[发明专利]使用深度学习方法的自动3D牙根形状预测

说明书

本发明涉及一种用于自动3D牙根形状预测的计算机实现的方法，该方法包括：预处理器接收定义牙齿的至少一个3D表示的3D数据并处理该3D数据，该处理包括：将3D数据的至少一部分变换成牙冠的体素表示，该体素表示定义拟合在计算机上执行的第一3D深度神经网络的输入空间的体素空间；预处理器将牙冠的体素表示提供给3D深度神经网络的输入，该3D深度神经网络是基于定义真实牙齿的3D表示的临床3D数据进行训练的；第一3D深度神经网络基于牙冠的体素表示生成预测的牙根或包括预测的牙根的完整牙齿的体素表示，其中预测的牙根或完整牙齿的体素表示的生成包括：确定3D深度学习网络的输出的体素空间中的体素的体素激活，每个体素激活表示定义体素是牙根或完整牙齿的一部分的概率的概率测量；以及通过将体素激活与体素激活阈值进行比较来确定体素激活是否是牙根或完整牙齿的一部分。

技术领域

本发明涉及使用深度学习方法的自动3D牙根形状预测，并且特别但非排他地涉及用于使用深度学习的自动3D牙根形状预测的系统和方法、用于训练这种深度学习神经网络的方法以及使用这种方法的计算机程序产品。

背景技术

可靠的牙齿建模在许多牙科应用中都起着非常重要的作用，包括(但不限于)计算机辅助正畸和牙科治疗模拟系统。例如，在牙周病学中，诊断和治疗与牙根的解剖结构直接相关，在正畸治疗中，计划牙根的构造、牙根的形状和骨头-牙根比对治疗的生物力学有着巨大的影响，在牙齿外科、拔牙领域中，了解牙根的形状至关重要，而在牙髓治疗中，根管及相关联的根管治疗与牙根的解剖结构和牙根构造直接相关。

可以使用合适的基于3D X射线的CT扫描技术(诸如锥形束计算机断层扫描(CBCT))获得完整牙齿的准确3D模型，即，包括牙冠和牙根的模型。但是，患者的准确3D CT数据和将此类3D CT数据处理成完整牙齿3D模型的表示的软件并不总是可得的。基于X射线的3D成像系统是一种昂贵的系统，并不总是对于牙科专家可得。而且，通常需要将患者的辐射暴露保持在最低限度。因此，开发了能够仅基于牙齿的可视部分(牙冠)来确定完整牙齿的3D表示的系统。

例如，US8639477描述了一种用于完整牙齿的3D建模的系统，其中参考牙齿(参数化的3D表面网格)的数学模型根据参数进行匹配，并根据患者牙冠的3D图像数据进行变形。如今，可以使用光学口腔内牙齿扫描仪轻松获得此类牙冠3D图像数据。在US8639477的方案中，牙冠的形状信息用于重塑通用的3D牙齿模型，包括牙根的形状。类似地，US8135569描述了一种通过使用基于界标的方法对完整牙齿进行3D建模的系统，该系统基于患者牙冠的图像数据以及可选地患者牙齿的X射线数据对参考牙齿进行变形。X射线数据允许减少变形的通用3D牙齿模型的牙根形状与患者牙齿的实际牙根形状之间的差异，从而可以确定完整牙齿的改进的3D近似。

这些已知的3D建模技术基于牙冠形态，这是牙科技术中的一个特殊领域，它检查牙齿的有限数量的宏观特征(牙冠的维度、牙冠的形状等)与其牙根的形状之间的关系。这样的关系可以被用于定义数学参考模型，该数学参考模型用于基于牙冠的特征来近似牙根的形状。虽然现有技术的系统可以基于牙冠信息来提供牙根的3D模型的近似，但是与牙根的真实解剖形状相比，这种近似的准确性和可靠性受到限制并且仍然可能表现出相对较大的偏差。此外，如果将特定的3D参考模型用于特定的类别(用于特定的牙齿类别(例如，磨牙、犬牙、双尖牙)，以及描述患者的类别(例如，年龄、性别))，那么近似只可能在一定程度上可靠。这种方法将需要为每个具体的牙齿/患者类别开发具体的数学参考模型。

现有技术的另一个问题是，当基于估计的3D牙根模型和3D牙冠模型构造完整的3D牙齿时，在预测的牙根和原始牙冠之间的过渡区域中的表面可能需要额外的平滑和/或可能导致与牙齿的实际解剖形状有所不同的完整3D牙齿的形状变化的其它处理。此外，值得注意的是，为了准确起见，上述系统可能需要除牙冠3D图像数据之外的额外输入，诸如适用类别(对于牙齿和患者域)和x射线图像。