[发明专利]基于深度学习的牙齿修复体自动设计方法及系统在审
申请号: | 202210436319.3 | 申请日: | 2022-04-22 |
公开(公告)号: | CN114880924A | 公开(公告)日: | 2022-08-09 |
发明(设计)人: | 沈震;杨静;董西松;熊刚;张骜;方启航;王庆;万力 | 申请(专利权)人: | 东莞中科云计算研究院;十维(广东)科技有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/04;G06N3/08;A61C5/20;A61C9/00;G06F111/16 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 赵贯杰 |
地址: | 523000 广东省东莞*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 学习 牙齿 修复 自动 设计 方法 系统 | ||
本发明公开了一种基于深度学习的牙齿修复体自动设计方法及系统,该方法包括:从患者的牙列数据中分割出相应的三维分割数据,并获取对应的目标修复体数据,以形成包括所述三维分割数据和所述目标修复体数据的数据集C;采用所述数据集C训练基于深度学习的数据处理模型,使得该数据处理模型可根据患者的三维分割数据生成与之相适配的修复体模型;根据上述设计方法,可全自动进行牙齿修复体设计,不需要任何人工交互,有效提高设计效率,节约时间和人工,而且使得最终制作的牙齿修复体个性化更强;另外,随着修复体设计量的增加,数据处理模型不断得到优化,设计能力不断得到提高,从而更好地满足了牙科医生和患者的需求。
技术领域
本发明涉及牙齿计算机辅助设计技术领域,尤其涉及一种基于深度学习的牙齿修复体自动设计方法及系统。
背景技术
牙齿缺损后,不但容易影响面部形态的美观,而且咀嚼能力的衰退会影响人体对营养成分的吸收,甚至导致一些牙科的疾病。对于严重牙体缺失的症状,常采用修复体治疗方法进行修复,如嵌体或人造冠等。
传统的牙齿修复体设计方法主要依靠牙科专家的经验和技术,不但修复精度不易控制、耗时较长,而且给患者带来诸多不便。近来,比较流行的计算机辅助设计的方法,以标准牙数据库中的牙冠作为缺损牙齿的初始模型,采用一系列变形算法进行合适的变形操作,重建出目标牙冠模型,这虽然在一定程度上解决了完全靠经验和技术设计修复体的问题,但是这种设计方法缺乏个性化程度,鲁棒性较差,而且仍然需要大量的手工操作。
发明内容
本发明的目的是为解决上述技术问题而提供一种可全自动、免人工进行牙齿修复体的个性化设计的基于深度学习的牙齿修复体自动设计方法及系统。
为了实现上述目的,本发明公开了一种基于深度学习的牙齿修复体自动设计方法,其包括:从患者的牙列数据中分割出相应的三维分割数据,并获取目标修复体数据,以形成包括所述三维分割数据和所述目标修复体数据的数据集C;
采用所述数据集C训练基于深度学习的数据处理模型,使得该数据处理模型可根据患者的三维分割数据生成与之相适配的修复体模型。
较佳地,所述三维分割数据的获取方法包括:
采用基础数据集训练基于深度学习的数据辅助处理模型,通过该数据辅助处理模型从所输入的牙列数据中分割出相应的的三维分割数据。
较佳地,所述基础数据的收集方法包括:
获取数据集A,所述数据集A包括若干对分别来自于每一患者的相对应的上下颌牙列数据和目标修复体数据;
对所述数据集A中的上下颌牙列数据进行标注,以区分出与每一牙齿相对应的数据,从而形成用作所述基础数据的数据集B。
较佳地,还根据预设的评价指标对输出的所述修复体模型进行评价,并生成评价结果,根据所述评价结果对所述数据处理模型进行优化。
较佳地,将修复体设计的数量和类型作为条件输入所述数据处理模型,以生成相应的修复体模型。
较佳地,对所述数据处理模型的损失函数设置显式约束条件。
较佳地,所述数据辅助处理模型基于卷积神经网络构建,所述数据处理模型基于卷积神经网络或生成对抗网络构建。
较佳地,根据样本数据量由大到小,通过迁移学习依次训练所述数据辅助处理模型和所述数据处理模型。
较佳地,所述数据处理模型基于生成对抗网络构建,所述数据处理模型包括生成模型和判别模型,所述生成模型中设置有多个生成器,每一所述生成器用于学习一种特定牙齿修复模式,所述判别模型包括判别器和分类器,所述分类器用于对修复体模型进行分类,以使得所述生成模型生成相应的修复体模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东莞中科云计算研究院;十维(广东)科技有限公司,未经东莞中科云计算研究院;十维(广东)科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210436319.3/2.html,转载请声明来源钻瓜专利网。