WO2023008849A1 - 3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법 - Google Patents

3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법 Download PDF

Info

Publication number
WO2023008849A1
WO2023008849A1 PCT/KR2022/010849 KR2022010849W WO2023008849A1 WO 2023008849 A1 WO2023008849 A1 WO 2023008849A1 KR 2022010849 W KR2022010849 W KR 2022010849W WO 2023008849 A1 WO2023008849 A1 WO 2023008849A1
Authority
WO
WIPO (PCT)
Prior art keywords
tooth
image
dental
dimensional
learning
Prior art date
Application number
PCT/KR2022/010849
Other languages
English (en)
French (fr)
Inventor
류제광
최규옥
Original Assignee
오스템임플란트 주식회사
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 오스템임플란트 주식회사 filed Critical 오스템임플란트 주식회사
Priority to EP22849825.9A priority Critical patent/EP4378416A1/en
Priority to CN202280042318.9A priority patent/CN117615733A/zh
Publication of WO2023008849A1 publication Critical patent/WO2023008849A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C9/00—Impression cups, i.e. impression trays; Impression methods
    • A61C9/004—Means or methods for taking digitized impressions
    • A61C9/0046—Data acquisition means or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C13/00—Dental prostheses; Making same
    • A61C13/0003—Making bridge-work, inlays, implants or the like
    • A61C13/0004—Computer-assisted sizing or machining of dental prostheses
    • 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
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G16H50/20—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
    • 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

