[发明专利]训练深度神经网络的系统和确定牙齿的最终位置的系统

说明书

本发明的一种方法包括：获得训练牙科CT扫描；在这些CT扫描中的每一个中标识各个牙齿和颌骨；并且利用从这些CT扫描获得的训练输入数据和训练目标数据来训练深度神经网络。本发明的另一种方法包括：获得(203)患者牙科CT扫描；在该CT扫描中标识(205)各个牙齿和颌骨，并且使用(207)经训练的深度学习网络根据从该CT扫描获得的输入数据确定期望最终位置。所述(训练)输入数据表示所有牙齿和整个牙槽突，并且标识各个牙齿和颌骨。所确定的期望最终位置被用于确定每颗牙齿的期望中间位置的序列，并且所述中间位置和最终位置以及附接类型被用于创建牙齿和/或矫正器的三维表示。

技术领域

本发明涉及一种用于确定正畸治疗计划的自动化系统。

本发明还涉及一种确定正畸治疗计划的自动化方法和一种训练深度神经网络的方法。

本发明还涉及一种使得计算机系统能够执行这样的方法的计算机程序产品。

背景技术

正畸治疗使得患者的牙齿从初始位置(即，在治疗开始之前的位置)移动到期望位置，以便将牙齿移动到适当的矫正。传统上，使用包括弓丝和金属托槽的牙箍进行正畸治疗。牙箍需要由正畸医生调整数次。现在，由于其美观和舒适，使用一系列矫正器、即一系列模板(template)是流行的选择。

为了本公开的目的，‘牙齿’是指包括牙冠和牙根的整颗牙齿，‘多颗牙齿’是指由两个或更多颗牙齿组成的任何牙齿集合，而源自单个人的牙齿集合将被称为源自‘齿列’。齿列可能不一定包含来自个体的牙齿的总集合。此外，‘分类’是指标识观察或样本属于类别集合中的哪一个。在牙齿分类的情况下，“分类”是指标识单颗牙齿属于哪个类别(或标签(label))的过程，并且特别指从单个牙列导出用于所有各个牙齿的多个标签的过程。3D数据集是指任何齿列的任何数字表示，例如填充体的3D体素表示、体中的密度、3D表面网格等。

专利文献US2017/0100212A1公开了一种用于提供动态正畸评估和治疗概况的方法。作为该方法的初始步骤，获取患者的牙冠或口腔组织的模具或扫描。从这样获得的数据中导出数字数据集，该数字数据集表示每个患者的牙冠(牙根除外)和包围患者牙齿的牙龈组织的初始排列。每颗牙齿的期望最终位置可以以处方的形式从临床医师接收到，可以根据基本正畸原则计算或者可以从临床处方在计算上外推。

为了确定每个牙冠的分割路径(即，随着时间的推移到中间位置的渐进式移动(incremental movement))，创建原位(in-place)矫正器的有限元模型，并应用有限元分析。至该过程的输入包括初始矫正器形状、牙齿在颌中的位置的数字模型和颌组织(即，包围患者牙齿的牙龈组织)的模型。在该过程的各个阶段，并且特别地在已经定义了分割路径之后，该过程可以并且通常将就患者的治疗与临床医师进行交互。有利地，客户端过程被编程以显示位置和路径的动画，并且允许临床医师重置一个或多个牙冠的最终位置，并且指定要施加到分割路径的约束。牙科数据挖掘系统(例如包括神经网络)被用于确定所确定的运动是否为正畸可接受的，以及所确定的候选矫正器是否是迄今为止最佳的解决方案。

专利文献US 2017/0100212A1中所公开方法的缺点在于，正畸治疗计划通常在治疗期间需要被更新至少一次，并且甚至有可能被更频繁地更新。因此，仍然需要与临床医师进行定期交互，以使患者的牙齿移动到它们的期望位置。

发明内容

本发明的第一目的是提供一种用于确定正畸治疗计划的自动化系统，该系统需要与临床医师进行受限交互或不需要与临床医师进行交互(除了上传和下载数据以外)，并且该系统可以自动确定其的执行需要与临床医师进行受限交互或不需要与临床医师进行交互的计划。

本发明的第二个目的是提供一种确定正畸治疗计划的自动化方法，该方法需要与临床医师进行受限交互或不需要与临床医师进行交互(除了上传和下载数据以外)，并且该方法可用于自动确定计划，该计划的执行需要与临床医师进行有限交互或不需要与临床医师进行交互。