现在将参考随后的附图详细描述上面介绍的过程200。
现在参考图3,OTPS的过程200的步骤220包括患者相关数据的接收。患者相关数据可以包括尤其一个或多个医学图像321、来自医生的规则和约束322、来自医生的牙科处方323、正畸规则和约束324、以及***参数和设置321,在一个示例中,***参数和设置321与一个或多个医学图像321有关。来自医生的规则和约束322可以包括其中“在牙齿9、10和11形成桥时不要移动它们”或“不封闭牙齿13和14之间的空间,由于该空间已被植入物或将被植入物占据”。来自医生的牙科处方323可以包括“治疗两个牙弓”、“扩展上牙弓”、“使下牙弓变窄”、“减少过喷射”、“改善中线”、“勿移动牙齿7至13”、“增加后部扩张”、“水平切缘”等。可以根据已知的正畸标准和一般准则来定义的正畸规则和约束324可以是例如在牙齿运动的一个阶段内允许的最大牙齿运动距离为250微米的限制。
可以通过多种模式来获取在过程200的步骤220处接收的一个或多个医学图像321。然而,应当理解的是,由于特征性的牙齿尺寸和可能的牙齿运动幅度足够小,因此患者的牙列的数字表示和/或三维模型需要高度解析的数据。在过程200的后续步骤中可能需要这样的准确度和精确度来提取牙齿的特征,解决冲突并生成牙齿运动。因此,成像模式必须相应地准确和精确。为此,作为非限制性示例,用于获取患者牙列的初始位置的数字表示的模态可以包括单独或组合使用的印模、口腔内扫描、超声、X射线、计算机断层扫描以及磁共振成像。
根据一个实施例,为了创建患者牙列的数字表示和/或三维模型,可以采用口腔内扫描仪来获取牙冠的表面状态(topographical)特征。口腔内扫描仪可以采用选自下组的模式:包括但不限于激光、红外光以及结构光。这样可以根据牙齿的牙冠和例如牙齿的根部(稍后描述)确定牙齿运动,可以采用射线成像模式以获取与根部和牙周组织(包括其软组织和硬组织(例如牙槽突))有关的空间信息。在美国专利申请号为16/017,687中描述了在本公开内容的后面讨论的这种技术,其全部内容通过引用并入本文。在一个实施例中,射线成像模式可以选自下组包括但不限于投影射线成像、计算机断层摄影、双能X射线吸收法、荧光检查法以及对比射线成像。在一个示例中,射线成像模式可以是锥形束计算机断层扫描。射线图像可以包括多平面射线图像,所述多平面射线图像包括但不限于矢状、横断以及冠状。应当理解的是,除了射线成像技术之外,包括但不限于超声的各种成像模式可以用于获取描述根部和牙周组织的空间信息的图像。
在一个实施例中,来自医生的规则和约束322可以包括在治疗计划期间OTPS可以考虑的诊断和治疗建议,该诊断和治疗建议包括***所需的所有数据和评估,例如病理的复杂性指数、潜在限制以及其他专门数据。
在一个实施例中,来自医生的处方323可以包括当其他患者相关数据被提交时由医生给出的一般指令。此类指令可以包括由牙齿移动的临床方案设置的约束,该方案定义了可以同时移动多少颗牙齿、可以移动牙齿的最大距离、可以移动牙齿的速度、需要外部设备的运动的类型(即附件),以及可以组合哪些类型的运动。牙齿移动的临床方案可以根据临床结果进行更新。
在过程200的步骤220处已经接收到患者相关数据之后,可以执行初始处理。因此,参考图4,将描述根据本公开的示例性实施例的OTPS的过程200的子过程225的流程图。
在子过程225的步骤470处,可以检查在过程200的步骤220处接收的一个或多个医学图像。这种检查可以包括以二维方式评估一个或多个医学图像,或者评估从接收到的一个或多个医学图像生成的三维数字模型,以识别其中可能不足以进行后续分析和治疗计划的数据。例如,医学图像、多个医学图像或数字模型的特定区域可能具有受限的像素密度并且,因此可能无法为后续处理提供足够的数据。在另一实例中,医学图像(一个或多个)或数字模型的特定区域可能完全缺失,在医学图像的获取期间意外地错过了(该特定区域)。
如果在子过程225的步骤471处确定不需要对一个或多个医学图像或数字模型中的至少一个进行细化,子过程225可以继续进行到步骤473。但是,如果确定需要对一个或多个医学图像或数字模型中的至少一个进行细化,则可以在子过程225的步骤472执行细化。例如,丢失的数据可以用丢失的数据的估计来代替,该估计基于简单的几何模型或更复杂的基于机器学***滑、抽取插值等。可以理解的是,在不背离本发明的精神的前提下,可以使用包括但不限于三维模型参数化或重新参数化的其他细化策略。
在子过程225的步骤473,具体地,可以执行牙列的高级识别和牙齿的解剖结构。高级识别可以包括对包括牙齿在内的牙齿结构的图像识别,和根据所选命名对每个牙齿的分类或标记。可以理解的是,如本领域普通技术人员所理解的,可以实施多种用于识别和标记牙齿解剖结构的方法。在一个示例中,可以根据通用记录法对识别的牙齿中的每个牙齿进行标记,其中,1号牙齿是上牙弓中口腔右手侧最靠后的牙齿,而17号牙齿是下牙弓中口腔左手侧最靠后的牙齿。值得注意的是,根据通用记录法对识别的牙齿进行标记允许某些患者的缺失的牙齿的识别,因为通用记录法根据“对照”或健康患者的预期牙列标记每个牙齿,在适当时跳过缺失的牙齿。
因此,并且如上所述,缺失的牙齿可以在子过程225的步骤474上识别出。尤其地,可以评估标记的一个或多个医学图像和/或数字模型以确定是否有完整的牙齿组。如果确定存在完整的牙齿组,则可以在子过程225的步骤476中将每个标记的牙齿“分配”到上牙弓或下牙弓。然而,如果确定有牙齿缺失,例如通过先前的牙科手术拔牙的结果,则可以在子过程225的步骤475中“替换”牙齿。“替换”牙齿可以包括***虚拟牙冠来代替缺失的牙齿,该虚拟牙冠是选自牙弓图集的规范性牙冠,或者是在形成牙冠形状中考虑了患者特定因素的基于机器学习的方法的输出。在“替换”了缺失的牙齿后,子过程225可以前进至步骤476,其中可以将每个标记的牙齿分配给上牙弓或下牙弓,从而允许随后咬合的确定。
在子过程225的步骤477,可以从标记和分配的患者牙齿的解剖结构生成数字牙齿模型的一般结构,从而创建牙齿环境的整体三维数字模型。该数字牙齿模型可以在随后的子过程中用作患者的牙列的“初始模型”,该初始模型用作识别理想的牙弓、目标牙弓以及确定其中每个牙齿运动阶段的牙齿运动路径和轨迹的基础。
简要地返回图2并且已经在子过程225中执行了患者数据的初始处理,过程200前进到子过程230,其中提取牙齿的控制点。牙齿的控制点(例如嵴、牙尖以及切缘)至少可以通过牙齿的特征和接触点来精确确定对齐和咬合的,因此,必须确定牙齿的控制点以生成理想的牙弓、目标牙弓以及其牙齿运动路径。
如一般数学中所理解的,“控制点”可以理解为曲线的控制点。类似地,如本公开中所描述的,牙弓的牙齿的“牙齿的控制点”可以是其中,接触点,并且理想的牙弓可以用多段线设计的曲线表示,该曲线的截面是牙弓相邻牙齿接触点之间的内部间隔。因此,如图5A至9B所示,包括接触点在内的牙齿的控制点的提取对于识别理想的牙弓是必须的。
牙齿的控制点的提取可以通过多种方法来执行,包括通过使用等值线、神经网络、图像识别等。可以理解的是,本文描述的牙齿的控制点仅是可以用于相同目的而不背离本发明的精神的各种牙齿的控制点的示例。首先,将参考图5A的子过程230来描述等值线的使用,特别是用于牙齿的控制点的提取。
通常,等值线的使用包括创建例如牙齿的表面状态特征的截面地图。然后可以执行各种算术计算,以从地图中识别并提取特定特征。例如,如图6所示,因为涉及牙齿,可以通过定位最高的嵌套等值线来识别用于在建模咬合时定义重叠水平的前臼齿的主尖533,其中图像的圆线表示相对于牙齿的x维度和牙齿的y维度的牙齿的不同等值线。在这种情况下,每个等值线表示相对于图像平面的高度。参考图7B至图7E,在示例中,在金属丝网格(wire mesh)(图7A中直观示出)上示出了识别的牙齿的控制点或牙齿的特征534。为此,可以在图7B中观察到颊尖711、可以在图7C中观察到舌尖嵴712、可以在图7D中观察到近中舌侧的和远中舌侧的斜面713和与拮抗剂的接触区域、以及可以在图7E中观察到代表牙齿的最低嵌套等值线周围的区域的近中裂隙714。参照图9A和图9B,识别的牙齿的控制点可以包括接触点。在前臼齿的情况下,如图9A和图9B所示,接触点可以用圆圈909表示,并位于主裂隙(图7)的线性延伸与折断的等值线相交的位置。换句话说,在示例中,接触点可以存在于主裂隙的线性延伸不再与唯一等值线相交的位置。
更具体地,为了实现上述目的,可以从步骤531开始将子过程230应用于每个牙弓的每个牙齿。在步骤531中,在xOz平面内计算等值线,xOz平面是由x轴和z轴以及原点“O”定义的平面。对于单个牙齿,这些等值线可以计算为与xOz平面相交的牙齿的数字牙齿模型的线。可以计算形心以获得等值线,并且使用最小二乘法,例如,可以在子过程230的步骤532中构造牙齿的垂直轴。
在步骤532,并且为了开始识别牙齿的特征,可以计算正交于每个牙齿的垂直轴的平面的等值线。换句话说,与正交于垂直轴的平面相交的牙齿的数字牙齿模型的每条线被定义为等值线。在一种情况下,单个等值线或嵌套等值线可用于识别牙齿的相关牙齿的特征。在另一种情况下,牙齿可以包含多于一个牙齿的特征并且,因此,为了识别牙齿的特征,需要追踪嵌套的等值线的组作为牙齿的牙齿的特征。为此,在计算的等值线列表中,对每个等值线系列进行索引,以便后续等值线系列可以被“嵌入”在先前系列中并投影到平面上。这样,多个嵌套等值线可以被组为更大的嵌套组。