Definitions

  • the present invention relates to a 3D tooth image display device and method, and a method for learning a 3D tooth image display device, and displays a 3D tooth image from a dental cross-sectional image in which an oral region is captured using an artificial neural network and displays a tooth number. It relates to a 3D tooth image display device and method for detecting, and a method for learning a 3D tooth image display device.
  • a dental implant number which is a tooth placement number of a subject for implantation, is required.
  • a medical practitioner manually checks a dental formula number using a two-dimensional, low-dose conebeam computed tomography (CBCT) image.
  • CBCT conebeam computed tomography
  • An object of the present invention for solving the above problems is a 3D tooth image display device, display method, and method for displaying a 3D tooth image accurately classified by tooth formula number while reducing data throughput and loading time, and displaying the same efficiently and quickly. It is about providing a way to learn.
  • a 3D tooth image display device for achieving the above object is to divide an input 3D dental image in an axial direction to determine the boundary of each object in a dental cross-sectional image generated.
  • a tooth image acquisition unit generating a 3D image for each tooth based on the boundary of each object in the image and the tooth number of each tooth, and the 3D image for each tooth may be displayed in different ways according to the tooth number.
  • the tooth segmentation unit includes a tooth segmentation neural network, and the tooth segmentation neural network uses a plurality of dental cross-sectional images for learning as input data for learning, and the masking image in which the boundary area of each object in the learning dental cross-sectional image is masked is used as label data. can be learned using
  • the tooth detection unit includes a tooth detection neural network, and the tooth detection neural network uses a plurality of dental cross-sectional images for learning as input data for learning, a tooth region in which a tooth exists in the dental cross-sectional image for learning, and each tooth in the tooth region. It can be learned using the tooth number for the as label data.
  • the tooth image acquisition unit includes a tooth image acquisition neural network, and the tooth image acquisition neural network includes a dental cross-sectional image for learning in which a three-dimensional image for learning is divided along one axis, boundary information of each tooth in each dental cross-sectional image for learning, and a tooth for each tooth. Based on the number, it can be learned to create each 3D image for each tooth having the same tooth number in the 3D image.
  • the tooth image acquisition neural network performs segmented images for each tooth having the same tooth number for the segmented images for each tooth extracted according to the boundary information within each segmented learned dental cross-sectional image and the extracted segmented images for each tooth. It may be learned to generate the respective 3D images by stacking them based on the uniaxial direction.
  • the display method may include displaying at least some of the teeth in different colors according to the tooth number for each tooth.
  • the display method includes displaying in the same color when the tooth number relationship for each tooth is the same name or antagonistic relationship, and displaying in different colors when the tooth number relationship for each tooth is not the same name or antagonistic relationship. can do.
  • the 3D dental image may include a CBCT image, and the segmented dental cross-sectional image may be an image perpendicular to the axial direction.
  • a method for displaying a 3D tooth image according to another embodiment of the present invention for achieving the above object is to determine the boundary of each object in a dental cross-sectional image generated by dividing an input 3D dental image in an axial direction.
  • Based on, generating a 3D image for each tooth, and the 3D image for each tooth may have different display methods according to tooth numbers.
  • a method for learning a 3D tooth image segmentation device divides an input 3D dental image in an axial direction and determines the boundary of each object in a dental cross-sectional image generated.
  • Learning a tooth segmentation neural network to segment learning a tooth detection neural network to recognize a tooth region among objects in the generated dental cross-sectional image and detecting a tooth number of each tooth belonging to the tooth region, and the tooth Learning a tooth acquisition neural network to generate a three-dimensional image for each tooth based on the tooth number of each tooth and the boundary of each object in each dental cross-sectional image acquired through the segmentation neural network and the tooth detection neural network.
  • the dental cross-sectional image for learning is a three-dimensional learning image divided along one axis, and the step of learning the tooth image acquisition neural network is based on the boundary information of each tooth in each dental cross-sectional image for learning and the tooth number for each tooth. , learning to generate each 3D image for each tooth having the same tooth number in the 3D image.
  • a 3D tooth image display device and method according to an embodiment of the present invention, and a method for learning a 3D tooth image display device learn an artificial neural network model to recognize at least one tooth number from a dental cross-sectional image in an axial direction. do.
  • Apparatus and method according to an embodiment of the present invention provides a three-dimensional image divided by tooth, compared to a conventional tooth detection method learned to detect and divide teeth in the form of a plurality of three-dimensional cells using a three-dimensional CBCT image Data learning and data overhead problems that occur when recognizing and displaying teeth and tooth formula numbers in an arbitrary patient's tooth image are prevented.
  • a 3D tooth image display device display method, and method for displaying a 3D tooth image accurately classified by tooth formula number and learning them efficiently and quickly It can be provided.
  • FIG. 1 is a block diagram for explaining a three-dimensional tooth image display device according to an embodiment of the present invention.
  • Figure 2 is an output result image of the tooth segmentation unit of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • Figure 3 is an output result image of the tooth detection unit of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • Figure 4 is an output result image of the image segmentation unit of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • 5 is a final output result image of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • Figure 6 is a block diagram for explaining the three-dimensional tooth image display device according to an embodiment of the present invention in terms of hardware.
  • FIG. 7 is a flowchart of a 3D tooth image learning method according to another embodiment of the present invention.
  • first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention.
  • the term “and/or” includes any combination of a plurality of related listed items or any of a plurality of related listed items.
  • FIG. 1 is a block configuration diagram for explaining a three-dimensional tooth image segmentation display device according to an embodiment of the present invention.
  • the 3D tooth image display device 1000 includes a data receiving unit 1100, an image segmentation unit 1200, a tooth segmentation unit 1300, a tooth detection unit 1400, a tooth image acquisition unit 1500, and A display unit 1600 may be included.
  • the 3D tooth image display apparatus 1000 may detect a boundary of an object included in each of a plurality of dental cross-sectional images using a pretrained tooth segmentation neural network model.
  • the 3D tooth image display device 1000 may detect the width and number of at least one tooth by using a tooth detection neural network model in a dental cross-sectional image.
  • the 3D tooth image display device 1000 may output the detected at least one tooth as a 3D image. Therefore, the 3D tooth image display device 1000 can provide tooth placement information necessary for implantation.
  • the data receiving unit 1100 may receive at least one 3D dental image in which at least a part of the oral cavity region is photographed from the outside.
  • the data receiving unit 1100 may receive at least one 3D dental image from an external photographing device.
  • a 3D dental image input from an external imaging device may include a 3D CBCT dental image.
  • the image segmentation unit 1200 may generate a plurality of dental cross-sectional images by dividing the three-dimensional dental image received from the data receiver 1100 into cross-sectional images perpendicular to an axial direction.
  • the image segmentation unit 1200 may generate a plurality of dental cross-sectional images by slicing the 3D CBCT dental image vertically in an axial direction.
  • the dental cross-sectional image may be an axial cross-sectional image perpendicular to the axial direction in a CBCT image including gray scale information having a range of 0 or more to 255 or less.
  • the tooth segmentation unit 1300 may include a tooth segmentation neural network 1350 .
  • the tooth segmentation unit 1300 receives at least one dental cross-sectional image from the image segmentation unit 1200, and outputs a first image in which at least one object included in the received dental cross-sectional image is masked. there is.
  • the tooth segmentation unit 1300 may input at least one dental cross-section image received from the image segmentation unit 1200 to the tooth segmentation neural network 1350 . Also, the tooth segmentation unit 1300 may detect a boundary of at least one object included in the dental cross-sectional image by using the tooth segmentation neural network 1350 .
  • the tooth dividing unit 1300 may generate a first image in which the boundary of at least one object is marked and individually masked.
  • an object for which the tooth segmentation unit 1300 detects a boundary using the tooth segmentation neural network 1350 may include at least one tooth.
  • the tooth segmentation neural network 1350 may be a machine-learned model using at least one dental cross-sectional image in which at least one tooth exists and a masking image mapped with CT coordinates of teeth in the dental cross-sectional image for learning as label data.
  • the tooth segmentation neural network 1350 may include a convolutional neural network.
  • the tooth segmentation unit 1300 may use the tooth segmentation neural network 1350 for any received dental cross-sectional image to identify tooth boundaries included in the dental cross-sectional image, and obtain a first image in which the tooth boundaries are marked. .
  • Figure 2 is a resultant image of the tooth division of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • the tooth segmentation unit 1300 may receive at least one dental cross-section image 20 from the image segmentation unit 1200 . Subsequently, the tooth segmentation unit 1300 may obtain a masked tooth image 22 by dividing a boundary of at least one tooth in the received dental cross-sectional image 20 using the tooth segmentation neural network 1350.
  • the tooth detection unit 1400 may include a tooth detection neural network 1450 .
  • the tooth detecting unit 1400 may generate attribute information for each tooth included in the dental cross-sectional image from at least one dental cross-sectional image received from the image dividing unit 1200 .
  • the tooth detection unit 1400 may input at least one dental cross-section image received from the image segmentation unit 1200 to the tooth detection neural network 1450 .
  • the tooth detector 1400 represents attribute information for each tooth including at least one of a tooth width and a tooth number from at least one tooth included in the dental cross-sectional image by using the tooth detection neural network 1450.
  • a second image may be obtained.
  • the tooth-specific attribute information for tooth number 22 may include the width of tooth number 22, the tooth number of tooth number 22, or both.
