CN113112477B - 一种基于人工智能的前牙即刻种植测量分析方法 - Google Patents
一种基于人工智能的前牙即刻种植测量分析方法 Download PDFInfo
- Publication number
- CN113112477B CN113112477B CN202110404284.0A CN202110404284A CN113112477B CN 113112477 B CN113112477 B CN 113112477B CN 202110404284 A CN202110404284 A CN 202110404284A CN 113112477 B CN113112477 B CN 113112477B
- Authority
- CN
- China
- Prior art keywords
- soft
- measurement
- data
- hard tissue
- oral
- 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
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C19/00—Dental auxiliary appliances
- A61C19/04—Measuring instruments specially adapted for dentistry
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
- A61C8/00—Means to be fixed to the jaw-bone for consolidating natural teeth or for fixing dental prostheses thereon; Dental implants; Implanting tools
- A61C8/0093—Features of implants not otherwise provided for
- A61C8/0098—Immediate loaded implants
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
为了解决即刻种植术前各项软硬组织指标测量时存在的精度不足及耗时问题,本发明提供了一种基于人工智能前牙即刻种植测量分析方法,其通过先行构建标准化前牙即刻种植相关软硬组织数据库,并依托该数据库对Resnet神经网络算法进行训练优化,搭建具备前牙即刻种植相关软硬组织测量的高精度、高可行性AI算法,临床通过输入患者的口腔硬组织数据及口腔表面数据,即可得到前牙即刻种植术前各项软硬组织及角度指标,本发明基于人工智能神经网络,旨在通过卷积神经网络算法获得前牙美学区即刻种植相关的软硬组织指标测量数据,提高测量精度及速度,减轻临床口腔医生负担,提高工作效率,促进完善的即刻种植方案的决策与制定。
Description
【技术领域】
本专利涉及口腔种植医疗领域,涉及上前牙即刻种植相关软硬组织指标的数字化智能诊断分析方法,具体是指一种基于人工智能的前牙即刻种植测量分析方法。
【背景技术】
根据第四次全国口腔流行病学调查结果,35-44岁中青年人群中,牙缺失率约为36.4%,65-74岁老年人当中,牙缺失率约为86%。牙齿缺失会影响咀嚼、发音、美观,甚至对全身健康造成影响。口腔种植作为缺失牙修复的重要手段,其疗效已得到充分肯定。
即刻种植指的是在拔牙后,即刻植入人工种植体,即刻种植以治疗周期短、手术次数少、手术创伤小、患者痛苦小、更快恢复缺失牙等优势被广泛应用于前牙区种植,成为口腔种植医生关注的热点内容。
能否进行即刻种植、即刻种植手术方案制定及预期治疗效果在很大程度上依赖于患者天然牙周围软硬组织条件。因此,口腔医生在术前需要对多个与即刻种植相关的软硬组织指标进行定量分析,如唇侧骨壁厚度、根尖区骨高度、腭侧骨壁厚度、跳跃间隙的宽度、牙长轴与骨长轴交角等硬组织指标及如牙龈厚度和高度等软组织指标。然而,与即刻种植相关的软硬组织指标接近30项,对上述指标进行精确测量会占用临床口腔医生大量诊疗时间及精力,若临床医生仅凭经验粗略判断,缺乏量化标准,极容易出现不同医生判读结果不一致的情况,影响后续治疗方案的制定。
因此,为了减少临床口腔医生对即刻种相关软硬组织指标测量分析的负担,同时减少因测量不准确所导致的诊断误差,达到更精确及更有效率的即刻种植术前分析具有重要意义。