在子过程230的子过程534处,并且现在参考图5B,为一系列的每个等值线识别最大距离的点。换句话说,等值线的相应或相邻点被评估,以确定哪个对之间具有最大距离。在子过程534的步骤535,被确定为在它们之间具有最大距离的这样的对应或相邻点被识别为定义了牙齿切割特征。如前所述,牙齿切割特征可以是被分析的牙齿上的切牙嵴、牙尖等。在子过程534的步骤536,计算一系列中最后一个等值线的形心并将其识别为定义牙结节、代表牙釉质或副尖的增厚区域的牙冠上可变大小的小突起。
根据一个实施例,在子过程534的子过程537中使用在子过程534的步骤536中计算出的牙结节,以便计算定义牙齿的裂隙的点,牙齿裂隙是在牙尖或容易积聚碎屑的切牙嵴的底部的凹槽。为此,参考图5C,在子过程537的步骤597处确定由多边形生成的区域,该多边形的顶点位于所计算的牙结节的点中。在子过程537的步骤598,该区域可以被划分为具有沿着计算的垂直轴的最小坐标的点的子区域。结果,这样的子区域可以在子过程537的步骤599处用于确定限定牙齿裂隙的点。
现在回到图5A,已经识别了其中包括齿刃的牙齿的特征作为牙齿的控制点,可以被确定水平轴。为此,可以将限定齿刃的点与在子过程230的步骤532处确定的垂直轴的相应矢量组合,以便限定水平轴。特别地,可以使用最小二乘法将限定齿刃的点投影到正交于牙齿的垂直轴的平面上,并且可以由此生成水平轴和齿刃的投影点。然而,可以理解的是,最小二乘法仅是执行回归分析或类似地近似求解而不会背离本发明的精神的各种方法的示例。
因此,在子过程230的步骤539,可以确定作为牙齿的控制点的子集的接触点。为此,识别在Ox轴上具有最大和最小坐标的点。考虑到相邻的齿内弓牙和齿间弓牙,所识别的点形成可用于评估咬合和识别理想的牙弓的接触点,如将相对于图10至图13所描述的。
如上文所提及的,并且以等值线法为例,牙齿的特征的提取可以通过多种方法进行。在示例中,并且参考图8A和图8B,可以使用诸如神经网络的机器学习策略来提取牙齿的特征。
根据一个实施例,基于神经网络的方法可以实施经过训练的人工神经网络(ANN),以执行(1)诸如网格分割的分割方法和(2)对牙列或单个牙齿的三维数字模型进行分类或标记。在一个实施例中,网格分割和标记被组合在例如点网(PointNet)等的单个方法中。PointNet是一种开放源代码的分割和分类算法,提供了一种深度网络架构,该架构可以消耗原始点云(即点集)而无需体素化或渲染。相反,PointNet可以学习局部和全局点特征,从而为各种三维识别任务提供了一种有效的方法。
考虑到本公开,ANN可以基于参考图像的语料库,在一种情况下,该参考图像的语料库包括患者的牙弓内的每种可能的牙齿类型,包括门齿、犬齿、前臼齿以及臼齿。在另一种情况下,ANN可以基于通用牙齿模型。无论哪种情况,ANN都可以被训练以识别每个参考图像中与上述牙齿的特征和接触点相对应的片段。例如,这些片段可以被识别为结节或牙尖807、切牙嵴808、舌尖嵴812、近中或主要裂隙814、近中舌侧的和远中舌侧的斜面813等。
因此,在实施时,在一个实施例中,ANN可以通过以下方式执行片段:(1)考虑所有顶点,并为每个顶点分配一个“类”或(2)考虑其他网格元素(例如面或边缘)、预测其分类。在任何一种情况下,结果都是分段的网格,其中牙齿的三维模型的每个类别或片段对应于感兴趣的牙齿的特征。相对于图8A和图8B示出了这种结果,其中,通过与对应于感兴趣的不同牙齿的控制点的不同颜色区域来识别每个牙齿的不同类别或片段。
根据一个实施例,在牙齿的控制点难以识别的情况下,可以修改过程200的上述子过程230。具体地说,可能是患者的牙齿随着时间的流逝而磨损,以致自然出现的牙齿的控制点不再容易识别,或者在某些情况下根本不存在。尽管在某些情况下可能会使用代理标志,但牙齿磨损的情况的存在经常导致需要手动干预。当被认为是可扩展的过程时,手动干预成为速率限制步骤并且给有效治疗带来负担。
为此,当需要大规模执行正畸治疗计划时(即广泛实施),过程自动化变得重要。然而,当牙齿磨损并且特征不容易识别时,根据图5A中描述的过程230的自动化变得困难。当牙齿磨损时,由于咬合不正、磨牙症等,牙齿的牙齿的控制点,例如裂痕、牙尖、切缘、嵴、槽、凹坑等可能会变形和/或缺失。因此,当牙齿缺少生成给予适当咬合的理想的牙弓或目标牙弓所需的牙齿的控制点时,自动化***经常失败。
为此,并且作为本公开的实施例,提出了一种基于已磨损的正常牙齿的三维模型来生成磨损的牙齿的虚拟牙齿的控制点的方法。在一个示例中,所述方法可以实现机器学习方法,例如生成对抗神经网络或类似的深度学习神经网络。为了准确预测磨损的牙齿的虚拟牙齿的控制点,机器学习方法必须被训练。在一个实例中,可以在从健康牙齿的三维模型创建的训练数据集上训练机器学习方法。在一个示例中,健康牙齿的三维模型可以是表面网格模型。训练数据集的健康牙齿的三维模型可以如过程200的子过程230中那样处理。然而,随后可以从模型中去除三维表面网格模型的某些特征,以便获得磨损的牙齿。因此,训练数据集由标记、磨损的牙齿组成,该标记、磨损的牙齿可用于从磨损的牙齿的有限解剖特征预测所需的虚拟牙齿的控制点。
在一个示例中,可以手动或自动选择从模型中去除的特征。自动化过程可能包括(1)定位待磨损或“耗尽”的特征、(2)选择围绕特征区域的网格区域、以及(3)执行网格变形过程。网格变形过程可以是平滑过程,例如拉普拉斯网格平滑或高斯网格平滑,所选网格区域的删除和用平坦补丁对删除区域的填充、以及所选网格区域的删除和用弯曲补丁对删除区域的填充,弯曲补丁的曲线连接位于已删除网格区域的暴露边缘上的三角形的各个方面。
现在参考图10,在识别包括牙齿的特征和接触点的牙齿的控制点之后,可以确定理想的牙弓。如果可能的话,理想的牙弓可以代表每个牙齿的理想最终位置,并指示可能需要从初始牙弓进行哪些牙齿运动。在图10中描述,并且再次参考图2,由过程200的子过程240执行理想的牙弓的确定。
简而言之,考虑到对齐、弓形以及咬合,理想的牙弓的生成采用考虑局部基础、参考间隔、控制点等的迭代过程。在理想情况下,该过程允许牙弓的生成,该牙弓避免了在从初始牙弓位置1146到最终牙弓位置(如图11所示)的牙齿运动期间的碰撞和撞击。一旦生成,理想的牙弓就可以用作患者的牙弓的牙齿的目标位置1147,该理想的牙弓具有其时期和阶段,以实现在其间计算出的该目标位置1147。
咬合告知理想的牙弓的生成。作为一般准则,理想的牙弓的咬合应理解为意味着符合正畸规则和健康与美观原则的患者牙列的位置和排列。更具体地说,理想的牙弓的咬合是基于在牙齿的每个解剖平面中定义的良好咬合的已知的正畸标准。这些标准可以包括,在矢状平面内:(1)上颌牙弓的第一臼齿的近中颊侧尖与下颌牙弓的第一臼齿的纵向裂隙和横向裂隙的交叉部分之间的接触;(2)上颌牙弓的门齿与相应门齿的后嵴和下颌牙弓的前臼齿的前嵴的接触;(3)上颌门齿与下颌门齿的接触;(4)上颌门齿与下颌门齿的重叠;以及(5)门齿之间的120°夹角。这些标准可以进一步包括,在冠状面内:(1)下颌门齿与上颌门齿的重叠可高达相应下颌门齿的牙冠高度的1/3;(2)上颌牙弓和下颌牙弓的前臼齿和臼齿之间的接触。此外,这些标准可以包括,在横断面内:(1)下颌臼齿与上颌臼齿的重叠等于上颌臼齿的牙尖的大小。
除了上述之外,还可以通过咬合弓长度来了解理想的牙弓的形状以及相应的咬合,所述咬合弓长度被测量为相应的牙弓中每个牙齿的近中颊部分的总和。在一个实施例中,可以从经验分析曲线中选择理想的牙弓的形状,或者根据在处理200的步骤220处接收的与患者相关的信息的正畸规则和牙弓测试确定理想的牙弓的形状。例如,理解咬合弓长度或其分段允许关于基于庞特指数、吨氏指数、博尔顿关系以及科恩豪斯指数等的咬合弓形状和牙齿的控制点之间的距离的假设。为此,作为一个示例,可以将这些关系定义为∑(4门齿的近中颊部分*1.25=(第一前臼齿之间的距离)和/或如所描述的,每个牙弓内的每个牙齿的近中维度可以被评估以确定牙弓形状的可行性。这种咬合弓形状分别在图12A至图12D中示出。
为了开始对过程200的子过程240的更详细描述,在步骤1041处,可以使用数字牙齿模型和牙齿的控制点,包括根据先前的子过程计算出的牙齿的特征和接触点,来生成理想的上牙弓和理想的下牙弓。如上所述,至少基于输入数据和对齿间空间的输入限制(即曲线的拟合)来进行理想的牙弓形状的优化。在示例中,输入数据可以包括牙齿的控制点,该牙齿的控制点包括每个牙齿的局部轴、弓的定义形状、齿间距离等,输入数据用作用于生成新形状的参考点和几何参数。此外,如上所述,可以从经验分析曲线的列表选择每个理想的牙弓形状或者根据规则、正畸建议以及牙弓的测试确定每个理想的牙弓形状。在复杂情况下,例如,当优化无法使用设置的参数确定解决方案时,设置的参数以及优化方法可以由操作员自动或手动更改。
如上所述,考虑到牙齿碰撞等,理想的牙弓可能无法实现,因此,它不是合适的目标牙弓。因此,在子过程240的步骤1041中已经基于牙齿的特征和接触点生成了理想的牙弓之后,对生成的理想的牙弓进行评估以确定其可行性。例如,可以确定理想位置是否能够实现,如图11中的示例所示,而不会引起相邻牙齿的牙齿的碰撞。