  • the tooth detection neural network 1450 may be trained using a convolutional neural network.
  • the tooth detection neural network 1450 may be machine-learned using at least one dental cross-sectional image in which at least one tooth exists and a tooth number and location mapped to CT coordinates of teeth in the dental cross-sectional image as label data. .
  • the tooth detecting unit 1400 may input the dental cross-section image into the tooth detecting neural network 1450 to obtain a second image marked with attribute information for each tooth including a tooth number.
  • Figure 3 is an output result image of the tooth detection unit of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • the tooth detection unit 1400 detects the detection information included in the second image on the dental cross-section image 20 received from the data reception unit 1100 in a predetermined form for each tooth. can be obtained by For example, the tooth detection unit 1400 may detect detection information in the form of a box 32 .
  • the tooth detector 1400 may obtain at least one attribute information for each tooth from coordinate data acquired using the tooth detection neural network 1450 .
  • the attribute information may include at least one of position and width information for each tooth.
  • the tooth image acquisition unit 1500 divides at least one first image and a second image obtained from the tooth division unit 1300 and the tooth detection unit 1400 for each tooth, respectively.
  • a plurality of 2D segmented images may be acquired.
  • the tooth image acquisition unit 1500 may classify the plurality of 2D divided images for each tooth based on at least one piece of information acquired from the tooth division unit 1300 and the tooth detection unit 1400 .
  • the at least one piece of information may be at least one of a tooth number, tooth coordinate data, and boundary information between teeth.
  • the tooth image acquisition unit 1500 may include a tooth image acquisition neural network 1550 . And, the tooth image acquiring unit 1500 may obtain a third image by reconstructing at least one 2D split image of at least one first image and at least one second image classified as the same tooth in 3D.
  • the tooth image obtaining unit 1500 may obtain a third image, which is an individual tooth image reconstructed in 3D, by stacking 2D segmented images classified as the same tooth in an axial direction.
  • the tooth image acquisition neural network 1550 is based on the dental cross-sectional image for learning in which the 3D image is divided along one axis, the boundary information of each tooth in each dental cross-sectional image for learning, and the tooth number for each tooth in advance. , it can be learned to generate each 3D image for each tooth having the same tooth number in the 3D image.
  • the tooth image acquisition neural network 1550 converts the divided images for each tooth having the same tooth number for the divided images for each tooth extracted according to the boundary information within each divided learning dental cross-sectional image and the extracted divided images for each tooth in the uniaxial direction. It is possible to create a three-dimensional image for each tooth by stacking based on.
  • the tooth image acquisition neural network 1550 may be trained to generate each 3D image for each tooth having the same tooth number in the 3D image using the stacked images.
  • the tooth image obtaining unit 1500 may mask at least some of the teeth with different colors according to the number or type of teeth in consideration of the number or type of teeth present in the 3D dental image.
  • the tooth image obtaining unit 1500 may mask with the same color when the tooth number relationship for each tooth is the same or antagonistic.
  • the tooth image obtaining unit 1500 may mask each other with different colors when the tooth number relationship for each tooth is not the same or antagonistic.
  • the 3D tooth image display device 1000 acquires a 3D image for each tooth based on the first image and the second image, which are 2D images, thereby reducing the amount of data processing and loading time. It is possible to provide a 3D dental image that is accurately classified for each part.
  • Figure 4 is an output result image of the tooth image acquisition unit of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • the tooth image acquisition unit 1500 receives the first image and the second image from the tooth dividing unit 1300 and the tooth detection unit 1400, respectively, and creates a three-dimensional image 42 for each tooth. can create
  • the tooth image acquisition unit 1500 may generate a 3D dental image masked at coordinates to which the 3D image for each tooth is mapped using the tooth image acquisition neural network 1550 .
  • the tooth image obtaining unit 1500 may generate a 3D dental image in which the 3D image 42 for each tooth is set so that the display method is different according to the tooth number. Also, the display unit 1600 may output the 3D image 42 for each tooth in different colors according to the tooth number for each tooth.
  • the tooth image obtaining unit 1500 may set the 3D image 42 for each tooth to be displayed in red for teeth 11, 21, 31, and 41 of the same type.
  • the display unit 1600 may display the 3D image 42 for each tooth displayed in red.
  • 5 is a final output result image of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • the 3D tooth image display apparatus 1000 may output a 3D tooth region in which individual teeth are separated and displayed as a final output result image.
  • the 3D tooth image display apparatus 1000 may display a region where teeth are displayed separately from other regions.
  • FIG. 6 the hardware configuration of the three-dimensional tooth image display device according to an embodiment of the present invention will be described in more detail.
  • Figure 6 is a block diagram for explaining the hardware configuration of the three-dimensional tooth image display device according to an embodiment of the present invention.
  • the three-dimensional tooth image display device 1000 includes a storage device 1210 for storing at least one command and a processor 1220 for executing at least one command of the memory, transmitting and receiving. device 1230 , an input interface device 1240 and an output interface device 1250 .
  • Each of the components 1210, 1220, 1230, 1240, 1250 included in the 3D tooth image display device 1000 are connected by a data bus 1260 to communicate with each other.
  • the storage device 1210 may include at least one of a memory or a volatile storage medium and a non-volatile storage medium.
  • the storage device 1210 may include at least one of a read only memory (ROM) and a random access memory (RAM).
  • the storage device 1210 may further include at least one command to be executed by the processor 1220 to be described later.
  • At least one command is a first command for learning the tooth segmentation neural network 1350 to divide the boundary of each object in the dental cross-section image segmented in the axial direction, the dental cross-section for learning and a second command to train the tooth detection neural network 1450 to detect the tooth region and tooth number of each tooth in the image.
  • a third command for training the tooth image acquisition neural network 1550 to output 3D segmented images for each of a plurality of teeth reconstructed into a 3D image including the tooth number and the tooth position may be included.
  • the processor 1220 performs image segmentation unit 1200, tooth segmentation unit 1300, and tooth detection unit 1400 by at least one program command stored in the storage device 1210. And it can perform the functions of the tooth image acquisition unit 1500, each of which can be stored in a memory in the form of at least one module and executed by a processor.
  • the input interface device 1240 may receive at least one control signal from a user, and the output interface device 1250 may output at least one piece of information related to the 3D tooth image by the operation of the processor 1220 to visualize it.
  • the transmitting and receiving device 1230 in the 3D tooth image display device 1000 may receive at least one 3D dental image in which teeth are photographed from the outside (S1000). ).
  • the processor 1220 may obtain a dental cross-sectional image by dividing the 3D dental image in an axial direction (S2000).
  • the 3D dental image may be a 3D CBCT image.
  • the dental cross-sectional image may be a cross-sectional image obtained by slicing a CBCT image in an axial direction.
  • the processor 1220 may detect at least one tooth boundary from at least one dental cross-sectional image by using the pretrained tooth segmentation neural network 1350 .
  • the processor 1220 may obtain a first image obtained by dividing a boundary for each tooth from at least one dental cross-sectional image using the tooth segmentation neural network 1350 (S3000).
  • the tooth segmentation neural network 1350 uses a plurality of dental cross-sectional images for learning as input data for learning, and uses a masking answer image in which the correct answer of each object in the dental cross-sectional image for learning is masked as label data. Can be learned there is.
  • the tooth segmentation neural network 1350 may be trained using a convolutional neural network.
  • the tooth detection neural network 1450 uses a plurality of dental cross-sectional images for learning as input data for learning, and uses a tooth region where a tooth exists in the dental cross-sectional image for learning and a tooth number for each tooth in the tooth region as label data. can be learned using Also, the tooth detection neural network 1450 may be trained using a convolutional neural network.
  • the processor 1220 may output coordinate data within a plurality of dental cross-sectional images, and may obtain a second image including attribute information for each tooth in the dental cross-sectional image using the tooth detection neural network 1450.
  • the attribute information may include at least one of a width for each tooth and the number of teeth.
  • the processor 1220 may obtain a 3D third image including the region of interest from at least one of the first image and the second image.
  • the processor 1220 divides the first image and the second image by tooth, classifies the divided images by the same tooth using the pretrained tooth image acquisition neural network 1550, and stacks them along the axial direction.
  • the processor 1220 may obtain a 3D tooth image reconstructed in 3D (S5000).
  • the processor 1220 may output a 3D image of teeth through the output interface device 1250 (S5000).
  • the 3D tooth image learning method can shorten the implant procedure time, remove noise generated by crown deformation of the tooth, and convert the 3D section image of the center of the tooth to may be usable.
  • Combinations of each block of the block diagram and each step of the flowchart attached to the present invention may be implemented by a computer program or instruction codes.
  • a computer program or code may create means for performing the functions described in each block or each step of the flowchart. Since these computer programs or codes may be stored in any kind of computer usable or computer readable recording medium, the programs or codes stored in the recording medium, etc. may produce a block or manufactured item that performs the function of each step of the flowchart. . In addition, these programs or codes may be loaded on a computer or other programmable data processing equipment, so that the computer or other programmable data processing equipment may perform a series of operation steps.
  • Each block or step may represent a module or portion of code comprising one or more executable programs or codes, and it is possible for blocks or steps in a flowchart to be performed out of sequence. For example, two blocks or steps shown in succession may be performed concurrently, or the blocks or steps may be performed in reverse order depending on their function.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치는 입력된 3차원 치과 이미지에 대해 액시얼(Axial) 방향으로 분할하여 생성된 치과 단면 이미지 내에서 각 객체의 경계를 분할하는 치아 분할부, 치과 단면 이미지 내의 객체중에서 치아 영역을 인식하고, 치아 영역에 속하는 각 치아의 치아 번호를 검출하는 치아 검출부 및 치아 분할부 및 치아 검출부를 통해 획득된 각 치과 단면 이미지 내의 각 객체의 경계 및 각 치아의 치아 번호를 기초로, 치아별 3차원 이미지를 생성하는 치아 이미지 획득부를 포함하고, 치아별 3차원 이미지는 치아번호에 따라 표시방법이 상이할 수 있다.