因此,本专利提出了一种新的技术方案。
【发明内容】
本发明的目的是在于克服现有技术的不足,提供了一种基于人工智能前牙即刻种植测量分析方法。
为了解决上述存在的技术问题,本发明采用下述技术方案:
一种基于人工智能的前牙即刻种植测量分析方法,包含以下步骤:
S1、构建标准化前牙即刻种植相关软硬组织数据库;具体包括以下步骤:
S1.1构建口腔软硬组织图像数据影像学资料库;
批量收集患者口腔硬组织数据及口腔表面数据,通过Co-Diagnostix,Simplant,3shape,Guidemia等种植分析软件导入同一患者的口腔硬组织数据DICOM文件及口腔表面数据STL文件,分别在两组数据上标记3组或3组以上的对应点,将口腔硬组织数据及口腔表面数据进行标准化拟合处理,构建具有口腔软硬组织图像数据的影像学资料库;
S1.2选定测量截面;
分别以颌平面、人体正中线为水平参考平面和垂直参考平面,绘制标准牙弓曲线,并在横断面上选取拟测量牙位,截取牙髓腔的最大矢状面作为测量平面,标记,保存;
S1.3构建上前牙标准化即刻种植相关软硬组织数据库;
由受过***性训练的人员对资料库图像,按照规范化测量标准进行上前牙即刻种植相关软硬组织指标测量,构建包含17项硬组织指标、5项软组织指标、3项角度指标的标准化测量数据库,与步骤S1.1构建的口腔软硬组织图像数据影像学资料库对应匹配,构建前牙标准化即刻种植相关软硬组织数据库;
S2、构建以Resnet卷积神经网络为基础的软硬组织测量模型;具体包括以下步骤:
S2.1搭建具备模型拟合及截面选取能力的Resnet神经网络;
构建包含多层卷积层的Resnet神经网络,输入原始口腔硬组织数据DICOM文件、口腔表面数据STL文件及对应的模型拟合数据、标准牙弓曲线及矢状测量截面,通过对原始数据三维拟合及归一化处理,搭建具备模型拟合及截面选取能力的Resnet神经网络并输出与输入文件对应的矢状测量截面;
S2.2搭建具备图像识别与测量分析能力的Resnet神经网络;
构建包含多层卷积层的Resnet神经网络,输入步骤S1建立的标准化前牙即刻种植相关软硬组织数据库及步骤S2.1所述的矢状测量截面,并通过数据扩增及超参数的调整对包含多层卷积层的Resnet神经网络进行训练和优化,最终构建具备即刻种植相关软硬组织测量的高精度、高可行性AI算法;
S3、构建上前牙即刻种植相关软硬组织指标AI测量***;具体包括以下步骤:
S3.1输入患者信息;
在步骤S2中搭建的Resnet神经网络内输入包含患者口腔硬组织数据的DICOM文件及口腔表面数据的STL文件;
S3.2 Resnet神经网络输出;
通过Resnet卷积神经网络,输出具有口腔软硬组织图像的影像学数据、标准牙弓曲线、上前牙测量截面及对应的即刻种植相关软硬组织指标,包含17项硬组织指标、5项软组织指标和3项角度指标的测量结果;
S3.3临床医生根据人工智能测量***得到的软硬组织数据后,对患者进行前牙美学区即刻种植治疗方案的制定。
在进一步的改进方案中,患者的口腔硬组织数据DICOM文件为通过锥形束CT对患者口腔进行扫描获取的影像学数据文件,该DICOM文件包含患者上颌骨、下颌骨以及牙齿影像数据。
在进一步的改进方案中,患者的口腔表面数据STL文件为先通过藻酸盐材料、硅橡胶材料或聚醚材料制备的印模获取患者口腔石膏模型,再将石膏模型利用三维模型扫描仪扫描获取的影像学数据文件,该STL文件包含牙齿和口腔软组织表面形态数据。
在进一步的改进方案中,在步骤S1.2中,绘制标准牙弓曲线:在横断面上以12-22釉牙骨质界处为标志点选取牙髓腔中心,绘制牙弓曲线。
在进一步的改进方案中,硬组织指标包括:釉牙骨质界下2mm、4mm、6mm唇侧骨壁厚度,釉牙骨质界下2mm、4mm、6mm腭侧骨壁厚度,釉牙骨质界处及釉牙骨质界下2mm、4mm、6mm牙齿厚度,牙长轴上牙槽嵴顶至基骨长度及根尖至基骨长度,骨长轴上牙槽嵴顶至基骨长度及根尖至基骨长度,釉牙骨质界至牙槽嵴顶距离,牙槽嵴顶宽度,根尖2mm处骨壁厚度。
在进一步的改进方案中,软组织指标包括:釉牙骨质界上1mm、釉牙骨质界处及釉牙骨质界下2mm、4mm、6mm唇侧软组织厚度。
在进一步的改进方案中,角度指标包括:牙长轴角度,骨长轴角度,牙长轴与骨长轴之间的交角。