因此,在子过程240的步骤1042,可以评估理想的牙弓的可能的牙齿的碰撞。可能的碰撞的快速检测器和用于定位牙齿的三维模型的碰撞的较慢方法可以用于检测模型交叉部分的数量。如果检测到的模型交叉部分的数量小于预定阈值,则产生的理想的牙弓被认为是可能的,并且子过程240行进到步骤1045,其中选择生成的理想的牙弓作为用于随后治疗相关处理的目标牙弓。然而,如果检测到的模型交叉部分的数量大于预定阈值,则生成的理想的牙弓被确定为不可能的,并且子过程240行进到步骤1043。
在子过程240的步骤1043,可以生成可能的“近乎理想”的牙弓或可能的目标牙弓的库,每个可能的目标牙弓是消除了在生成的理想的牙弓中发现的牙齿碰撞以及随后在处理每个可能的目标牙弓期间产生的碰撞的牙弓。为此,每个可能的目标牙弓的生成是迭代的,因为相邻牙齿之间的牙齿的碰撞被检测到然后被消除。参考随后的附图更详细地描述,在图15中示出了对相邻牙齿的牙齿的碰撞的搜索。步骤1043的结果是一组可能的目标牙弓,该目标牙弓在使逼近所生成的理想的牙弓的同时最小化牙齿的碰撞。
在子过程240的步骤1044,对生成的可能的目标牙弓组中的每一个进行评估以确定最有效的可能的目标牙弓。该分析可以通过最小化成本函数等来执行,或者可以基于根据上述良好咬合标准的一组定制函数或嵌套函数来执行。在一个或多个嵌套函数的情况下,嵌套函数可以被配置为生成“咬”或咬合质量的度量或量度,每个嵌套函数可以在单个牙齿、单个牙弓或上牙弓和下牙弓结合的水平上被评估。可以通过一个或多个嵌套函数评估的特征的示例包括:(1)牙齿的控制点之间的距离(例如,牙齿的特征、接触点等);(2)每个牙齿的角度;以及(3)咬合弓形状。
在一个实施例中,并且如上文所介绍的,该度量可用于评估在单个牙齿水平上“咬”的质量。在这种情况下,嵌套函数可以执行一系列操作。首先,在一个示例中,考虑到由牙齿的局部坐标系的转换矩阵得出的全局坐标系中牙齿的当前旋转和平移参数,可以计算牙齿从目标位置到当前位置之间的距离。其次,可以确定每个距离位置参数的权重指数,为围绕每个轴的旋转和在牙齿的局部坐标系中的轴向平移中的每一个设定权重指数。最后,可以从中计算度量或统计度量。在一个示例中,统计度量可以是平均值。
在一个实施例中,并且如上文所介绍的,该度量可用于评估在单个牙弓水平上的“咬”的质量。在这种情况下,嵌套函数可以执行一系列操作。首先,在示例中,可以计算(a)每个牙齿的牙齿的控制点的当前位置与每个牙齿的相应牙齿的控制点的理想位置之间的距离,和(b)每个牙齿的牙齿的控制点的当前位置和相邻牙齿的相应牙齿的控制点的当前位置之间的距离。其次,可以确定每个距离位置参数的权重指数,为以下中的每个设置权重指数:(a)每个牙齿的牙齿的控制点的当前位置与每个牙齿的相应牙齿的控制点的理想位置之间的距离(b)每个牙齿的牙齿的控制点与相邻牙齿的相应牙齿的控制点的当前位置之间的距离。最后,可以从中计算度量或统计度量。在一个示例中,统计度量可以是平均值。
在一个实施例中,并且如上文所介绍的,该度量可用于评估在包括两个牙弓的口腔水平上的“咬”的质量。在这种情况下,嵌套函数可以执行一系列操作。首先,可以鉴于口腔的牙齿的解剖特征或牙齿的特征之间的理想位置关系来计算描述口腔的牙齿的解剖特征之间的当前位置关系的距离,该距离通过现有的正畸知识被部分地定义。在一个示例中,该距离可以是第一上颌臼齿的近中舌侧尖与对立的第一下颌臼齿的近中裂隙之间的距离,其中它们之间的目标关系为零距离(反映它们之间的反射接触)。该距离也可以是上颌犬齿的近中舌侧的斜面和远中舌侧的斜面和相应的对立的牙齿的近中舌侧的斜面和远中舌侧的斜面,相应的对立的牙齿是犬齿和第一前臼齿,并且它们之间的目标关系是零距离(它们之间的反射接触)。在另一实例中,该距离可以是上颌门齿和下颌门齿之间的重叠数量,其中它们之间的目标关系是上颌门齿的牙冠的高度的1/3的重叠距离。在另一实例中,该距离可以是前门齿之间的倾斜角,其中它们之间的目标关系是139°的倾斜角。第二,可以确定每个距离位置参数的权重指数。最后,可以从中计算度量或统计度量。在一个示例中,统计度量可以是平均值。
参照图14,上述统计度量可以针对牙齿运动的每个阶段和/或针对牙齿运动的每个时期类似地生成。例如,在牙齿运动的每个时期,可以考虑到目标中间牙齿位置修改上面提到的理想位置。在这种情况下,目标中间牙齿位置可以成为实际的理想位置。因此,可以理解的是,“咬”的质量的评估可以类似地用于告知每个时段内适当的牙齿运动的选择。
考虑到以上提出的任何嵌套函数,步骤1044确定所生成的可能的目标牙弓的组中的哪一个使嵌套函数最小化或将嵌套函数的输出度量降低到预定阈值以下,或将嵌套函数的输出度量增加到预定阈值以上。因此,在子过程240的步骤1045,可以选择最有效的可能的目标牙弓作为用于随后的治疗相关处理的目标牙弓。
根据一个实施例,图13提供了上述搜索目标牙弓、牙齿的控制点(例如,牙齿的特征和接触点)以及实现目标牙弓的牙齿运动的结果的图示。
在一个实施例中,每个可能的牙弓,包括选定的目标牙弓,都可以由OTPS自动计算,或者在更复杂的情况下,可以在操作员的控制下手动计算。
在一个实施例中,关于图14描述的牙齿移动阶段,可以基于选择的目标牙弓或其目标中间牙齿位置。另外,该选择的目标牙弓形状可以用于预测治疗。
可以理解的是,与其他方法相比,过程200的子过程240提供了一组优点。结果,在确定目标牙弓时,消除了对依赖治疗的数据的需要。例如,OTPS利用在治疗之前产生的牙齿的二维数据和/或三维模型,允许正畸治疗计划基于患者的基线条件和从中识别出的牙齿的控制点。
回到附图,在识别了患者的上述目标牙弓或多个目标牙弓之后,必须确定牙齿运动以便从初始位置移动到目标牙弓。现在参考图14,将描述过程200的子过程250。通常,子过程250包括从子过程240接收选择的目标牙弓,并确定从基线位置到目标位置的运动的时期。在一个实施例中,考虑到可能是普遍的或患者特定的正畸限制,牙齿运动的每个时期可以被定义为限定目标中间牙齿位置的牙弓的中间位置。被应用到时期的这种正畸限制可以包括“三个相邻的牙齿不能同时移动”,同时被应用到具有牙弓的每个牙齿运动的正畸限制可以包括“矫正器不能移动牙齿超过250微米”。有关正畸限制的信息、每颗牙齿的中间位置以及治疗进度可以被存储在数据库中并用于监视患者的状况、预测患者的状况、以及/或实时校正患者的正畸治疗计划。可以理解的是,可以针对目标上颌牙弓和目标下颌牙弓两者执行这样的过程。
更具体地说,过程200的子过程250开始于步骤1451。在步骤1451,可以基于提取的牙齿的控制点和所接收的一个或多个医学图像准备三维数据。这可以包括每个牙齿相关数据的修改,使得局部基准(例如,轴)被变换为在单个全局坐标***内。单坐标***创建反馈***,其中考虑到特定的运动目标(例如,目标牙弓的目标位置),响应于预期的牙齿碰撞可以确定牙齿位置中的任何偏差。所准备的三维数据反映了相应目标牙弓的基线位置,并且在一个示例中可以包括类似于图13中所示的目标牙弓的多边形牙齿模型。
在子过程250的步骤1452中,所需的牙齿运动时期的数量可以基于输入基线位置和选择的目标牙弓位置之间的差来确定,并且考虑到例如上述那些基于正畸的运动限制。如前所述,牙齿运动的每个时期都可以定义牙齿的中间位置。
已经确定到达目标牙弓所需的牙齿运动时期的数量,并因此确定了它们之间的中间牙齿位置之后,可以在每个阶段为上颌牙弓和下颌牙弓的每个牙弓的每个牙齿计算一条或多条路径,从中选择最佳路径。一条或多条路径中的每一个可以包括一个或多个牙齿运动阶段,每个牙齿运动阶段在逐渐朝向中间位置移动每个牙齿时反映单个轨迹或矢量。
为此,从子过程250的步骤1453开始,可以在第一牙齿运动时期期间为牙弓的第一牙齿计算一个或多个可能的路径。一个或多个路径可以被计算,使得在第一牙齿运动时期期间,第一牙齿可以从基线位置被移动到第一中间位置,该一个或多个路径描述了为实现第一中间位置的第一牙齿的所有可能的路径。对于第一牙齿运动阶段,可以对牙弓的其余牙齿执行类似的计算。可以考虑角度运动和线性运动的正畸规则来计算一个或多个路径,在示例中,上述计算借助于欧拉角和四元数。速度和轨迹的限制可以归因于来自角度和运动范围以及运动牙齿数量的牙齿矫正规则,这取决于治疗过程的复杂性。此外,借助于欧拉角和四元数,执行在局部坐标系中的角运动的控制,并分解转化为正畸重定位和旋转。
计算的结果是第一牙齿运动时期的牙齿的可能的路径的树。每个牙齿的每个计算出的路径都会创建可能的路径树的新分支和/或叶子。在一个实施例中,该算法在必要时为树生长了新的分支,并且可以修剪死路分支以节省计算资源。为此,可能的路径的树包括分支和叶子之间的节点,每个节点都是由几个元素组成的数据结构,包括:(1)描述可能的路径的信息、(2)每个牙齿的一条或多条路径轨迹、(3)优化标准(例如,如果节点被认为是非最佳的,则可以将其置于空闲状态以节省计算能力,而如果当前主分支被认为导致死角,则可以激活空闲状态的节点)。此外,可能的路径的树的每个节点都包含全部所需的信息为了:(1)恢复路径、(2)创建新路径。