Description

3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법
본 발명은 3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법에 관한 것으로, 인공 신경망을 이용하여 구강 영역이 촬영된 치과 단면 이미지로부터 3차원 치아 이미지를 표시하고 치아 번호를 검출하는, 3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법에 관한 것이다.
일반적으로, 임플란트 시술 시에는 시술 대상자의 치아 식립 번호인, 치식 번호가 요구된다.
이에 따라, 종래에는 2차원의 저선량 콘빔 CT(conebeam computed tomography, CBCT) 이미지를 이용하여, 의료자가 수동으로 치식 번호를 확인하였다.
그러나, 종래의 CBCT 이미지는 치아의 크라운으로 인해 변형된 메탈 아티팩트(metal artifact)들이 다량 발생되어, 환자의 구강 상태를 확인하는데 어려움이 있었다.
이를 해결하고자, 최근에는 CBCT 이미지를 바탕으로 사전 학습된 인공신경망 모델을 이용하여, 치아 이미지를 제공하는 방법이 이용되고 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 데이터 처리량 및 로딩시간이 감소되면서도, 치식 번호 별로 정확히 구분되어 3차원 치아 이미지를 표시하는 3차원 치아 이미지 표시 장치, 표시 방법 및 그리고 이를 효율적이고 신속하게 학습시키는 방법을 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치는 입력된 3차원 치과 이미지에 대해 액시얼(axial) 방향으로 분할하여 생성된 치과 단면 이미지 내에서 각 객체의 경계를 분할하는 치아 분할부, 상기 치과 단면 이미지내의 객체중에서 치아 영역을 인식하고, 상기 치아 영역에 속하는 각 치아의 치아 번호를 검출하는 치아 검출부 및 상기 치아 분할부 및 상기 치아 검출부를 통해 획득된 각 치과 단면 이미지 내의 각 객체의 경계 및 각 치아의 치아 번호를 기초로, 치아별 3차원 이미지를 생성하는 치아 이미지 획득부를 포함하고, 치아별 3차원 이미지는 치아번호에 따라 표시 방법이 상이할 수 있다.
상기 치아 분할부는 치아 분할 신경망을 포함하고, 상기 치아 분할 신경망은 복수의 학습용 치과 단면 이미지를 학습용 입력 데이터로서 이용하고, 상기 학습용 치과 단면 이미지 내의 각 객체의 경계 영역이 마스킹된 마스킹 이미지를 레이블 데이터로서 이용하여 학습될 수 있다.
상기 치아 검출부는 치아 검출 신경망을 포함하고, 상기 치아 검출 신경망은, 복수의 학습용 치과 단면 이미지를 학습용 입력 데이터로서 이용하고, 상기 학습용 치과 단면 이미지 내의 치아가 존재하는 치아 영역 및 상기 치아 영역 내의 각 치아에 대한 치아번호를 레이블 데이터로서 이용하여 학습될 수 있다.
상기 치아 이미지 획득부는 치아 이미지 획득 신경망을 포함하고, 상기 치아 이미지 획득 신경망은 학습용 3차원 이미지가 일축을 따라 분할된 학습용 치과 단면 이미지, 각 학습용 치과 단면 이미지 내의 각 치아의 경계 정보 및 각 치아별 치아번호를 기초로, 상기 3차원 이미지 내의 동일한 치아번호를 갖는 각 치아별로 각각의 3차원 이미지를 생성하도록 학습될 수 있다.
상기 치아 이미지 획득 신경망은, 상기 각 분할된 학습된 치과 단면 이미지 내에서 상기 경계 정보에 따라 추출된 치아별 분할 이미지들 및 추출된 상기 치아별 분할 이미지들에 대해 동일한 치아번호를 갖는 치아별 분할 이미지들을 상기 일축 방향을 기준으로 적층하여 상기 각각의 3차원 이미지를 생성하도록 학습될 수 있다.
상기 표시 방법은 각 치아별 치아번호에 따라 적어도 일부는 서로 다른 색상으로 디스플레이되는 것을 포함할 수 있다.
상기 표시 방법은 각 치아별 치아번호 관계가 동명치, 대합치관계인 경우, 같은 색상으로 디스플레이되고, 각 치아별 치아번호 관계가 동명치, 대합치관계가 아닌 경우, 서로 다른 색상으로 디스플레이되는 것을 포함할 수 있다.
상기 3차원 치과 이미지는 CBCT 이미지를 포함하고, 상기 분할된 치과 단면 이미지는 상기 액시얼 방향에 수직한 이미지일 수 있다.
상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 3차원 치아 이미지 표시 방법은 입력된 3차원 치과 이미지에 대해 액시얼(axial) 방향으로 분할하여 생성된 치과 단면 이미지 내에서 각 객체의 경계를 분할하는 단계와 상기 치과 단면 이미지 내의 객체중에서 치아 영역을 인식하고, 상기 치아 영역에 속하는 각 치아의 치아 번호를 검출하는 단계 및 상기 획득된 각 치과 단면 이미지 내의 각 객체의 경계 및 각 치아의 치아 번호를 기초로, 치아별 3차원 이미지를 생성하는 단계를 포함하고, 치아별 3차원 이미지는 치아번호에 따라 표시방법이 상이할 수 있다.
상기 목적을 달성하기 위한 본 발명의 또 다른 실시예에 따른 3차원 치아 이미지 분할 장치 학습 방법은 입력된 3차원 치과 이미지에 대해 액시얼 방향으로 분할하여 생성된 치과 단면 이미지 내에서 각 객체의 경계를 분할하도록, 치아 분할 신경망을 학습시키는 단계, 상기 생성된 치과 단면 이미지 내의 객체중에서 치아 영역을 인식하고, 상기 치아 영역에 속하는 각 치아의 치아 번호를 검출하도록, 치아 검출 신경망을 학습시키는 단계 및 상기 치아 분할 신경망 및 상기 치아 검출 신경망을 통해 획득된 각 치과 단면 이미지 내의 각 객체의 경계 및 각 치아의 치아 번호를 기초로, 각 치아별 3차원 이미지를 생성하도록 치아 획득 신경망을 학습시키는 단계를 포함할 수 있다.
상기 학습용 치과 단면 이미지는 학습용3차원 이미지가 일축을 따라 분할된 것이고, 상기 치아 이미지 획득 신경망을 학습시키는 단계는, 상기 각 학습용 치과 단면 이미지 내의 각 치아의 경계 정보 및 각 치아별 치아번호를 기초로, 상기 3차원 이미지 내의 동일한 치아번호를 갖는 각 치아별로 각각의 3차원 이미지를 생성하도록 학습시키는 단계를 포함할 수 있다.
본 발명의 실시예에 따른 3차원 치아 이미지 표시 장치 및 표시 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법은 액시얼 방향의 치과 단면 이미지로부터 적어도 하나의 치아 번호를 인식하도록 인공신경망 모델을 학습한다.
본 발명의 실시예에 따른 장치 및 방법은 치아별로 분할된 3차원 이미지를 제공함으로써, 3차원 CBCT 이미지를 이용하여 복수의 3차원 셀 형태로 치아를 검출 및 분할하도록 학습된 종래의 치아 검출 방법 대비 데이터 학습 및 임의의 환자의 치아 영상내에서 치아 및 치식 번호를 인식하여 표시할 때 발생하는 데이터의 오버헤드(overhead) 문제를 방지한다.
그뿐 아니라, 데이터 처리량 및 로딩시간이 감소되면서도, 치식번호 별로 정확히 구분되어 3차원 치아 이미지를 표시하는 3차원 치아 이미지 표시 장치, 표시 방법 및 그리고 이를 효율적이고 신속하게 학습시키는 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치를 설명하기 위한 블록 구성도이다.
도 2은 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 치아 분할부의 출력 결과 이미지이다.
도 3는 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 치아 검출부의 출력 결과 이미지이다.
도 4는 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 이미지 분할부의 출력 결과 이미지이다.
도 5는 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 최종 출력 결과 이미지이다.
도 6은 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치를 하드웨어적 측면에서 설명하기 위한 블록 구성도이다.
도 7은 본 발명의 다른 실시예에 따른 3차원 치아 이미지 학습 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하여 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2, A, B 등의 용어는 다양한 구성 요소들을 설명하는 데 사용될 수 있지만, 각 구성 요소들은 사용된 용어들에 의해 한정되어서는 안 된다. 사용된 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성 요소가 다른 구성 요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성 요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 실시예에 따른 3차원 치아 이미지 분할 표시 장치를 설명 하기 위한 블록 구성도이다.
도 1을 참조하면, 3차원 치아 이미지 표시 장치(1000)는 데이터 수신부(1100), 이미지 분할부(1200), 치아 분할부(1300), 치아 검출부(1400), 치아 이미지 획득부(1500) 및 디스플레이부(1600)를 포함할 수 있다.
3차원 치아 이미지 표시 장치(1000)는 복수의 치과 단면 이미지들 각각에 포함된 객체의 경계를 사전 학습된 치아 분할 신경망 모델을 이용하여 검출할 수 있다.
또한, 3차원 치아 이미지 표시 장치(1000)는 치과 단면 이미지에서 치아 검출 신경망 모델을 이용하여, 적어도 하나의 치아의 너비, 및 번호를 검출할 수 있다.
그리고, 3차원 치아 이미지 표시 장치(1000)는 검출된 적어도 하나의 치아를 3차원 이미지로 출력할 수 있다. 따라서, 3차원 치아 이미지 표시 장치(1000)는 임플란트 시술 시 필요한 치아 식립 정보를 제공할 수 있다
데이터 수신부(1100)는 외부로부터 구강 영역의 적어도 일부가 촬영된 적어도 하나의 3차원 치과 이미지를 입력 받을 수 있다.