与现有技术相比,本发明的有益效果是:本发明基于人工智能神经网络,旨在通过卷积神经网络算法获得前牙美学区即刻种植相关的软硬组织指标的测量数值,提高测量精准度及速度,减轻临床口腔医生负担,提高工作效率,最终促进完善的即刻种植方案的决策制定。本发明首次将Resnet神经网络深度学习应用于口腔种植学领域,实现上前牙即刻种植相关软硬指标的数字化人工智能诊断分析。相比于传统的影像学处理方法,本方案依托人工智能自动拟合口腔硬组织数据及口腔表面数据、自动识别测量界面并测量即刻种植相关的软硬组织指标,具有高精度、高效率的优势,为即刻种植手术方案的制定提供更完善的依据。
下面结合附图与具体实施方式对本发明作进一步的详细描述:
【附图说明】
图1为本发明实施例中Resnet神经网络框架示意图;
图2为本发明实施例中Resnet神经网络输出软硬组织指标(以角度为例)测量原理示意图;
图3为本发明实施例中口腔硬组织数据及口腔表面数据进行标准化拟合处理示意图;
图4为发明实施例中构建口腔软硬组织图像数据影像学资料库的示意图。
【具体实施方式】
为更好的说明本发明的目的、技术方案和优点,现在结合实施例对本发明作进一步详细的说明。
参照图1至图4,本发明实施例提供了一种基于人工智能的前牙即刻种植测量分析方法,包含以下步骤:
S1、构建标准化即刻相关软硬组织数据库;具体包括以下步骤:
S1.1构建口腔软硬组织图像数据影像学资料库;
收集1000例患者口腔硬组织数据及口腔表面数据,通过Co-Diagnostix种植分析软件导入同一患者的口腔硬组织数据DICOM文件及口腔表面数据STL文件,分别在两组数据上标记3组或3组以上的对应点,将口腔硬组织数据及口腔表面数据进行标准化拟合处理(拟合处理分为数据导入、软件自动拟合及手动拟合三个步骤,根据自动拟合结果决定是否需要手动拟合直至达到所需拟合精度,如图3所示),构建具有口腔软硬组织图像数据的影像学资料库;口腔硬组织数据DICOM文件的获取:通过CBCT对患者口腔进行扫描获取影像学数据文件,该DICOM文件包含患者上颌骨、下颌骨以及牙齿影像数据;口腔表面数据STL文件的获取:先通过藻酸盐材料、硅橡胶材料或聚醚材料制备的印模获取患者口腔石膏模型,再将石膏模型利用三维模型扫描仪(Carestream Dental,Rochester,NY,USA)扫描获取影像学数据文件,该STL文件包含牙齿和口腔软组织表面形态数据;
S1.2选定测量截面;
(1)确定参考平面:以颌平面、人体正中线为水平参考平面和垂直参考平面;
(2)绘制标准牙弓曲线:在横断面上以12-22釉牙骨质界处为标志点选取牙髓腔中心,绘制牙弓曲线;
(3)选取测量界面:在横断面上选取拟测量牙位,截取牙髓腔的最大矢状面作为测量平面,标记,保存;(如图4所示)
S1.3构建上前牙标准化即刻种植相关软硬组织数据库;
(1)将标准化测量图片导入Adobe Illustrator中,调整画布大小与图片测量尺大小一致;
(2)由受过***性训练的人员对资料库图像,按照规范化测量标准进行上前牙即刻种植相关软硬组织指标进行人工测量,构建包含17项硬组织指标、5项软组织指标、3项角度指标的标准化测量数据库,于将步骤S1.1构建的口腔软硬组织图像数据影像学资料库匹配对应,保存,构建标准化即刻种植相关软硬组织数据库。硬组织指标包括:釉牙骨质界下2mm、4mm、6mm唇侧骨壁厚度,釉牙骨质界下2mm、4mm、6mm腭侧骨壁厚度,釉牙骨质界处及釉牙骨质界下2mm、4mm、6mm牙齿厚度,牙长轴上牙槽嵴顶至基骨长度及根尖至基骨长度,骨长轴上牙槽嵴顶至基骨长度及根尖至基骨长度,釉牙骨质界至牙槽嵴顶距离,牙槽嵴顶宽度,根尖2mm处骨壁厚度;软组织指标包括:釉牙骨质界上1mm、釉牙骨质界处及釉牙骨质界下2mm、4mm、6mm唇侧软组织厚度;角度指标包括:牙长轴角度,骨长轴角度,牙长轴与骨长轴之间的交角;
S2、构建以Resnet卷积神经网络为基础的软硬组织测量模型;具体包括以下步骤:
S2.1搭建具备模型拟合及截面选取能力的Resnet神经网络;
构建包含多层卷积层的Resnet神经网络(在实施例中,搭建的是50层卷积层的Resnet神经网络,当然,也可以搭建更多层卷积层的Resnet神经网络),输入原始口腔硬组织数据DICOM文件、口腔表面数据STL文件及对应的模型拟合数据、标准牙弓曲线及矢状测量截面,通过对原始数据三维拟合及归一化处理,搭建具备模型拟合及截面选取能力的Resnet神经网络并输出与输入文件对应的矢状测量截面;
S2.2搭建具备图像识别与测量分析能力的Resnet神经网络;