在子过程250的过程1454中,可以评估计算的路径以确定是否会发生牙齿碰撞(即,碰撞/撞击),并确保正畸处方和限制被执行。在一个示例中,除了对每个牙齿的精确三维形状的更精细评估,这还包括对多边形牙齿模型的重叠的粗略评估。这样的评估如图15所示。如图15中所示,可能的重叠的边界框和/或其他快速评估仅用于碰撞的初始测试。这样的初始测试可以指示碰撞的牙齿区域1549和没有碰撞的牙齿区域1548。对每个牙齿的精确三维形状的精细评估包括使用罚函数和优化标准。如果在子过程250的步骤1454发现牙齿的碰撞,则可以在子过程250的步骤1455计算新路径的轨迹,并适当地将其作为分支和/或叶子添加到可能的路径的树中。
在一个实施例中,在子过程250的步骤1454处识别出牙齿碰撞后,可以最初确定为不可能克服的牙齿碰撞。结果是,可以独立地或组合地执行几种不同的方法以消除这种牙齿碰撞。这些方法可以包括算法搜索策略,例如(1)在路径的先前轨迹处对过程历史的深度优先搜索和调整、和(2)过渡到牙齿运动***的较早状态而不删除尚未测试的分支。此外,这些方法可以包括临床策略,例如(3)扩展牙弓。其他临床策略包括邻面去釉(IPR)等。为此,如图15所示,可以测量两个碰撞的齿的交叉部分的定向的边界框的厚度。如果厚度在可接受的IPR阈值之内,可接受的IPR阈值对于每个牙齿都是唯一的并且存储在数据库中,则两个牙齿的碰撞可以被列为可接受。但是,如果厚度超出可接受的IPR阈值,则可以执行IPR。上面描述的每种方法克服了牙齿的碰撞,并产生了可能的路径树的新分支和/或叶子。
在生成可能的路径的树并考虑了可能的牙齿冲突之后,在子过程250的步骤1456,可以生成可接受路径的列表,作为可能的路径的完整树。可以根据正畸规则并且以最小化牙齿运动阶段的数量及其单个牙齿运动的数量为目标来优化列表中的每个可接受路径。
可以为在步骤1452确定的每个牙齿运动阶段重复上述步骤1453至步骤1456。
在子过程250的步骤1457,可以评估可接受路径的列表或可能的路径的完整树,并且可以选择治疗路径。在一个实施例中,可以在可能的路径的树中执行对最佳路径的搜索。这样的搜索可以包括效率和功效的估计。在一种情况下,可以选择允许到达目标牙弓位置的路径,并且可以从可能的路径的树中去除无关的路径。在另一种情况下中,由于牙齿碰撞或正畸约束,可以发现没有路径允许到达目标牙弓位置。在这种情况下,可以搜索可能的路径的树,并且可以选择使成本函数最小化的路径。在一个示例中,成本函数可以是咬合质量或牙齿运动阶段数量的量度。咬合的质量可以是对“咬”质量的评估,如先前参考子过程240的步骤1044所述。
在一个实施例中,相对于复杂的情况,可以针对每个牙齿治疗时期执行子过程250的步骤1453至步骤1457,并且其结果可以用于生成用于随后的牙齿治疗时期的可能的路径。
根据一个实施例,图16A和图16B分别是在正畸治疗之前和之后的上颌牙弓的三维模型的图示。
根据一个实施例,可以理解的是,上述用于自动治疗计划的过程可以分为三个主要过程:(1)识别每个牙齿的牙齿控制特征、(2)定义每个牙齿的目标位置、以及(3)找到每个牙齿从初始位置到目标位置的有效和高效的路径。这些过程将在下面大体地描述,如在本公开的实施例中可应用于OTPS。
在第一过程中,可以定义目标牙齿位置。使用三维网格表面模型(例如,在图7A至7E)或体积模型,牙齿的解剖特征可以被识别并由此确定目标牙齿位置。在一个示例中,牙齿的解剖特征可以是如过程200的子过程230中所导出的牙齿的控制点。接下来,在一个示例中,目标牙齿位置可以通过以下方式计算:(1)创建一个定义解剖特征或牙齿的控制点之间位置差的度量、和(2)使用启发式方法(例如,除其他外,A*(A-star)算法、迭代加深A*算法以及其他迭代方法)将度量最小化。替代地,在示例中,目标牙齿位置可以通过以下方式确定:(1)基于已知的解剖学约束(例如,其中包括Bolton分析度量、Spee形状的曲线以及理想齿形)计算解剖特征或牙齿的控制点之间的最佳位置、和(2)根据牙齿的三维网格表面模型或体积模型训练数学模型,以基于从训练数据集中检索到的参考数据来预测牙齿的目标位置。在示例中,用于预测目标位置的数学模型可以是基于先前患者的来自正畸治疗之前和之后的相关的、标记的解剖学数据的统计模型、人工神经网络等。可以以各种格式获得数学模型的输出。例如,数学模型可以被训练以预测每个牙齿的变换矩阵,数学模型被训练以提供分割(例如,用于二维和三维分割的U-net或用于表面网格分割的PointNet)。变换矩阵或牙齿运动矩阵可以是运动矢量、四元数或从变换类别的预设列表中选择的变换类别。变换类别的预设列表可以是“远中”、“颊舌”、“尖端”、“扭矩”、“旋转”、“角度”等之一。在另一实例中,数学模型可以被训练以预测正确定位的牙齿的形状,变换矩阵能够从中推导出。这样的数学模型可以是诸如生成的对抗神经网络等的深度神经网络。正确定位的牙齿的形状的预测之后,匹配算法(例如迭代的最近点、随机样本一致性等)可以被用于获得每个牙齿的变换矩阵。
随后,在第二过程中,然后可以识别最有效和高效的路径。为此,可以使用旨在确定“最短路径”的方法来确定每个牙齿和每个时期的最有效和高效的路径。在一个实例中,诸如A*、迭代加深A*、约翰逊算法等的方法可以用于确定每个时期的牙齿的从初始位置到目标位置或目标中间位置的路径。在确定路径的每个阶段处,可以执行三维模型相交部分检查以防止牙齿碰撞,并且如果发现,可以执行迭代以确定新路径。然后,下一时期的路径可以被预测。在一个示例中,训练后的数学模型可以用于执行上述计算。例如,训练后的数学模型可以是机器学习模型,例如具有近端策略优化的感知器、递归神经网络、马尔可夫模型、支持矢量机、贝叶斯模型等。如前所述,如果后续时期的预测路径导致牙齿碰撞,训练后的数学模型供迭代预测,以避免牙齿碰撞。在示例中,数学模型被训练以激励靠近目标中间牙齿位置或牙齿的目标位置移动。
现在回到附图,并考虑本公开的本发明的替代实施例,图17是牙齿的牙齿图像的图示。根据本公开的实施例,考虑牙齿的牙冠,可以生成形成正畸治疗计划的主干的可能的路径和选择路径的树。另外,考虑牙齿的完整结构,包括牙齿的牙冠和牙齿的至少一个根部,可以生成可能的路径的树。可以理解的是,在确定正畸治疗计划时,仅考虑牙齿的牙冠有在从初始位置运动到目标位置时损害至少一个根部、牙周膜以及牙周骨的风险。为了在正畸治疗计划期间结合与牙齿的软组织和硬组织环境有关的信息,需要一种用于识别组织类型、从中生成三维模型以及确定其牙周组织特性的方法。为此,有必要发展一种从硬组织识别软组织、从密度不同的周围骨骼识别根部的策略。图17是根据本公开的实施例的牙齿的牙科图像的图示。在一个实施例中,如上所述,牙齿的牙齿图像可以是但不限于经由口腔内光学成像、印模、牙齿模型、超声或射线成像获得的图像。在一个示例中,可以经由射线成像获取多个图像或切片并且重构以渲染三维模型。再次参考图17,牙齿1704包括冠部1706和一个或多个根部1705。一个或多个根部1705位于牙槽突、包含牙槽骨的增厚的脊、或齿槽内。牙槽突包括皮质骨1715(紧凑、相对密质的骨)和松质骨1710(海绵状、相对多孔的骨)。皮质骨1715和松质骨1710一起提供了牢固的基础,牙齿1704的一个或多个根部1705从中被固定。与本公开相关,作为牙周组织的皮质骨1715和松质骨1710有助于牙齿的可能运动的确定。
在计划牙齿运动以便同时考虑牙齿和牙周环境时,必须识别各种结构,包括上述结构。此外,一旦已经针对单个二维牙齿图像识别了这些特征,就可以对额外的二维牙齿图像或切片执行相同(的操作),直到可以由此渲染三维模型为止。除了提供美学评估之外,三维模型还综合有关牙周组织密度和厚度的信息,从而限制可能的牙齿运动,并为开处方的医疗专业人员提供一种通过其确定牙齿运动的可能范围的工具。
本公开的发明人先前已在美国专利申请号为16/017,687中描述了这样一种例如与牙齿1704的冠部1706分开地识别牙齿1704的根部1705的方法,上述美国专利申请通过引用并入本文。
除了美国专利申请号为16/017,687的教导之外,基于机器学习的方法可以用于识别牙齿1704的至少一个根部1705和牙齿的冠部1706中的每一个。例如,基于机器学习的方法可以是人工神经网络的组合,用于一个或多个医学图像的检测和分割。为此,人工神经网络的组合可以包括诸如RetinaNET等的人工神经网络,以检测一个或多个医学图像的牙齿的存在。一个或多个医学图像可以是二维图像切片或三维图像体积或表面网格。人工神经网络可以被训练以分离边界框内的每个牙齿。随后,三维全卷积神经网络(例如U-net等)可以被训练以对有界子体积执行分割,该分割识别牙齿内感兴趣的组织(例如至少一个根部1705和冠部1706)。
在实施期间,组合的训练后的神经网络可以以类似方式处理一个或多个医学图像。例如,组合的人工神经网络可以作为输入接收患者的牙弓或牙列的医学图像体积。牙弓的每个牙齿都可以通过人工神经网络与医学图像体积隔离。然后三维全卷积神经网络可以被应用于隔离的牙齿以生成其分割。最后,分割的体积可以被转换成多边形网格表面模型,多边形网格表面模型可以被集成到诸如本公开的OTPS的正畸治疗计划***中,其中分割的体积划分出牙齿的哪些区域是根部和牙齿的哪些区域是冠部,允许考虑到各个组织类型的生物学限制计划运动。
然而,应该理解的是,可能无法获得患者的一个或多个医学图像,因此,可以使用诸如生成对抗神经网络之类的深度神经网络方法或类似方法以生成牙齿和牙齿的冠部中的至少之一的表面模型。例如,生成的可以是牙齿的根部的表面模型。