예를 들어, 데이터 수신부(1100)는 적어도 하나의 3차원 치과 이미지를 외부 촬영 기기로부터 수신할 수 있다. 외부 촬영 기기로부터 입력된 3차원 치과 이미지는 3차원 CBCT 치과 이미지를 포함할 수 있다.
이미지 분할부(1200)는 데이터 수신부(1100)로부터 입력받은 3차원 치과 이미지를 액시얼(axial) 방향에 수직한 단면 이미지로 분할하여 복수의 치과 단면 이미지를 생성할 수 있다.
예를 들어, 3차원 치과 이미지가 3차원 CBCT 치과 이미지인 경우, 이미지 분할부(1200)는 3차원 CBCT 치과 이미지를 액시얼 방향에 수직으로 슬라이싱하여 복수의 치과 단면 이미지들을 생성할 수 있다.
실시예에 따르면, 치과 단면 이미지는 0 이상 내지 255 이하의 범위를 갖는 그레이 스케일(gray scale) 정보를 포함하는 CBCT 이미지에서 액시얼 방향에 수직한 액시얼 단면 이미지일 수 있다.
치아 분할부(1300)는 치아 분할 신경망(1350)을 포함할 수 있다. 또한 치아 분할부(1300)는 이미지 분할부(1200)로부터 적어도 하나의 치과 단면 이미지를 입력받고, 입력받은 치과 단면 이미지에 포함된 적어도 하나의 객체들이 마스킹(masking)된 제1 이미지를 출력할 수 있다.
보다 자세하게는, 치아 분할부(1300)는 이미지 분할부(1200)로부터 수신한 적어도 하나의 치과 단면 이미지를 치아 분할 신경망(1350)에 입력할 수 있다. 그리고, 치아 분할부(1300)는 치아 분할 신경망(1350)을 이용하여, 치과 단면 이미지에 포함된 적어도 하나의 객체의 경계를 검출할 수 있다.
다음으로, 치아 분할부(1300)는 적어도 하나의 객체의 경계가 표기되어 개별 마스킹된 제1 이미지를 생성할 수 있다. 예를 들어, 치아 분할부(1300)가 치아 분할 신경망(1350)을 이용하여 경계를 검출하는 객체는 적어도 하나의 치아를 포함할 수 있다.
또한, 치아 분할 신경망(1350)은 적어도 하나의 치아가 존재하는 적어도 하나의 학습용 치과 단면 이미지 및 학습용 치과 단면 이미지에서 치아의 CT좌표와 매핑되는 마스킹 이미지를 레이블 데이터로 이용하여 기계 학습된 모델일 수 있다. 예를 들어, 치아 분할 신경망(1350)은 컨볼루션 신경망을 포함할 수 있다.
따라서, 치아 분할부(1300)는 입력받은 임의의 치과 단면 이미지에 치아 분할 신경망(1350)을 이용하여 치과 단면 이미지에 포함된 치아 경계를 식별하고, 치아 경계가 표기된 제1 이미지를 획득할 수 있다.
도 2는 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 치아 분할부의 결과 이미지이다.
치아 분할부(1300)는 이미지 분할부(1200)로부터 적어도 하나의 치과 단면 이미지(20)를 수신할 수 있다. 이어서, 치아 분할부(1300)는 치아 분할 신경망(1350)을 이용하여 수신된 치과 단면 이미지(20)내에 적어도 하나의 치아의 경계를 분할하여 마스킹된 치아 이미지(22)를 획득할 수 있다.
도 1에 도시된 바와 같이 치아 검출부(1400)는 치아 검출 신경망(1450)을 포함 할 수 있다. 치아 검출부(1400)는 이미지 분할부(1200)로부터 수신한 적어도 하나의 치과 단면 이미지로부터 치과 단면 이미지에 포함된 치아별 속성 정보를 생성할 수 있다.
구체적으로, 치아 검출부(1400)는 이미지 분할부(1200)로부터 수신한 적어도 하나의 치과 단면 이미지를 치아 검출 신경망(1450)에 입력할 수 있다. 다음으로, 치아 검출부(1400)는 치아 검출 신경망(1450)을 이용하여, 치과 단면 이미지에 포함된 적어도 하나의 치아로부터 치아 너비(width) 및 치아 번호 중 적어도 하나를 포함하는 치아별 속성 정보를 나타내는 제2 이미지를 획득할 수 있다. 예를 들어, 치아 번호 22에 대한 치아별 속성 정보는 치아 번호 22의 너비를 포함하거나, 치아 번호 22의 치아 번호를 포함하거나, 이들을 모두 포함할 수 있다.
일 실시예에 따르면, 치아 검출 신경망(1450)은 컨볼루션 신경망을 이용하여 학습될 수 있다.
구체적으로, 치아 검출 신경망(1450)은 적어도 하나의 치아가 존재하는 적어도 하나의 치과 단면 이미지 및 치과 단면 이미지에서 치아의 CT 좌표와 매핑되는 치아 번호, 위치를 레이블 데이터로 이용하여 기계 학습될 수 있다.
그러므로, 치아 검출부(1400)는 치과 단면 이미지를 치아 검출 신경망(1450)에 입력하여 치아 번호를 포함하는 치아별 속성정보가 표기된 제2 이미지를 획득할 수 있다.
도 3은 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 치아 검출부의 출력 결과 이미지이다.
도 1 및 도 3에 도시된 바와 같이, 치아 검출부(1400)는 데이터 수신부(1100)로부터 수신된 치과 단면 이미지(20)위에 제2 이미지에 포함된 검출 정보를 각각의 치아에 소정의 형태로 검출하여 획득할 수 있다. 예를 들어 치아 검출부(1400)는 검출 정보를 박스의 형태(32)로 검출할 수 있다.
또한, 치아 검출부(1400)는 치아 검출 신경망(1450)을 이용하여 획득한 좌표 데이터로부터 각 치아별 적어도 하나의 속성 정보를 획득할 수 있다. 이때, 속성 정보는 치아별 위치 및 너비 정보 중 적어도 하나를 포함할 수 있다.
그리고, 도 1에 도시된 바와 같이, 치아 이미지 획득부(1500)는 치아 분할부(1300) 및 치아 검출부(1400)로부터 얻어진 적어도 하나의 제1 이미지 및 제2 이미지를 대상으로 각각 치아별로 분할한 복수의 2차원 분할 이미지를 획득할 수 있다.
이후, 치아 이미지 획득부(1500)는 치아 분할부(1300) 및 치아 검출부(1400)로부터 획득된 적어도 하나의 정보를 바탕으로, 복수의 상기 2차원 분할 이미지를 동일한 치아별로 분류할 수 있다. 일 실시예에 따르면, 상기 적어도 하나의 정보는 치아 번호, 치아 좌표 데이터 및 치아 간 경계 정보 중 적어도 하나일 수 있다.
치아 이미지 획득부(1500)는 치아 이미지 획득 신경망(1550)을 포함할 수 있다. 그리고, 치아 이미지 획득부(1500)는 동일한 치아로 분류된 적어도 하나의 제1 이미지 및 제2 이미지에 대한 적어도 하나의 2차원 분할 이미지를 3차원으로 재구성하여 제3 이미지를 획득할 수 있다.
예를 들어, 치아 이미지 획득부(1500)는 동일한 치아로 분류된 2차원 분할 이미지를 액시얼 방향으로 적층하여, 3차원으로 재구성된 개별 치아 이미지인 제3 이미지를 획득할 수 있다.
보다 구체적으로 설명하면, 치아 이미지 획득 신경망(1550)은 사전에, 3차원 이미지가 일축을 따라 분할된 학습용 치과 단면 이미지 및 각 학습용 치과 단면 이미지 내의 각 치아의 경계 정보 및 각 치아별 치아번호를 기초로, 3차원 이미지 내의 동일한 치아번호를 갖는 각 치아별로 각각의 3차원 이미지를 생성하도록 학습될 수 있다.
치아 이미지 획득 신경망(1550)은 각 분할된 학습용 치과 단면 이미지 내에서 경계 정보에 따라 추출된 치아별 분할 이미지들 및 추출된 치아별 분할 이미지들에 대해 동일한 치아번호를 갖는 치아별 분할 이미지들을 일축 방향을 기준으로 적층하여 각 치아별 3차원 이미지를 생성할 수 있다.
또한, 치아 이미지 획득 신경망(1550)은 적층된 이미지를 이용하여 3차원 이미지 내의 동일한 치아번호를 갖는 각 치아별로 각각의 3차원 이미지를 생성하도록 학습될 수 있다.
치아 이미지 획득부(1500)는 3차원 치과 이미지 내 존재하는 치아의 번호 또는 종류를 고려하여, 치아의 번호 또는 종류에 따라 적어도 일부는 각각 상이한 색상으로 마스킹할 수 있다.
예를 들어, 치아 이미지 획득부(1500)는 각 치아별 치아 번호 관계가 동명치, 대합치 관계인 경우, 같은 색상으로 마스킹할 수 있다. 또한, 치아 이미지 획득부(1500)는 각 치아별 치아번호 관계가 동명치, 대합치 관계가 아닌 경우, 서로 상이한 색상으로 마스킹할 수 있다.
치아 이미지 획득 신경망(1550)은 치과 단면 이미지 내의 각 치아에에 대한 CBCT crop dicom 이미지를 일축 방향을 기준으로 적층함으로써, 3차원 이미지 내의 동일한 치아번호를 갖는 각 치아별로 각각 3차원 이미지를 생성하도록 학습될 수 있다.
본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치(1000)는 2차원 이미지인 제1 이미지 및 제2 이미지들을 바탕으로 치아별 3차원 이미지를 획득함으로써, 데이터 처리량 및 로딩시간이 감소되면서도 치식별로 정확히 구분되는 3차원 치과 이미지를 제공할 수 있다.
도 4는 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 치아 이미지 획득부의 출력 결과 이미지이다.
도 1 및 도 4에 도시된 바와 같이 치아 이미지 획득부(1500)는 치아 분할부(1300)와 치아 검출부(1400)으로부터 제1 이미지와 제2 이미지를 각각 전달받아 치아별 3차원 이미지(42)를 생성할 수 있다. 또한, 치아 이미지 획득부(1500)는 치아 이미지 획득 신경망(1550)을 이용하여 치아별 3차원 이미지를 매핑되는 좌표에 마스킹된 3차원 치과 이미지를 생성할 수 있다.
치아 이미지 획득부(1500)는 치아번호에 따라 표시방법이 상이하도록 각 치아별 3차원 이미지(42)를 설정한 3차원 치과 이미지를 생성할 수 있다. 그리고, 디스플레이부(1600)는 각 치아별 치아번호에 따라 서로 다른 색상으로 치아별 3차원 이미지(42)를 출력할 수 있다.
예를 들어, 치아 이미지 획득부(1500)는 치아별 3차원 이미지(42)를 종류가 동일한 11, 21, 31, 41번 치아에 대해 모두 빨간색으로 표시하도록 설정할 수 있다. 그리고, 디스플레이부(1600)는 빨간색이 표시된 치아별 3차원 이미지(42)를 디스플레이할 수 있다.
도 5는 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 최종 출력 결과 이미지이다.
도 1 및 도 5에 도시된 바에 따르면, 3차원 치아 이미지 표시 장치(1000)는 개별치아가 분리되어 표시된 3차원 치아 영역을 최종 출력 결과 이미지로 출력할 수 있다. 여기서, 3차원 치아 이미지 표시 장치(1000)는 치아가 표시된 영역을 다른 영역과 구분하여 표시할 수 있다.
