一种基于人工智能辅助的儿童预成冠适配方法与流程

本发明涉及儿童口腔修复，更具体的说是涉及一种基于人工智能辅助的儿童预成冠适配方法。

背景技术：

1、儿童乳牙龋坏修复常采用预成冠修复，临床主流适配方式分为人工选配与通用口腔ai数字化匹配两类，均存在适配儿童诊疗场景的固有缺陷，具体情况如下：

2、（1）传统人工适配依靠卡尺手动测量牙体尺寸、多次试戴挑选预成冠。儿童配合度差、口腔视野受限，人工测量误差大，需反复更换、打磨牙冠，诊疗耗时久，多次试戴易引发患儿抗拒哭闹；且仅依靠二维尺寸判断，未考量颈缘密封、咬合、邻牙间隙三维适配关系，修复后易出现咬合高点、食物嵌塞、边缘渗漏继发龋等远期并发症。

3、（2）现有通用口腔ai系统存在明显适配短板：其一，仅支持完整全口扫描数据识别牙体，低龄儿童难以配合全口扫描，仅能采集局部点云时，无法完整分割龋坏乳牙轮廓，仍需医生手动修补缺损边界，自动化程度低；其二，匹配逻辑仅单一对比尺寸，未建立多维度三维适配评判标准，匹配结果贴合度差；其三，匹配模型采用固定评判权重，未区分3-10岁儿童颌骨、乳牙发育差异，不同年龄段患儿共用一套匹配标准，适配偏差明显；其四，仅筛选预成冠型号，无法自动量化各部位打磨量，依旧依赖医师经验手工调磨，无法从根源简化临床操作。

4、综上，现有技术缺少适配儿童局部口扫数据、融合多维度三维适配评估、可自动预测打磨修整量、结合年龄分层校正匹配标准的一体化ai适配方案，如何克服现有技术存在的测量精度差、诊疗效率低、适配效果不佳等不足是本领域技术人员亟需解决的技术问题。