接下来,参考图18描述根据示例性实施例的正畸治疗计划***(OTPS)的硬件说明。在图18中,OTPS包括执行上面/下面描述的处理的CPU1880。在另一个实施例中,处理设备可以是GPU、GPGPU或TPU。过程数据和指令可以存储在存储器1881中。这些过程和指令还可以存储在诸如硬盘驱动器(HDD)或便携式存储介质的存储介质盘1882上,或者可以远程存储。此外,要求保护的优点不受存储本发明过程的指令的计算机可读介质的形式的限制。例如,指令可以存储在CDs、DVDs、闪存、RAM、ROM、PROM、EPROM、EEPROM、硬盘或OTPS与之通信的任何其他信息处理设备(例如服务器或计算机)中。
此外,要求保护的优点可以作为实用应用程序、后台守护(程序)或操作***的组件或其组合提供,与CPU1880和诸如Microsoft Windows 7、Windows 8、Windows 10、UNIX、Solaris、LINUX、Apple MAC-OS以及其他本领域技术人员已知的***的操作***一起执行。
为了实现OTPS的硬件元件可以通过本领域技术人员已知的各种电路元件来实现。例如,CPU1880可以是美国英特尔公司的Xeon或Core处理器,或者美国AMD公司的Opteron处理器,或者可以是本领域普通技术人员可以识别的其他处理器类型。可选地,如本领域普通技术人员将认识到的那样,CPU1880可以实现在FPGA、ASIC、PLD上或使用分立逻辑电路。此外,CPU 1880可以被实现为并行协同工作以执行上述发明过程的指令的多个处理器。
图18中的OTPS还包括网络控制器1883,例如用于与网络1895接口的美国英特尔公司的英特尔以太网PRO网络接口卡。可以理解的是,网络1895可以是诸如因特网的公共网络、或者诸如LAN或WAN网络的专用网络或其任何组合,并且还可以包括PSTN或ISDN子网络。网络1895也可以是有线的,例如以太网络,或者可以是无线的,例如包括EDGE、3G以及4G无线蜂窝***的蜂窝网络。无线网络也可以是WiFi、或任何其他已知的无线通信形式。
OTPS还包括显示器控制器1884,例如来自美国的NVIDIA公司的NVIDIA或/>图形适配器,用于与显示器1885(例如Hewlett/>LCD显示器)接口。通用I/O接口1886与键盘和/或鼠标1887以及在显示器1885上或与显示器1885分离的触摸屏面板1888接口。通用I/O接口还连接到各种外部设备1889,包括打印机和扫描仪,例如Hewlett Packard的/>或/>
在OTPS中还提供了声音控制器1890,例如来自创新科技的Sound Blaster X-FiTitanium,以与扬声器/麦克风1891接口,从而提供声音和/或音乐。
通用存储控制器1892连接存储介质盘1882与通信总线1893,通信总线可以是ISA、EISA、VESA、PCI或类似,用于互连OTPS的所有组件。本文中为了简洁起见,省略显示器1885、键盘和/或鼠标1887以及显示器控制器1884、存储控制器1892、网络控制器1883、声音控制器1890以及通用I/O接口1886的一般特征和功能的描述,因为这些特征是已知的。
显然,根据以上教导,许多修改和变化是可能的。因此,应当理解的是,在所附权利要求的范围内,本发明可以不同于本文具体描述的方式实施。
本公开的实施例也可以如以下括号中所述。
(1)一种用于为患者的至少一个牙弓生成正畸治疗计划的方法,包括从接收的患者相关数据中提取患者的至少一个牙弓的牙齿的控制点、基于提取的控制点,确定患者的目标牙弓、基于确定的患者的目标牙弓,计算一个或多个牙齿运动阶段、以及通过处理电路并基于计算的一个或多个牙齿运动阶段,生成针对所述患者的至少一个牙弓的正畸治疗计划。
(2)根据(1)所述的方法,其中提取患者的至少一个牙弓的每个牙齿的控制点包括计算与xOz平面中各个牙齿的深度相对应的等值线、根据计算的等值线生成各个牙齿的垂直轴、计算与正交于生成的垂直轴的平面中的各个牙齿的深度相对应的等值线、确定各个牙齿的一个或多个牙齿的特征、基于确定的各个牙齿的一个或多个牙齿的特征的子集生成各个牙齿的水平轴、以及确定各个牙齿的一个或多个接触点。
(3)根据(1)或(2)中的任一项所述的方法,其中确定每个相应牙齿的一个或多个牙齿的特征包括计算各个牙齿的至少一个齿刃、计算各个牙齿的至少一个牙结节、以及计算各个牙齿的至少一个裂隙。
(4)根据(1)至(3)中任一项所述的方法,其中计算各个牙齿的至少一个裂隙包括确定由计算的各个牙齿的至少一个牙结节定义的几何区域、将几何区域划分为多个几何子区域、以及从多个几何子区域的坐标确定各个牙齿的至少一个裂隙。
(5)根据(1)至(4)中的任一项所述的方法,其中确定患者的目标牙弓包括考虑牙齿碰撞,生成一组可能的牙弓、和从所述一组可能的牙弓中选择一个最小化与目标牙弓的差异的牙工作为目标牙弓。
(6)根据(1)至(5)中的任一项所述的方法,其中计算一个或多个牙齿运动阶段包括:确定一个或多个牙齿运动阶段的数量、在每个牙齿运动阶段并考虑牙齿的碰撞为每个牙齿计算满足牙齿运动的轨迹的列表、以及在每个牙齿移动阶段为每个牙齿选择所述轨迹的列表中最小化变换代价的轨迹。
(7)根据(1)至(6)中任一项的方法,其中为患者的至少一个牙弓生成的正畸治疗计划包括基于在每个牙齿运动阶段为每个牙齿选择的轨迹针对至少一个牙齿矫正器的处方。
(8)根据(1)至(7)中任一项的方法,其中提取患者的至少一个牙弓的每个牙齿的控制点包括将机器学习分类器应用于患者相关数据的一个或多个图像,其中在患者的参考图像的数据库上训练机器学习分类器,数据库中患者的每个所述参考图像被分类为患者的参考图像。
(9)一种用于为患者的至少一个牙弓生成正畸治疗计划的设备,包括处理电路,所述处理电路被配置为从接收的患者相关数据中提取患者的至少一个牙弓的牙齿的控制点、基于提取的控制点,确定患者的目标牙弓、基于确定的患者的目标牙弓,计算一个或多个牙齿运动阶段、以及基于计算的一个或多个牙齿运动阶段,生成针对所述患者的至少一个牙弓的正畸治疗计划。
(10)根据(9)所述的设备,其中,为了提取患者的至少一个牙弓的每个牙齿的控制点,所述处理电路还被配置为:计算与xOz平面中各个牙齿的深度相对应的等值线、根据计算的等值线生成所述各个牙齿的垂直轴、计算与正交于生成的垂直轴的平面中的各个牙齿的深度相对应的等值线、确定各个牙齿的一个或多个牙齿的特征、基于确定的各个牙齿的一个或多个牙齿的特征的子集生成各个牙齿的水平轴、以及确定各个牙齿的一个或多个接触点。
(11)根据(9)或(10)中的任一项所述的设备,其中,为了确定各个牙齿的所述一个或多个牙齿的特征,所述处理电路还被配置为计算各个牙齿的至少一个齿刃、计算各个牙齿的至少一个牙结节、以及计算各个牙齿的至少一个裂隙。
(12)根据(9)至(11)中的任一项所述的设备,其中,为了确定所述患者的所述目标牙弓,所述处理电路还被配置为考虑牙齿碰撞,生成一组可能的牙弓、和从所述一组可能的牙弓中选择一个最小化与目标牙弓的差异的牙工作为目标牙弓。
(13)根据(9)至(12)中的任一项所述的设备,其中,为了计算一个或多个牙齿运动阶段,所述处理电路还被配置为:确定一个或多个牙齿运动阶段的数量、在每个牙齿运动阶段并考虑牙齿的碰撞为每个牙齿计算满足牙齿运动的轨迹的列表、以及在每个牙齿移动阶段为每个牙齿选择所述轨迹的列表中最小化变换代价的轨迹。
(14)根据(9)至(13)中的任一项所述的设备,其中,为了提取患者的至少一个牙弓的每个牙齿的控制点,处理电路还被配置为:将机器学习分类器应用于患者相关数据的一个或多个图像,其中在患者的参考图像的数据库上训练机器学习分类器,数据库中患者的每个所述参考图像被分类为患者的参考图像。
(15)一种存储计算机可读指令的非暂时性计算机可读存储介质,在由计算机执行时,使计算机执行一种为患者的至少一个牙弓生成正畸治疗计划的方法,包括从接收的患者相关数据中提取患者的至少一个牙弓的牙齿的控制点、基于提取的控制点,确定患者的目标牙弓、基于确定的患者的目标牙弓,计算一个或多个牙齿运动阶段、以及基于所述计算的一个或多个牙齿运动阶段,生成针对所述患者的所述至少一个牙弓的正畸治疗计划。
(16)根据(15)所述的非暂时性计算机可读存储介质,其中,提取所述患者的至少一个牙弓的每个牙齿的控制点包括计算与xOz平面中各个牙齿的深度相对应的等值线、根据计算的等值线生成各个牙齿的垂直轴、计算与正交于生成的垂直轴的平面中的各个牙齿的深度相对应的等值线、确定各个牙齿的一个或多个牙齿的特征、基于确定的各个牙齿的一个或多个牙齿的特征的子集生成各个牙齿的水平轴、以及确定各个牙齿的一个或多个接触点。
(17)根据(15)或(16)中任一项所述的非暂时性计算机可读存储介质,其中,确定各个牙齿的一个或多个牙齿的特征包括计算各个牙齿的至少一个齿刃、计算各个牙齿的至少一个牙结节、以及计算各个牙齿的至少一个裂隙。
(18)根据(15)至(17)中的任一项所述的非暂时性计算机可读存储介质,其中,确定患者的目标牙弓包括考虑牙齿碰撞,生成一组可能的牙弓、和从一组可能的牙弓中选择一个最小化与目标牙弓的差异的牙工作为目标牙弓。
(19)根据(15)至(18)中的任一项所述的非暂时性计算机可读存储介质,其中,计算一个或多个牙齿运动阶段包括:确定一个或多个牙齿运动阶段的数量、在每个牙齿运动阶段并考虑牙齿的碰撞为每个牙齿计算满足牙齿运动的轨迹的列表、以及在每个牙齿移动阶段为每个牙齿选择所述轨迹的列表中最小化变换代价的轨迹。