이상 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 소프트웨어 구성들에 대해 살펴보았다.
이하 도 6에서는, 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치에 대해 하드웨어 구성별로 보다 자세히 설명한다.
도 6은 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치의 하드웨어 구성들을 설명하기 위한 블록 구성도이다.
도 1 및 도 6에 도시된 바에 따르면, 3차원 치아 이미지 표시 장치(1000)는 적어도 하나의 명령을 저장하는 저장장치(1210) 및 상기 메모리의 적어도 하나의 명령을 실행하는 프로세서(1220), 송수신 장치(1230), 입력 인터페이스 장치(1240) 및 출력 인터페이스 장치(1250)를 포함할 수 있다.
3차원 치아 이미지 표시 장치(1000)에 포함된 각각의 구성 요소들(1210, 1220, 1230, 1240, 1250)은 데이터 버스(bus, 1260)에 의해 연결되어 서로 통신을 수행할 수 있다.
저장장치(1210)는 메모리 또는 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나를 포함할 수 있다. 예를 들어, 저장장치(1210)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나를 포함할 수 있다.
저장장치(1210)는 후술될 프로세서(1220)에 의해 실행될 적어도 하나의 명령을 더 포함할 수 있다.
본 발명의 다른 실시예에 따르면, 적어도 하나의 명령은, 액시얼 방향으로 분할된 치과 단면 이미지 내에서 각 객체의 경계를 분할하도록 치아 분할 신경망(1350)을 학습시키는 제1 명령, 상기 학습용 치과 단면 이미지 내에서 치아 영역 및 각 치아의 치아 번호를 검출하도록 치아 검출 신경망(1450)을 학습시키는 제2 명령을 포함할 수 있다. 또한, 상기 제1 명령 및 상기 제2 명령에서 개별 획득한 복수의 이미지로부터 동일한 치아 번호를 갖는 치아별 분할 이미지들을 추출하고, 상기 복수의 치아별 분할 이미지를 액시얼 방향을 기준으로 적층하여, 상기 치아 번호 및 상기 치아 위치를 포함하는 3차원 이미지로 재구성한 복수의 치아별 3차원 분할 이미지들을 출력하도록 치아 이미지 획득 신경망(1550)을 학습시키도록 하는 제3 명령을 포함할 수 있다.
프로세서(1220)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), MCU(micro controller unit) 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다.
도 1을 더 참조하면, 프로세서(1220)는 앞서 설명한 바와 같이, 저장장치(1210)에 저장된 적어도 하나의 프로그램 명령에 의해 이미지 분할부(1200), 치아 분할부(1300), 치아 검출부(1400) 및 치아 이미지 획득부(1500)의 기능을 수행할 수 있으며, 이들 각각은 적어도 하나의 모듈의 형태로 메모리에 저장되어 프로세서에 의해 실행될 수 있다.
입력 인터페이스 장치(1240)는 사용자로부터 적어도 하나의 제어 신호를 입력받을 수 있으며, 출력 인터페이스 장치(1250)는 프로세서(1220)의 동작에 의해 3차원 치아 이미지와 관련된 적어도 하나의 정보를 출력하여 가시화할 수 있다.
이상에서는, 본 발명의 일 실시예에 따른 3차원 치아 이미지 표시 장치를 설명하였다. 이하에서는 본 발명의 또 다른 실시예에 따른 상기 3차원 치아 이미지 표시 장치 내 프로세서 동작에 의해 실행되는 3차원 치아 이미지 학습 방법을 설명한다.
도 7은 본 발명의 또 다른 실시예에 따른 3차원 치아 이미지 학습 방법의 순서도이다.
도 1, 도 6 및 도 7에 도시된 바에 따르면, 3차원 치아 이미지 표시 장치(1000) 내 송수신 장치(1230)는 외부로부터 치아가 촬영된 적어도 하나의 3차원 치과 이미지를 수신할 수 있다(S1000).
이후, 프로세서(1220)는 3차원 치과 이미지를 액시얼 방향으로 분할하여 치과 단면 이미지를 획득할 수 있다(S2000). 예를 들어, 3차원 치과 이미지는 3차원 CBCT 이미지일 수 있다. 또한, 치과 단면 이미지는 CBCT 이미지를 액시얼 방향으로 슬라이싱한 단면 이미지일 수 있다.
다음으로, 프로세서(1220)는 사전 학습된 치아 분할 신경망(1350)을 이용하여, 적어도 하나의 치과 단면 이미지로부터 적어도 하나의 치아 경계를 검출할 수 있다.
그리고, 프로세서(1220)는 치아 분할 신경망(1350)을 이용하여, 적어도 하나의 치과 단면 이미지로부터 치아별 경계를 분할한 제1 이미지를 획득할 수 있다(S3000). 이때, 치아 분할 신경망(1350)은 학습용 입력 데이터로서 복수의 학습용 치과 단면 이미지를 이용하고, 레이블 데이터로서 상기 학습용 치과 단면 이미지 내의 각 객체의 경계 영역 정답이 마스킹된 마스킹 정답 이미지를 이용하여 학습될 수 있다. 또한, 치아 분할 신경망(1350)은 컨볼루션 신경망을 이용하여 학습될 수 있다.
프로세서(1220)는 사전 학습된 치아 검출 신경망(1450)을 이용하여, 적어도 하나의 치과 단면 이미지로부터 치아 검출 정보를 포함하는 제2 이미지를 획득할 수 있다(S4000).
여기서, 치아 검출 신경망(1450)은 학습용 입력 데이터로서 복수의 학습용 치과 단면 이미지를 이용하고, 레이블 데이터로서 상기 학습용 치과 단면 이미지 내의 치아가 존재하는 치아 영역 및 상기 치아 영역 내의 각 치아에 대한 치아번호를 이용하여 학습될 수 있다. 또한, 치아 검출 신경망(1450)은 컨볼루션 신경망을 이용하여 학습될 수 있다.
이후, 프로세서(1220)는 복수의 치과 단면 이미지 내 좌표 데이터를 출력할 수 있고, 치아 검출 신경망(1450)을 이용하여, 치과 단면 이미지 내 치아별 속성 정보를 포함하는 제2 이미지를 획득할 수 있다. 상기 속성 정보는 치아별 너비, 및 상기 치아 번호 중 적어도 하나를 포함할 수 있다.
이후, 프로세서(1220)는 제1 이미지 및 제2 이미지 중 적어도 하나로부터 관심 영역을 포함하는 3차원의 제3 이미지를 획득할 수 있다.
다시 말해, 프로세서(1220)는 제1 이미지 및 제2 이미지를 치아별로 분할하고 사전 학습된 치아 이미지 획득 신경망(1550)을 이용하여 분할된 이미지들을 동일한 치아별로 분류하고, 액시얼 방향을 따라 적층할 수 있다. 따라서, 프로세서(1220)는 3차원으로 재구성된 3차원 치아 이미지를 획득할 수 있다(S5000).
이후, 프로세서(1220)는 치아의 3차원 이미지를 출력 인터페이스 장치(1250)를 통해출력할 수 있다(S5000).
본 발명의 또 다른 실시예에 따른 3차원 치아 이미지 표시 장치 및 방법, 그리고 이를 이용한 3차원 치아 이미지 제공 방법은 액시얼 방향으로 분할된 치과 단면 이미지 내에서 각 객체의 경계를 분할하도록 치아 분할 신경망(1350)을 학습시키는 제 1 단계, 상기 학습용 치과 단면 이미지 내에서 치아 영역 및 각 치아의 치아 번호를 검출하도록 치아 검출 신경망(1450)을 학습시키는 제 2 단계를 포함한다. 이어서, 본 발명의 실시예에 따른 장치 및 방법은 상기 제 1 단계 및 상기 제 2 단계에서 개별 획득한 이미지들로부터 동일한 치아 번호를 갖는 치아별 분할 이미지들을 추출하고, 상기 치아별 분할 이미지들을 액시얼 방향을 기준으로 적층하여, 상기 치아 번호 및 상기 치아 위치를 포함하는 3차원 이미지로 재구성한 복수의 치아별 3차원 분할 이미지를 출력하도록 치아 이미지 획득 신경망(1550)을 학습시키는 제 3 단계를 포함한다.
이로써, 본 발명의 실시예에 따른 장치 및 방법은 종래의 3차원 CBCT 이미지를 이용하여 3차원의 복수의 셀 형태로 치아를 검출 및 분할하도록 학습된 치아 검출 방법 대비 데이터 학습 및 활용 시 발생하는 데이터의 오버헤드 문제를 방지할 수 있다. 그 뿐아니라, 본 발명의 실시예에 따른 장치 및 방법은3차원의 치아 재구성을 위한 처리 속도 및 로딩 속도가 개선된 3차원 치아 이미지 표시 장치 및 방법, 그리고 이를 이용한 3차원 치아 이미지 표시 방법을 제공할 수 있다.
따라서, 본 발명의 또 다른 실시예에 따른 3차원 치아 이미지 학습 방법은 임플란트 시술 시간을 단축시킬 수 있고, 치아의 크라운 변형에 의해 발생하는 노이즈를 제거할 수 있으며, 치아 중심의 3차원 섹션 이미지로 활용이 가능할 수 있다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 또는 인스트럭션 코드(instruction code)들에 의해 수행구현될 수도 있다. 컴퓨터 프로그램 또는 코드는 각 블록 또는 순서도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성할 수 있다. 이들 컴퓨터 프로그램 또는 코드는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능한 모든 종류의 기록매체에 저장될 수도 있으므로, 기록매체 등에 저장된 프로그램 또는 코드들은 블록 또는 순서도 각 단계의 기능을 수행하는 제조 품목을 생산하는 것도 가능하다. 또한, 이들 프로그램 또는 코드들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되어, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비가 일련의 동작 단계를 수행할 수도 있다.
각 블록 또는 각 단계는 하나 이상의 실행 가능한 프로그램 또는 코드들을 포함하는 모듈 또는 코드의 일부를 나타낼 수 있고, 블록 또는 순서도의 단계는 순서를 벗어나서 수행되는 것도 가능하다. 예컨대, 잇달아 도시된 두 개의 블록들 또는 단계들은 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (12)