技术实现思路

1、有鉴于此，本发明提供了一种基于人工智能辅助的儿童预成冠适配方法，解决了背景技术存在的问题。

2、为了实现上述目的，本发明提供如下技术方案：

3、一种基于人工智能辅助的儿童预成冠适配方法，包括以下步骤：

4、s1、采集患儿口腔局部扫描三维数据并进行智能化规整处理，对规整后的患儿口腔局部扫描三维数据自动分割并补全龋坏乳牙轮廓，生成完整预备牙三维模型；

5、s2、调用预设的统一规格预成冠数据库，采用三维多指标适配评估体系，匹配完整预备牙三维模型，筛选出适配预成冠；

6、s3、将筛选得到的适配预成冠与完整预备牙三维模型进行比对运算，计算并输出预成冠各区域的修整参数；

7、s4、根据患儿年龄对应的乳牙发育特征，修正三维多指标适配评估体系，基于修正后的三维多指标适配评估体系输出最终预成冠适配方案。

8、可选的，s1中，对患儿口腔局部扫描三维数据进行智能化规整处理，具体包括以下步骤：

9、采用动态图卷积网络进行特征学习与拓扑重构，基于口腔解剖特征执行牙位分类，区分待修复乳牙区域、邻牙区域及牙龈背景区域；

10、依托标准乳牙解剖坐标系执行坐标对齐校正，统一空间姿态与坐标基准；

11、执行筛选、去噪及密度均匀化校正处理，剔除扫描噪点与无效背景数据，得到规范化乳牙扫描数据。

12、可选的，s1中，完整预备牙三维模型的生成方式具体为：

13、采用双层分级牙体轮廓分割网络对规范化乳牙扫描数据执行粗分割，划分出待修复乳牙区域；

14、对待修复乳牙区域执行精细轮廓提取，分离乳牙本体与邻牙区域、牙龈背景区域；

15、在待修复乳牙区域内识别龋坏缺失区域，调用预设标准乳牙解剖模板，通过缺损边界补全分支对龋坏缺失区域做点位插值处理，补全乳牙完整轮廓；

16、基于乳牙完整轮廓开展三维网格重建，生成完整预备牙三维模型。

17、可选的，s2中，调用预设的统一规格预成冠数据库，具体为：

18、预先采集不同品牌、不同型号预成冠原始三维数据，对各类预成冠执行尺寸归一化转换，建立多品牌预成冠尺寸映射关系以构建统一规格预成冠数据库；

19、将完整预备牙三维模型的尺寸参数作为检索条件，遍历统一规格预成冠数据库，调取尺寸区间匹配的全部预成冠三维模板。

20、可选的，s2中，适配预成冠的筛选方式具体为：

21、搭建包含颈缘贴合间隙、咬合碰撞量、邻牙干涉量三项约束指标的三维多指标适配评估体系；

22、将调取得到的各预成冠三维模板分别与完整预备牙三维模型完成空间对齐，分别计算单款预成冠对应的颈缘贴合间隙数值、咬合碰撞量数值、邻牙干涉量数值；

23、依据各约束指标对应的权重计算单项适配分值，融合全部单项适配分值得到对应预成冠的综合匹配度评分；

24、将全部预成冠按照综合匹配度评分由高至低排序，选取排序前三的预成冠作为适配预成冠，并生成完整预备牙三维模型与各适配预成冠的三维叠加比对云图。

25、可选的，s3中，将筛选得到的适配预成冠与完整预备牙三维模型进行比对运算，具体为：

26、调取适配预成冠三维模板，以完整预备牙三维模型的颈缘基准线为对齐约束，对适配预成冠三维模板与完整预备牙三维模型执行刚性全局空间配准以统一二者空间坐标基准；

27、将配准后的适配预成冠三维模板定义为目标实体，将完整预备牙三维模型定义为扣除实体；

28、对目标实体与扣除实体执行三维网格布尔差集运算，剔除无重叠空间区域，提取二者相互重叠的空间干涉区域。

29、可选的，s3中，计算并输出预成冠各区域的修整参数，具体为：

30、对空间干涉区域执行网格面片归一化预处理，统一网格顶点密度与拓扑结构，将预处理后的空间干涉区域输入预先训练完成的修整量预测分支网络；

31、修整量预测分支网络依据三维网格边界解剖特征划分颊舌侧分区、近远中分区、颈缘分区，逐分区拟合计算对应位置的打磨厚度数值；

32、建立各分区打磨厚度数值与空间干涉区域网格顶点坐标的一一映射关系，为不同分区匹配差异化标识色值，生成带分区标识的可视化修整标记；

33、同步输出各分区打磨厚度数值、分区对应网格顶点坐标、可视化修整标记，共同作为预成冠各区域的修整参数。

34、可选的，s4中，最终预成冠适配方案的获取方式具体为：

35、调取预设年龄-乳牙发育特征对照表，根据患儿年龄匹配对应乳牙发育阶段参数；

36、依据乳牙发育阶段参数，调整三维多指标适配评估体系内颈缘贴合间隙、咬合碰撞量、邻牙干涉量三项约束指标的计算阈值与权重系数，完成评估体系修正；

37、将完整预备牙三维模型输入修正后的三维多指标适配评估体系，重新执行匹配打分运算，更新适配预成冠型号；

38、若适配预成冠型号发生更新，重新执行s3，生成预成冠各区域的修整参数；

39、将更新后的适配预成冠型号与重新生成的预成冠各区域的修整参数整合，生成最终预成冠适配方案。

40、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于人工智能辅助的儿童预成冠适配方法，具有以下有益效果：

41、本发明先依托口腔局部扫描三维数据完成乳牙三维模型自动化重建，借助多规格预成冠数据库与三维多指标适配评估体系完成初步型号筛选，再通过三维布尔运算结合ai分支网络精准量化各区域打磨修整参数，最后结合患儿乳牙发育特征校正匹配评判标准输出适配方案，整体无需依赖完整全口扫描数据，大幅降低低龄儿童配合门槛，分层解耦的匹配架构既能够快速输出候选牙冠供医师参考，又可依据年龄生理特征精细化校准适配标准，同步自动输出可视化修整标记与打磨数值，减少人工测量、反复试戴与经验调磨带来的误差，有效缩短诊疗时长，降低咬合高点、边缘渗漏等远期修复并发症的发生概率，提升儿童乳牙预成冠一次适配成功率。