构建包含多层卷积层的Resnet神经网络,输入步骤S1建立的标准化前牙即刻种植相关软硬组织数据库及步骤S2.1所述的矢状测量界面,并通过数据扩增及超参数的调整对包含多层卷积层的Resnet神经网络进行训练和优化,最终构建具备即刻种植相关软硬组织测量的高精度、高可行性AI算法;(如图1所示);
S3、构建上前牙即刻种植相关软硬组织指标AI测量***;具体包括以下步骤:
S3.1输入患者信息;
在步骤S2中搭建的Resnet神经网络内输入包含患者口腔硬组织数据的DICOM文件及口腔表面数据的STL文件;
S3.2 Resnet神经网络输出;
通过Resnet卷积神经网络,输出具有口腔软硬组织图像的影像学数据、标准牙弓曲线、上前牙测量截面及对应的即刻种植相关软硬组织指标的测量结果(17项硬组织指标、5项软组织指标和3项角度指标)(如图2所示,以角度为例);
S3.3临床医生根据人工智能测量***得到的软硬组织数据进行前牙美学区即刻种植临床评估、方案设计,缩短医生诊断治疗时间,提高临床诊疗效率。
为了解决即刻种植术前各项软硬组织指标测量时存在的问题,本发明基于人工智能神经网络,旨在通过卷积神经网络算法获得前牙美学区即刻种植相关的软硬组织指标的测量数值,提高测量精准度及速度,减轻临床口腔医生负担,提高工作效率,最终促进完善的即刻种植方案决策制定。本发明通过先行构建标准化即刻相关软硬组织数据库,并依托该数据库搭建Resnet神经网络模型,并使Resnet神经网络算法进行深度学习,搭建具备前牙即刻种植相关软硬组织测量的高精度、高可行性AI算法,依托该数据库能持续对该Resnet神经网络算法进行训练,提高该测量分析***的精度,临床通过输入患者的口腔硬组织数据及口腔表面数据,即可得到即刻种植术前各项软硬组织指标,本发明首次将Resnet神经网络深度学习应用于口腔种植学领域,实现上前牙即刻种植相关软硬指标的数字化人工智能诊断分析。相比于传统的影像学处理方法,本方案依托人工智能自动拟合口腔硬组织数据及口腔表面数据、自动识别测量界面并测量即刻种植相关的软硬组织指标,具有高精度、高效率的优势,为即刻种植手术方案的制定提供更完善的依据。
在本案中,Co-DiagnnostiX(version 9.12;Dentalwings,Montreal,Canada)。Co-DiagnnostiX是一款具有开发和多种设计功能的数字化解决方案的软件,主要用于牙科种植规划和定制高度精确度外科设计。可提供高质量和卓越的美学效果设计方案,并与患者进行清晰的沟通,让患者更加清楚拟议的治疗计划。它有助于牙科专业人员提供安全且可预测的种植模拟结果,同时提高医患沟通的效率和减少种植手术时间提高种植成功率。
尽管参照上面实施例详细说明了本发明,但是通过本公开对于本领域技术人员显而易见的是,而在不脱离所述的权利要求限定的本发明的原理及精神范围的情况下,可对本发明做出各种变化或修改。因此,本公开实施例的详细描述仅用来解释,而不是用来限制本发明,而是由权利要求的内容限定保护的范围。
Claims (7)
1.一种基于人工智能的前牙即刻种植测量分析方法,其特征在于,包含以下步骤:
S1、构建标准化前牙即刻种植相关软硬组织数据库;具体包括以下步骤:
S1.1构建口腔软硬组织图像数据影像学资料库;
批量收集患者口腔硬组织数据及口腔表面数据,通过种植分析软件导入同一患者的口腔硬组织数据DICOM文件及口腔表面数据STL文件,分别在两组数据上标记3组或3组以上的对应点,将口腔硬组织数据及口腔表面数据进行标准化拟合处理,构建具有口腔软硬组织图像数据的影像学资料库;
S1.2选定测量截面;
分别以颌平面、人体正中线为水平参考平面和垂直参考平面,绘制标准牙弓曲线,并在横断面上选取拟测量牙位,截取牙髓腔最大矢状面作为测量平面,标记,保存;
S1.3构建标准化前牙即刻种植相关软硬组织数据库;
由受过***性训练的人员对资料库图像,按照规范化测量标准进行前牙即刻种植相关软硬组织指标测量,构建包含硬组织指标、软组织指标及角度指标在内的标准化测量数据库,与步骤S1.1构建的口腔软硬组织图像数据影像学资料库对应匹配,构建标准化前牙即刻种植相关软硬组织数据库;
S2、构建以Resnet卷积神经网络为基础的软硬组织测量模型;具体包括以下步骤:
S2.1搭建具备模型拟合及截面选取能力的Resnet神经网络;
构建包含多层卷积层的Resnet神经网络,输入原始口腔硬组织数据DICOM文件、口腔表面数据STL文件及对应的模型拟合数据、标准牙弓曲线及矢状测量截面,通过对原始数据三维拟合及归一化处理,搭建具备模型拟合及截面选取能力的Resnet神经网络并输出与输入文件对应的矢状测量截面;