  1. 입력된 3차원 치과 이미지에 대해 액시얼(Axial) 방향으로 분할하여 생성된 치과 단면 이미지 내에서 각 객체의 경계를 분할하는 치아 분할부;
    상기 치과 단면 이미지 내의 객체중에서 치아 영역을 인식하고, 상기 치아 영역에 속하는 치아들 각각의 치아 번호를 검출하는 치아 검출부; 및
    상기 치과 단면 이미지 내의 각 객체의 경계 및 상기 치아들 각각의 치아 번호를 기초로, 치아별 3차원 이미지를 생성하는 치아 이미지 획득부
    를 포함하고,
    상기 치아별 3차원 이미지는 치아 번호에 따라 표시 방법이 상이한 3차원 치아 이미지 표시 장치.
  2. 제1 항에 있어서,
    상기 치아 분할부는 치아 분할 신경망을 포함하고,
    상기 치아 분할 신경망은,
    복수의 학습용 치과 단면 이미지를 학습용 입력 데이터로서 이용하고, 상기 학습용 치과 단면 이미지 내의 각 객체의 경계 영역이 마스킹된 마스킹 이미지를 레이블 데이터로서 이용하여 학습되는 3차원 치아 이미지 표시 장치.
  3. 제1 항에 있어서,
    상기 치아 검출부는 치아 검출 신경망을 포함하고,
    상기 치아 검출 신경망은,
    복수의 학습용 치과 단면 이미지를 학습용 입력 데이터로서 이용하고, 상기 학습용 치과 단면 이미지 내의 치아가 존재하는 치아 영역 및 상기 치아 영역 내의 각 치아에 대한 치아번호를 레이블 데이터로서 이용하여 학습되는 3차원 치아 이미지 표시 장치.
  4. 제1 항에 있어서,
    상기 치아 이미지 획득부는, 치아 이미지 획득 신경망을 포함하고,
    상기 치아 이미지 획득 신경망은,
    학습용 3차원 이미지가 일축을 따라 분할된 학습용 치과 단면 이미지, 각 학습용 치과 단면 이미지 내의 각 치아의 경계 정보 및 각 치아별 치아번호를 기초로, 상기 3차원 이미지 내의 동일한 치아번호를 갖는 각 치아별로 각각의 3차원 이미지를 생성하도록 학습되는 3차원 치아 이미지 표시 장치.
  5. 제4 항에 있어서,
    상기 치아 이미지 획득 신경망은,
    상기 각 분할된 학습된 치과 단면 이미지 내에서 상기 경계 정보에 따라 추출된 치아별 분할 이미지들 및 추출된 상기 치아별 분할 이미지들에 대해 동일한 치아번호를 갖는 치아별 분할 이미지들을 상기 일축 방향을 기준으로 적층하여 상기 각각의 3차원 이미지를 생성하도록 학습되는 3차원 치아 이미지 표시 장치.
  6. 제1 항에 있어서,
    상기 표시 방법은 각 치아별 치아번호에 따라 적어도 일부는 서로 다른 색상으로 디스플레이되는 것을 포함하는 3차원 치아 이미지 표시 장치.
  7. 제6 항에 있어서,
    상기 표시 방법은 각 치아별 치아번호 관계가 동명치, 대합치 관계인 경우, 같은 색상으로 디스플레이되고, 각 치아별 치아번호 관계가 동명치, 대합치 관계가 아닌 경우, 서로 다른 색상으로 디스플레이되는 것을 포함하는 3차원 치아 이미지 표시 장치.
  8. 제1 항에 있어서,
    상기 3차원 치과 이미지는 CBCT 이미지를 포함하고, 상기 분할된 치과 단면 이미지는 상기 액시얼 방향에 수직한 이미지인, 3차원 치아 이미지 표시 장치.
  9. 입력된 3차원 치과 이미지에 대해 액시얼(Axial) 방향으로 분할하여 생성된 치과 단면 이미지 내에서 각 객체의 경계를 분할하는 단계와,
    상기 치과 단면 이미지 내의 객체중에서 치아 영역을 인식하고, 상기 치아 영역에 속하는 각 치아의 치아 번호를 검출하는 단계; 및
    획득된 상기 각 치과 단면 이미지 내의 각 객체의 경계 및 상기 각 치아의 치아 번호를 기초로, 치아별 3차원 이미지를 생성하는 단계
    를 포함하고,
    상기 치아별 3차원 이미지는 치아번호에 따라 표시방법이 상이한 3차원 치아 이미지 표시 방법.
  10. 입력된 3차원 치과 이미지에 대해 액시얼(Axial) 방향으로 분할하여 생성된 치과 단면 이미지 내에서 각 객체의 경계를 분할하도록, 치아 분할 신경망을 학습시키는 단계;
    상기 생성된 치과 단면 이미지 내의 객체중에서 치아 영역을 인식하고, 상기 치아 영역에 속하는 각 치아의 치아 번호를 검출하도록, 치아 검출 신경망을 학습시키는 단계; 및
    상기 치아 분할 신경망 및 상기 치아 검출 신경망을 통해 획득된 각 치과 단면 이미지 내의 각 객체의 경계 및 각 치아의 치아 번호를 기초로, 치아별 3차원 이미지를 생성하도록 치아 이미지 획득 신경망을 학습시키는 단계
    를 포함하는 3차원 치아 이미지 표시 장치 학습 방법.
  11. 제10 항에 있어서,
    상기 학습용 치과 단면 이미지는 학습용 3차원 이미지가 일축을 따라 분할된 이미지인 3차원 치아 이미지 표시 장치 학습 방법.
  12. 제10 항에 있어서,
    상기 치아 이미지 획득 신경망을 학습시키는 단계는,
    상기 각 학습용 치과 단면 이미지 내의 각 치아의 경계 정보 및 각 치아별 치아번호를 기초로, 상기 3차원 이미지 내의 동일한 치아번호를 갖는 각 치아별로 각각의 3차원 이미지를 생성하도록 학습시키는 단계를 포함하는 3차원 치아 이미지 표시 장치 학습 방법.
PCT/KR2022/010849 2021-07-27 2022-07-25 3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법 WO2023008849A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP22849825.9A EP4378416A1 (en) 2021-07-27 2022-07-25 Three-dimensional tooth image display apparatus and method, and method for training three-dimensional tooth image display apparatus
CN202280042318.9A CN117615733A (zh) 2021-07-27 2022-07-25 三维牙齿图像显示装置和方法以及用于训练三维牙齿图像显示装置的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210098582A KR102607886B1 (ko) 2021-07-27 2021-07-27 3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법
KR10-2021-0098582 2021-07-27