(20)根据(15)至(19)中任一项的非暂时性计算机可读存储介质,其中,提取患者的至少一个牙弓的每个牙齿的控制点包括将机器学习分类器应用于患者相关数据的一个或多个图像,其中在患者的参考图像的数据库上训练机器学习分类器,数据库中患者的每个参考图像被分类为患者的参考图像。
因此,前述讨论仅公开和描述了本发明的示例性实施例。如本领域技术人员将理解的,在不脱离本发明的精神或基本特征的情况下,本发明可以以其他特定形式来实施。根据上述教导,可以对本发明进行多种修改和变化。因此,本发明的公开意图是说明性的,而不是限制本发明和其他权利要求的范围。本公开包括本文的教导的任何容易辨别的变型,部分地限定了前述权利要求术语的范围,使得不会有任何创造性的主题被奉献给公众。
本文提及的所有出版物、专利申请、专利以及其他参考文献均通过引用整体并入本文。此外,除非另有说明,否则材料、方法以及实施例仅是说明性的,并不旨在限制本发明。
Claims (17)
1.一种用于为患者的至少一个牙弓生成正畸治疗计划的方法,其特征在于,包括:
从接收的患者相关数据中提取所述患者的所述至少一个牙弓的牙齿的控制点;
基于所述提取的控制点,确定所述患者的目标牙弓,所述目标牙弓代表至少一个牙弓中的牙齿的最终位置;
在确定目标牙弓后,基于所述确定的所述患者的目标牙弓,计算一个或多个牙齿运动阶段;所述一个或多个牙齿运动阶段代表至少一个牙齿从至少一个牙弓中的状态运动到目标牙弓中的状态的阶段;以及
通过处理电路并基于所述计算的一个或多个牙齿运动阶段,生成针对所述患者的所述至少一个牙弓的正畸治疗计划,
其中,确定所述患者的目标牙弓包括
在考虑到牙齿碰撞的情况下,生成一组可能的牙弓,和
从该组可能的牙弓中选择与理想牙弓差异最小的一个作为目标牙弓。
2.根据权利要求1所述的方法,其特征在于,所述提取所述患者的所述至少一个牙弓的每个所述牙齿的所述控制点包括
计算与xOz平面中各个牙齿沿着y方向的深度相对应的等值线,
根据所述计算的等值线生成所述各个牙齿的垂直轴,
计算与正交于所述生成的垂直轴的平面中的所述各个牙齿沿着垂直轴的深度相对应的等值线,
根据与沿垂直轴的深度相对应的等值线,确定所述各个牙齿的一个或多个牙齿的特征,
基于确定的所述各个牙齿的一个或多个牙齿的特征的子集生成所述各个牙齿的水平轴,以及
根据水平轴确定所述各个牙齿的一个或多个接触点。
3.根据权利要求2所述的方法,其特征在于,所述各个牙齿的所述一个或多个牙齿的特征根据以下一项或多项确定
计算所述各个牙齿的至少一个齿刃,
计算所述各个牙齿的至少一个牙结节,以及
计算所述各个牙齿的至少一个裂隙。
4.根据权利要求3所述的方法,其特征在于,所述计算所述各个牙齿的所述至少一个裂隙包括
确定由所述计算的所述各个牙齿的至少一个牙结节定义的几何区域,
将所述几何区域划分为多个几何子区域,以及
从所述多个几何子区域的坐标确定所述各个牙齿的所述至少一个裂隙。
5.根据权利要求1所述的方法,其特征在于,所述计算一个或多个牙齿运动阶段包括
确定所述一个或多个牙齿运动阶段的数量,
在每个牙齿运动阶段并考虑牙齿的碰撞为每个牙齿计算满足牙齿运动的轨迹的列表,以及
在每个牙齿运动阶段为每个牙齿选择所述轨迹的列表中最小化变换代价的轨迹。
6.根据权利要求5所述的方法,其特征在于,为所述患者的所述至少一个牙弓生成的正畸治疗计划包括基于在每个牙齿运动阶段为每个牙齿选择的轨迹的针对至少一个牙齿矫正器的处方。
7.根据权利要求1所述的方法,其特征在于,提取所述患者的所述至少一个牙弓的每个所述牙齿的所述控制点包括
将机器学习分类器应用于所述患者相关数据的一个或多个图像,其中
在患者的参考图像的数据库上训练所述机器学习分类器,所述数据库中患者的每个所述参考图像被分类为患者的参考图像。
8.一种用于为患者的至少一个牙弓生成正畸治疗计划的设备,包括:
处理电路,所述处理电路被配置为
从接收的患者相关数据中提取所述患者的所述至少一个牙弓的牙齿的控制点,
基于所述提取的控制点,确定所述患者的目标牙弓,所述目标牙弓代表至少一个牙弓中的牙齿的最终位置;
在确定目标牙弓后,基于所述确定的所述患者的目标牙弓,计算一个或多个牙齿运动阶段,所述一个或多个牙齿运动阶段代表至少一个牙齿从至少一个牙弓中的状态运动到目标牙弓中的状态的阶段;以及
基于所述计算的一个或多个牙齿运动阶段,生成针对所述患者的所述至少一个牙弓的正畸治疗计划,
其中,确定所述患者的目标牙弓包括
在考虑到牙齿碰撞的情况下,生成一组可能的牙弓,和
从该组可能的牙弓中选择与理想牙弓差异最小的一个作为目标牙弓。
9.根据权利要求8所述的设备,其特征在于,为了提取所述患者的所述至少一个牙弓的每个牙齿的所述控制点,所述处理电路还被配置为
计算与xOz平面中各个牙齿沿着y方向的深度相对应的等值线,
根据所述计算的等值线生成所述各个牙齿的垂直轴,
计算与正交于所述生成的垂直轴的平面中的所述各个牙齿沿着垂直轴的深度相对应的等值线,
根据与沿垂直轴的深度相对应的等值线,确定所述各个牙齿的一个或多个牙齿的特征,
基于所述确定的各个牙齿的一个或多个牙齿的特征的子集,生成所述各个牙齿的水平轴,以及
根据水平轴确定所述各个牙齿的一个或多个接触点。
10.根据权利要求9所述的设备,其特征在于,确定所述各个牙齿的所述一个或多个牙齿的特征,根据以下一项或多项确定
计算所述各个牙齿的至少一个齿刃,
计算所述各个牙齿的至少一个牙结节,以及
计算所述各个牙齿的至少一个裂隙。
11.根据权利要求8所述的设备,其特征在于,为了计算所述一个或多个牙齿运动阶段,所述处理电路还被配置为
确定所述一个或多个牙齿运动阶段的数量,
在每个牙齿运动阶段并考虑牙齿的碰撞为每个牙齿计算满足牙齿运动的轨迹的列表,以及
在每个牙齿运动阶段为每个牙齿选择所述轨迹的列表中最小化变换代价的轨迹。
12.根据权利要求8所述的设备,其特征在于,为了提取所述患者的所述至少一个牙弓的每个牙齿的所述控制点,所述处理电路还被配置为
将机器学习分类器应用于所述患者相关数据的一个或多个图像,其中
在患者的参考图像的数据库上训练所述机器学习分类器,数据库中患者的每个所述参考图像被分类为患者的参考图像。
13.一种存储计算机可读指令的非暂时性计算机可读存储介质,在由计算机执行时,使所述计算机执行一种为患者的至少一个牙弓生成正畸治疗计划的方法,其特征在于,包括:
从接收的患者相关数据中提取所述患者的所述至少一个牙弓的牙齿的控制点;
基于所述提取的控制点,确定所述患者的目标牙弓,所述目标牙弓代表至少一个牙弓中的牙齿的最终位置;
在确定目标牙弓后,基于所述确定的所述患者的目标牙弓,计算一个或多个牙齿运动阶段;所述一个或多个牙齿运动阶段代表至少一个牙齿从至少一个牙弓中的状态运动到目标牙弓中的状态的阶段;以及
基于所述计算的一个或多个牙齿运动阶段,生成针对所述患者的所述至少一个牙弓的正畸治疗计划,
其中,确定所述患者的目标牙弓包括
在考虑到牙齿碰撞的情况下,生成一组可能的牙弓,和
从该组可能的牙弓中选择与理想牙弓差异最小的一个作为目标牙弓。
14.根据权利要求13所述的非暂时性计算机可读存储介质,其特征在于,所述提取所述患者的所述至少一个牙弓的每个牙齿的控制点包括
计算与xOz平面中各个牙齿沿着y方向的深度相对应的等值线,
根据所述计算的等值线生成所述各个牙齿的垂直轴,
计算与正交于所述生成的垂直轴的平面中的所述各个牙齿沿着垂直轴的深度相对应的等值线,
根据与沿垂直轴的深度相对应的等值线,确定所述各个牙齿的一个或多个牙齿的特征,
基于确定的所述各个牙齿的一个或多个牙齿的特征的子集生成所述各个牙齿的水平轴,以及
根据水平轴确定所述各个牙齿的一个或多个接触点。
15.根据权利要求14所述的非暂时性计算机可读存储介质,其特征在于,所述确定所述各个牙齿的所述一个或多个牙齿的特征根据以下一项或多项确定
计算所述各个牙齿的至少一个齿刃,
计算所述各个牙齿的至少一个牙结节,以及
计算所述各个牙齿的至少一个裂隙。
16.根据权利要求13所述的非暂时性计算机可读存储介质,其特征在于,所述计算所述一个或多个牙齿运动阶段包括
确定所述一个或多个牙齿运动阶段的数量,
在每个牙齿运动阶段并考虑牙齿的碰撞为每个牙齿计算满足牙齿运动的轨迹的列表,以及
在每个牙齿运动阶段为每个牙齿选择所述轨迹的列表中最小化变换代价的轨迹。
17.根据权利要求13所述的非暂时性计算机可读存储介质,其特征在于,所述提取针对所述患者的所述至少一个牙弓的每个牙齿的控制点包括
将机器学习分类器应用于所述患者相关数据的一个或多个图像,其中
在患者的参考图像的数据库上训练所述机器学习分类器,数据库中患者的每个所述参考图像被分类为患者的参考图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019132650A RU2725280C1 (ru) | 2019-10-15 | 2019-10-15 | Приспособления и методы планирования ортодонтического лечения |
RU2019132650 | 2019-10-15 | ||