S2.2搭建具备图像识别与测量分析能力的Resnet神经网络;
构建包含多层卷积层的Resnet神经网络,输入步骤S1建立的标准化前牙即刻种植相关软硬组织数据库及步骤S2.1所述的矢状测量截面,并通过数据扩增及超参数的调整对包含多层卷积层的Resnet神经网络进行训练和优化,最终构建具备即刻种植相关软硬组织测量的AI算法;
S3、构建上前牙即刻种植相关软硬组织指标AI测量***,具体包括以下步骤:
S3.1输入患者信息;
在步骤S2中搭建的Resnet神经网络内输入包含患者口腔硬组织数据的DICOM文件及口腔表面数据的STL文件;
S3.2 Resnet神经网络输出;
通过Resnet卷积神经网络,输出具有口腔软硬组织图像的影像学数据、标准牙弓曲线、上前牙矢状测量截面以及相应硬组织指标、软组织指标和角度指标的测量结果;
S3.3临床医生根据人工智能测量***得到的前牙即刻种植相关软硬组织及角度数据后,对患者进行前牙美学区即刻种植治疗方案的制定。
2.根据权利要求1所述的一种基于人工智能的前牙即刻种植测量分析方法,其特征在于,患者的口腔硬组织数据DICOM文件为通过锥形束CT对患者口腔进行扫描获取的影像学数据文件,该DICOM文件包含患者上颌骨、下颌骨以及牙齿。
3.根据权利要求1所述的一种基于人工智能的前牙即刻种植测量分析方法,其特征在于,患者的口腔表面数据STL文件为先通过藻酸盐材料、硅橡胶材料或聚醚材料制备的印模获取患者口腔石膏模型,再将石膏模型利用三维模型扫描仪扫描获取的影像学数据文件,该STL文件包含牙齿和口腔软组织表面形态数据。
4.根据权利要求1所述的一种基于人工智能的前牙即刻种植测量分析方法,其特征在于,在步骤S1.2中,绘制标准牙弓曲线:在横断面上以12-22釉牙骨质界处为标志点选取牙髓腔中心,绘制牙弓曲线。
5.根据权利要求1所述的一种基于人工智能的前牙即刻种植测量分析方法,其特征在于,硬组织指标包括:釉牙骨质界下2mm、4mm、6mm唇侧骨壁厚度,釉牙骨质界下2mm、4mm、6mm腭侧骨壁厚度,釉牙骨质界处及釉牙骨质界下2mm、4mm、6mm牙齿厚度,牙长轴上牙槽嵴顶至基骨长度及根尖至基骨长度,骨长轴上牙槽嵴顶至基骨长度及根尖至基骨长度,釉牙骨质界至牙槽嵴顶距离,牙槽嵴顶宽度,根尖2mm处骨壁厚度。
6.根据权利要求1所述的一种基于人工智能的前牙即刻种植测量分析方法,其特征在于,软组织指标包括:釉牙骨质界上1mm、釉牙骨质界处及釉牙骨质界下2mm、4mm、6mm唇侧软组织厚度。
7.根据权利要求1所述的一种基于人工智能的前牙即刻种植测量分析方法,其特征在于,角度指标包括:牙长轴角度,骨长轴角度,牙长轴与骨长轴之间的交角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404284.0A CN113112477B (zh) | 2021-04-15 | 2021-04-15 | 一种基于人工智能的前牙即刻种植测量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110404284.0A CN113112477B (zh) | 2021-04-15 | 2021-04-15 | 一种基于人工智能的前牙即刻种植测量分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112477A CN113112477A (zh) | 2021-07-13 |
CN113112477B true CN113112477B (zh) | 2023-04-07 |
Family
ID=76717065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110404284.0A Active CN113112477B (zh) | 2021-04-15 | 2021-04-15 | 一种基于人工智能的前牙即刻种植测量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112477B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255350B (zh) * | 2021-12-23 | 2023-08-04 | 四川大学 | 一种腭部软硬组织厚度测量方法和*** |