Publications (1)

Publication Number Publication Date
WO2023008849A1 true WO2023008849A1 (ko) 2023-02-02

Family

ID=85087098

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/010849 WO2023008849A1 (ko) 2021-07-27 2022-07-25 3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법

Country Status (4)

Country Link
EP (1) EP4378416A1 (ko)
KR (2) KR102607886B1 (ko)
CN (1) CN117615733A (ko)
WO (1) WO2023008849A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102651466B1 (ko) * 2023-03-20 2024-03-27 고려대학교 산학협력단 내포 함수 신경망을 이용한 파노라마 방사선 사진으로부터의 3차원 치아 재구성 장치 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101739091B1 (ko) * 2014-11-19 2017-05-24 성균관대학교산학협력단 치과용 ct 이미지들을 이용한 3차원 이미지의 재구성 방법 및 장치
US20190026599A1 (en) * 2017-07-21 2019-01-24 Dental Monitoring Method for analyzing an image of a dental arch
JP2020516335A (ja) * 2017-03-17 2020-06-11 トロフィー 動的歯列弓マップ
KR20200129509A (ko) * 2019-05-09 2020-11-18 오스템임플란트 주식회사 치아 부가정보 제공 방법 및 그 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120258416A1 (en) * 2011-04-08 2012-10-11 Hongsheng Tong Method to define, measure, and display mesiodistal angulation and faciolingual inclination of each whole tooth
KR101903424B1 (ko) 2017-01-10 2018-11-13 한국광기술원 광단층영상시스템 기반 3d 구강 스캐너 및 이를 이용한 치아 상태 진단 방법
KR101839789B1 (ko) * 2017-08-01 2018-03-19 주식회사 뷰노 치과 영상의 판독 데이터 생성 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101739091B1 (ko) * 2014-11-19 2017-05-24 성균관대학교산학협력단 치과용 ct 이미지들을 이용한 3차원 이미지의 재구성 방법 및 장치
JP2020516335A (ja) * 2017-03-17 2020-06-11 トロフィー 動的歯列弓マップ
US20190026599A1 (en) * 2017-07-21 2019-01-24 Dental Monitoring Method for analyzing an image of a dental arch
KR20200129509A (ko) * 2019-05-09 2020-11-18 오스템임플란트 주식회사 치아 부가정보 제공 방법 및 그 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HEO, HOON, WON-JUN CHOI, OK-SAM CHAE: "3D Reconstruction System of Teeth for Dental Simulation. ", KIPS TRANSACTIONS: PART B, KOREA INFORMATION PROCESSING SOCIETY, KR, vol. 11B, no. 2, 1 April 2004 (2004-04-01), KR , pages 133 - 140, XP093030485, ISSN: 1598-284X *

Also Published As

Publication number Publication date
KR20230016952A (ko) 2023-02-03
CN117615733A (zh) 2024-02-27
EP4378416A1 (en) 2024-06-05
KR102607886B1 (ko) 2023-11-29
KR20230164633A (ko) 2023-12-04

Similar Documents

Publication Publication Date Title
WO2016108453A1 (ko) 치아 영상 자동 정합 방법, 이를 위한 장치 및 기록 매체
WO2020040349A1 (ko) 교정 진단을 위한 치과 영상 분석 방법 및 이를 이용한 장치
WO2022164126A1 (ko) 구강 스캔 데이터의 크라운 분할을 이용한 구강 스캔 데이터와 컴퓨터 단층촬영 이미지 자동 정합 장치 및 방법
WO2020122357A1 (ko) 의료영상 재구성 방법 및 그 장치
WO2023008849A1 (ko) 3차원 치아 이미지 표시 장치 및 방법, 그리고 3차원 치아 이미지 표시 장치를 학습시키는 방법
WO2020226473A1 (ko) 치아 부가정보 제공 방법 및 그 장치
WO2019231104A1 (ko) 심층 신경망을 이용하여 영상을 분류하는 방법 및 이를 이용한 장치
WO2017039220A1 (ko) 치아 교정 계획을 위한 이미지 처리 방법, 이를 위한 장치 및 기록 매체
WO2021034138A1 (ko) 치매 평가 방법 및 이를 이용한 장치
Chen et al. Detection of proximal caries lesions on bitewing radiographs using deep learning method
WO2022108082A1 (ko) Ct 영상에서의 치아 분할 시스템 및 방법
WO2021054700A1 (ko) 치아 병변 정보 제공 방법 및 이를 이용한 장치
WO2020209496A1 (ko) 치아 오브젝트 검출 방법 및 치아 오브젝트를 이용한 영상 정합 방법 및 장치
WO2023182702A1 (ko) 디지털 병리이미지의 인공지능 진단 데이터 처리 장치 및 그 방법
WO2023121051A1 (ko) 환자 정보 제공 방법, 환자 정보 제공 장치, 및 컴퓨터 판독 가능한 기록 매체
WO2009091202A2 (ko) 트렁케이션 아티팩트를 보정하는 방법
WO2021149918A1 (ko) 골 연령 추정 방법 및 장치
WO2022055158A1 (ko) 치아 영상 부분 변환 방법 및 이를 위한 장치
WO2022149664A1 (ko) 의료 영상 분석 방법 및 이를 이용한 장치
WO2023287041A1 (ko) 상악동 영상 제공 장치와 방법 및 그 학습 방법
WO2011007998A2 (ko) 3차원 치열영상 획득방법
WO2023229152A1 (ko) 인공지능을 적용한 3차원 얼굴스캔 자동매칭장치 및 그 장치의 구동방법, 그리고 매체에 저장된 컴퓨터프로그램
WO2020101265A1 (ko) 심근 이미지 분석 방법 및 장치
WO2023239077A1 (ko) 신경관 표시 방법, 컴퓨팅 장치 및 이를 위한 컴퓨터 판독 가능한 기록 매체
WO2024071571A1 (ko) 3차원 구강 모델의 세그멘테이션 방법 및 그 시스템

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: 22849825

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18565345

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 202280042318.9

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2022849825

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022849825

Country of ref document: EP

Effective date: 20240227