PCT/RU2019/000890 WO2021076001A1 (en) | 2019-10-15 | 2019-12-04 | Apparatus and methods for orthodontic treatment planning |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112867461A CN112867461A (zh) | 2021-05-28 |
CN112867461B true CN112867461B (zh) | 2023-08-04 |
Family
ID=71510417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980044746.3A Active CN112867461B (zh) | 2019-10-15 | 2019-12-04 | 正畸治疗计划的设备和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11793605B2 (zh) |
EP (1) | EP3826575A4 (zh) |
CN (1) | CN112867461B (zh) |
IL (1) | IL279216B1 (zh) |
RU (1) | RU2725280C1 (zh) |
WO (1) | WO2021076001A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2725280C1 (ru) | 2019-10-15 | 2020-06-30 | Общество С Ограниченной Ответственностью "Доммар" | Приспособления и методы планирования ортодонтического лечения |
TWI712396B (zh) * | 2020-01-16 | 2020-12-11 | 中國醫藥大學 | 口腔缺陷模型之修補方法及口腔缺陷模型之修補系統 |
CN113223140A (zh) * | 2020-01-20 | 2021-08-06 | 杭州朝厚信息科技有限公司 | 利用人工神经网络生成牙科正畸治疗效果的图像的方法 |
US11495003B1 (en) * | 2020-11-30 | 2022-11-08 | A9.Com, Inc. | Placing and manipulating multiple three-dimensional (3D) models using mobile augmented reality |
USD1025370S1 (en) * | 2021-10-21 | 2024-04-30 | Shanghai Smartee Denti-Technology Co., Ltd. | Dental applicane set |
WO2023091043A1 (en) * | 2021-11-17 | 2023-05-25 | SmileDirectClub LLC | Systems and methods for automated 3d teeth positions learned from 3d teeth geometries |
US11426260B1 (en) | 2022-02-08 | 2022-08-30 | Oxilio Ltd | Methods and systems for determining an orthodontic treatment |
US11517400B1 (en) | 2022-04-14 | 2022-12-06 | Oxilio Ltd | Systems and methods for determining a position for an orthodontic attachment |
FR3136958A1 (fr) * | 2022-06-22 | 2023-12-29 | Dental Monitoring | Procede de determination d’un plan de traitement orthodontique |
FR3136956A1 (fr) * | 2022-06-22 | 2023-12-29 | Dental Monitoring | Procede de determination d’un plan de traitement orthodontique |
DE102022128845A1 (de) | 2022-10-31 | 2024-05-02 | smyl ai GmbH | Verfahren für die kieferorthopädische Behandlungsplanung und zur Visualisierung von Behandlungsschritten |
US20240185420A1 (en) * | 2022-12-01 | 2024-06-06 | Align Technology, Inc. | X-ray based dental case assessment |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1973291A (zh) * | 2004-02-27 | 2007-05-30 | 艾兰技术公司 | 牙齿数据挖掘 |
RU2486875C1 (ru) * | 2012-02-03 | 2013-07-10 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Кубанский государственный медицинский университет" Министерства здравоохранения и социального развития Российской Федерации (ГБОУ ВПО КубГМУ Минздравсоцразвития России) | Способ контроля ортодонтической коррекции верхней зубной дуги и ее сегментов |
RU2538620C1 (ru) * | 2013-07-30 | 2015-01-10 | Государственное бюджетное образовательное учреждение дополнительного профессионального образования "Новокузнецкий государственный институт усовершенствования врачей" Министерства здравоохранения Российской Федерации | Способ определения и планирования направления и величины перемещения зубов при ортодонтическом лечении |
CN105030347A (zh) * | 2015-07-23 | 2015-11-11 | 南京航空航天大学 | 基于牙根信息的数字化正畸排牙方法及基于该方法的托槽转移装置设计方法 |
CN105769352A (zh) * | 2014-12-23 | 2016-07-20 | 上海晖银信息科技有限公司 | 用于产生牙齿矫治状态的直接分步法 |
CN108210095A (zh) * | 2017-11-24 | 2018-06-29 | 上海牙典医疗器械有限公司 | 一种正畸排牙方法 |
CN110025387A (zh) * | 2019-04-25 | 2019-07-19 | 杭州美齐科技有限公司 | 一种数字化牙颌理想模型的自动生成方法 |
US10426575B1 (en) * | 2018-09-17 | 2019-10-01 | 3D Med Ag | Systems and methods for determining an orthodontic treatment |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10252298B3 (de) * | 2002-11-11 | 2004-08-19 | Mehl, Albert, Prof. Dr. Dr. | Verfahren zur Herstellung von Zahnersatzteilen oder Zahnrestaurationen unter Verwendung elektronischer Zahndarstellungen |
JP2007287018A (ja) * | 2006-04-19 | 2007-11-01 | Fujifilm Corp | 診断支援システム |
US9152767B2 (en) * | 2010-03-17 | 2015-10-06 | ClearCorrect Holdings, Inc. | Methods and systems for employing artificial intelligence in automated orthodontic diagnosis and treatment planning |