CN116052890B (zh) * | 2022-11-18 | 2023-09-26 | 江苏创英医疗器械有限公司 | 一种基于物联网的牙种植体三维扫描建模***及方法 |
CN117953066B (zh) * | 2024-03-26 | 2024-06-25 | 有方(合肥)医疗科技有限公司 | Ct数据处理方法、***及可读存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011010975A1 (de) * | 2011-02-10 | 2012-08-16 | Martin Tank | Verfahren und Analysesystem zur geometrischen Analyse von Scandaten oraler Strukturen |
US20160038092A1 (en) * | 2014-08-11 | 2016-02-11 | Douglas A. Golay | Applying non-real time and non-user attended algorithms to stored non-imaging data and existing imaging data for obtaining a dental diagnosis |
CN104398309A (zh) * | 2014-12-19 | 2015-03-11 | 杨刚 | 用于口腔种植牙口内光学印模的方法 |
EP3503038A1 (en) * | 2017-12-22 | 2019-06-26 | Promaton Holding B.V. | Automated 3d root shape prediction using deep learning methods |
US11049606B2 (en) * | 2018-04-25 | 2021-06-29 | Sota Precision Optics, Inc. | Dental imaging system utilizing artificial intelligence |
CN109035408B (zh) * | 2018-07-12 | 2022-12-06 | 杭州美齐科技有限公司 | 一种基于截面的三维数字化牙齿上下颌关系检测算法 |
CN111105458A (zh) * | 2018-10-25 | 2020-05-05 | 深圳市深蓝牙医疗科技有限公司 | 口腔种植体定位方法、口腔组织识别模型建立方法、装置、设备和存储介质 |
CN109528323B (zh) * | 2018-12-12 | 2021-04-13 | 上海牙典软件科技有限公司 | 一种基于人工智能的正畸方法及装置 |
US11357598B2 (en) * | 2019-04-03 | 2022-06-14 | Align Technology, Inc. | Dental arch analysis and tooth numbering |
US11348237B2 (en) * | 2019-05-16 | 2022-05-31 | Retrace Labs | Artificial intelligence architecture for identification of periodontal features |
EP4025156A1 (en) * | 2019-09-05 | 2022-07-13 | DENTSPLY SIRONA Inc. | Method, system and devices for instant automated design of a customized dental object |
-
2021
- 2021-04-15 CN CN202110404284.0A patent/CN113112477B/zh active Active
Non-Patent Citations (1)
Title |
---|
上颌前牙即刻种植即刻修复的临床应用研究;吴展等;《中国口腔种植学杂志》;20120627(第02期);第21-25页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113112477A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113112477B (zh) | 一种基于人工智能的前牙即刻种植测量分析方法 | |
CN106806030B (zh) | 一种冠根三维模型融合方法 | |
CN111261287B (zh) | 一种种植方案设计方法及***、终端和计算机可读存储介质 | |
CN109124805B (zh) | 数字化镜像cad/cam临时牙的制作方法 | |
CN107019570A (zh) | 一种口腔椅旁种植修复数字化实现方法 | |
CN111067650B (zh) | 一种无石膏化的新型数字化桩核印模采集和模型建立方法 | |
KR20190013216A (ko) | 무치악 환자를 대상으로 한 완전틀니의 제조 방법 | |
Agustín-Panadero et al. | Digital protocol for creating a virtual gingiva adjacent to teeth with subgingival dental preparations | |
CN115177383A (zh) | 一种数字化全口排牙方法 | |
CN110236712A (zh) | 自体牙移植预备牙槽窝的手术导板及其制作方法以及应用 | |
CN111803232B (zh) | 以咬合关系为导向的牙列缺失种植手术装置及其制备方法 | |
CN113397585B (zh) | 基于口腔cbct和口扫数据的牙体模型生成方法及*** | |
CN111446011B (zh) | 一种牙周诊疗信息管理*** | |
Schmalzl et al. | Evaluating the influence of palate scanning on the accuracy of complete-arch digital impressions–An in vitro study | |
CN217828119U (zh) | 一种辅助种植体植入装置 | |
CN109481043A (zh) | 3d打印树脂牙周夹板的模板快速完成光敏复合材料塑形方法及应用 | |
RU2780935C1 (ru) | Способ протезирования пациентов с полным отсутствием зубов и устройство для осуществления способа | |
RU2792541C1 (ru) | Способ определения расположений индивидуальных клапанных зон в области податливой слизистой оболочки протезного ложа на беззубой верхней челюсти | |
RU2784297C1 (ru) | Способ протезирования при полном отсутствии зубов с использованием имплантатов | |
RU2663631C1 (ru) | Способ профилактики зубочелюстно-лицевых аномалий у детей до 6 лет с полным отсутствием зубов | |
UA141292U (uk) | Спосіб виготовлення персоналізованого набору протетичних елементів для безпосереднього протезування, формування профілю прорізування м'яких тканин у дентальній імплантації | |
RU2683895C1 (ru) | Способ изготовления капы на нижнюю челюсть | |
OKAWA et al. | Possibility and Future of Intraoral Scanner Application to Change the Method of Taking Impressions | |
CN117297817A (zh) | 一种基于数字技术的口腔软组织固定夹板制作方法及*** | |
Tarle | Digital protocol in implanto-prosthetic therapy |
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 |