JP5676325B2 (ja) * | 2010-08-10 | 2015-02-25 | 伊藤 秀文 | 情報処理装置、情報処理方法、及びプログラム |
EP3569167B1 (en) | 2011-02-18 | 2021-06-16 | 3M Innovative Properties Co. | Orthodontic digital setups |
CN109152621A (zh) * | 2016-02-26 | 2019-01-04 | 高等正畸和教育协会有限责任公司 | 用于牙科振动的方法以及装置 |
US11045281B2 (en) * | 2016-04-22 | 2021-06-29 | Ormco Corporation | Digital orthodontic setup using a prescribed ideal arch form |
ES2771177T3 (es) * | 2017-06-05 | 2020-07-06 | Laboratorio Ortoplus S L | Dispositivo intra-oral de regulación mandibular |
US10722328B2 (en) * | 2017-10-05 | 2020-07-28 | Align Technology, Inc. | Virtual fillers for virtual models of dental arches |
CN111315315B (zh) * | 2017-11-01 | 2022-08-23 | 阿莱恩技术有限公司 | 自动治疗规划 |
TWI663960B (zh) * | 2019-01-17 | 2019-07-01 | China Medical University Hospital | 足畸形檢測模型、足畸形檢測系統及足畸形檢測方法 |
RU2725280C1 (ru) | 2019-10-15 | 2020-06-30 | Общество С Ограниченной Ответственностью "Доммар" | Приспособления и методы планирования ортодонтического лечения |
-
2019
- 2019-10-15 RU RU2019132650A patent/RU2725280C1/ru active
- 2019-12-04 CN CN201980044746.3A patent/CN112867461B/zh active Active
- 2019-12-04 EP EP19934345.0A patent/EP3826575A4/en active Pending
- 2019-12-04 WO PCT/RU2019/000890 patent/WO2021076001A1/en unknown
-
2020
- 2020-05-18 US US16/876,546 patent/US11793605B2/en active Active
- 2020-12-04 IL IL279216A patent/IL279216B1/en unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1973291A (zh) * | 2004-02-27 | 2007-05-30 | 艾兰技术公司 | 牙齿数据挖掘 |
RU2486875C1 (ru) * | 2012-02-03 | 2013-07-10 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Кубанский государственный медицинский университет" Министерства здравоохранения и социального развития Российской Федерации (ГБОУ ВПО КубГМУ Минздравсоцразвития России) | Способ контроля ортодонтической коррекции верхней зубной дуги и ее сегментов |
RU2538620C1 (ru) * | 2013-07-30 | 2015-01-10 | Государственное бюджетное образовательное учреждение дополнительного профессионального образования "Новокузнецкий государственный институт усовершенствования врачей" Министерства здравоохранения Российской Федерации | Способ определения и планирования направления и величины перемещения зубов при ортодонтическом лечении |
CN105769352A (zh) * | 2014-12-23 | 2016-07-20 | 上海晖银信息科技有限公司 | 用于产生牙齿矫治状态的直接分步法 |
CN105030347A (zh) * | 2015-07-23 | 2015-11-11 | 南京航空航天大学 | 基于牙根信息的数字化正畸排牙方法及基于该方法的托槽转移装置设计方法 |
CN108210095A (zh) * | 2017-11-24 | 2018-06-29 | 上海牙典医疗器械有限公司 | 一种正畸排牙方法 |
US10426575B1 (en) * | 2018-09-17 | 2019-10-01 | 3D Med Ag | Systems and methods for determining an orthodontic treatment |
CN110025387A (zh) * | 2019-04-25 | 2019-07-19 | 杭州美齐科技有限公司 | 一种数字化牙颌理想模型的自动生成方法 |
Also Published As
Publication number | Publication date |
---|---|
IL279216A (en) | 2021-04-29 |
RU2725280C1 (ru) | 2020-06-30 |
IL279216B1 (en) | 2024-05-01 |
CN112867461A (zh) | 2021-05-28 |
EP3826575A4 (en) | 2022-03-16 |
WO2021076001A1 (en) | 2021-04-22 |
EP3826575A1 (en) | 2021-06-02 |
US20210106403A1 (en) | 2021-04-15 |
US11793605B2 (en) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112867461B (zh) | 正畸治疗计划的设备和方法 | |
US10945813B2 (en) | Providing a simulated outcome of dental treatment on a patient | |
US11896456B2 (en) | Visual prosthetic and orthodontic treatment planning | |
US11642195B2 (en) | Visual presentation of gingival line generated based on 3D tooth model | |
US20200350059A1 (en) | Method and system of teeth alignment based on simulating of crown and root movement | |
JP5362577B2 (ja) | 自動化された歯の測定と診断とを容易にするシステムおよび方法 | |
EP1191897B1 (en) | Teeth viewing system | |
JP2017029748A (ja) | 3d根管治療計画立案のための方法及びシステム | |
JP2022547857A (ja) | カスタマイズされた歯科用物体の即時自動設計のための方法、システムおよび装置 | |
KR20210018661A (ko) | 크라운 모델 자동 추천방법 및 이를 수행하는 보철 캐드 장치 | |
Shanmathi et al. | A REVIEW ON FOOTSTEPS AND CLINICAL APPLICATIONS OF ROBOTICS AND ARTIFICIAL INTELLIGENCE IN DENTISTRY |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |