一种口腔正畸方案的效果预测与辅助决策方法及系统

本发明涉及医学人工智能领域，尤其涉及一种口腔正畸方案的效果预测与辅助决策方法及系统。

背景技术：

1、改善牙齿突度、协调面部侧貌并获得稳定、美观的治疗效果，是正畸治疗的重要目标，也是影响治疗效果评价及患者满意度的重要因素。在正畸临床实践中，拔牙与否、拔除牙位及数量的选择，以及支抗控制方式的设计，是影响牙齿移动模式及最终面部美学效果的关键治疗决策。临床医生通常需要结合患者的临床检查结果、头影测量分析、模型分析、既往治疗经验以及虚拟治疗模拟（virtual treatment objective，vto）等信息，对正畸治疗方案进行综合评估与制定。

2、然而，复杂正畸病例通常涉及骨性结构、牙齿排列、软组织形态、支抗需求等多维度因素，各因素之间存在复杂的相互作用关系。现有治疗方案制定过程中，医生需要综合分析大量临床指标，并在不同拔牙策略、牙齿移动方式及支抗控制之间进行选择与权衡。同时，患者对于拔牙必要性、支抗辅助装置的使用以及治疗后面部形态变化等方面也具有较高关注。

3、目前，正畸治疗方案的设计仍主要依赖医生的临床经验及传统分析方法，对于不同治疗方案可能导致的牙齿移动过程及面部软组织变化缺乏准确、量化的预测手段。因此，如何在治疗前对不同正畸方案的预期治疗效果进行有效预测，并辅助医生和患者进行科学决策，仍是口腔正畸领域亟需进一步解决的问题。

技术实现思路

1、本发明为克服上述现有技术的缺陷，提供一种口腔正畸方案的效果预测与辅助决策方法及系统，能够提高口腔正畸治疗方案的效果预测可解释性以及方案决策的准确性和效率。

2、本发明一实施例提供一种口腔正畸方案的效果预测与辅助决策方法，包括以下步骤：

3、采集待治疗患者在治疗前的多维临床数据；其中，所述多维临床数据包括多维特征参数以及若干个预期治疗方案；

4、对所述多维临床数据进行预处理，并根据预处理后的多维临床数据，通过预先训练好的效果预测模型预测得到各所述预期治疗方案的预测治疗效果；其中，所述效果预测模型中包括可解释算法模块，所述可解释算法模块用于确定各所述多维特征参数对所述预测治疗效果的贡献度；

5、根据所述预测治疗效果，输出得到辅助决策报告。

6、进一步的，所述多维特征参数包括：所述待治疗患者的基本信息、模型信息以及头影测量信息；其中，

7、所述模型信息包括：上牙弓拥挤程度、下牙弓拥挤程度、磨牙关系、前牙覆、前牙覆盖以及spee曲线深度；

8、所述头影测量信息包括骨性指标信息、牙性指标信息以及软组织指标信息。

9、进一步的，所述对所述多维临床数据进行预处理，具体包括：

10、对所述多维特征参数中的分类变量进行编码处理；

11、对所述多维特征参数中的缺失数据进行规则化处理；

12、对所述多维特征参数中的异常测量值进行检测并提示复核；

13、对所述多维特征参数中的连续变量进行归一化处理。

14、进一步的，所述效果预测模型为bp人工神经网络模型，包括输入层、隐藏层和输出层；

15、所述输入层用于接收所述多维临床数据；

16、所述隐藏层通过非线性激活函数学习所述多维特征参数之间的非线性关系；

17、所述输出层用于输出所述预测治疗结果。

18、优选的，所述效果预测模型的类型还包括：深度神经网络模型；随机森林模型；梯度提升模型；支持向量回归模型；集成学习模型。

19、优选的，所述预测治疗结果包括：u1-sn变化量、l1-mp变化量、z角变化量、面凸角变化量、z角变化趋势分类以及面凸角变化趋势分类。

20、进一步的，所述可解释算法模块与所述效果预测模型的输出层连接，用于通过预设可解释算法确定各所述多维特征参数对预测治疗效果中各项参数的贡献方向和贡献程度；其中，所述预设可解释算法包括shap算法、特征排列重要性算法以及梯度归因算法。

21、进一步的，所述根据所述预测治疗效果，输出得到辅助决策报告，具体包括：

22、根据所述预测治疗结果，通过预设评价函数计算得到各所述预期治疗方案的综合美学评分；

23、分别根据各所述预期治疗方案的综合美学评分，对各所述预期治疗方案进行方案评价和推荐性排序；

24、根据各所述预期治疗方案对应的综合美学评分、方案评价、推荐性排序和关键贡献参数，生成得到所述辅助决策报告；其中，所述关键贡献参数根据各所述多维特征参数对所述预测治疗效果的贡献度确定。

25、优选的，所述预设评价函数包括牙性改善函数和侧貌改善函数；其中，

26、所述牙性评分函数通过u1-sn变化量和l1-mp变化量联合计算得到牙性改善评分，用于评价上下前牙倾斜变化及牙性代偿状态；

27、所述侧貌改善函数通过z角变化量和面凸角变化量联合计算得到侧貌改善评分，用于评价软组织侧貌变化。

28、本发明另一实施例提供一种口腔正畸方案的效果预测与辅助决策系统，包括：采集模块、预测模块以及决策模块；

29、所述采集模块用于采集待治疗患者在治疗前的多维临床数据；其中，所述多维临床数据包括多维特征参数以及若干个预期治疗方案；

30、所述预测模块用于对所述多维临床数据进行预处理，并根据预处理后的多维临床数据，通过预先训练好的效果预测模型预测得到各所述预期治疗方案的预测治疗效果；其中，所述效果预测模型中包括可解释算法模块，所述可解释算法模块用于确定各输入变量对所述预测治疗效果的贡献度；

31、所述决策模块用于根据所述预测治疗效果，输出得到辅助决策报告。

32、相较于现有技术，本发明的有益效果在于：

33、本发明通过融合患者多维临床数据、影像学数据及正畸治疗方案信息，并结合人工智能预测模型，实现了对不同治疗方案下牙齿移动及面部软组织侧貌变化的定量预测，提高了治疗效果评估的准确性和客观性。

34、同时，本发明通过可解释人工智能分析识别影响预测结果的关键因素，提高模型的透明性和临床应用可信度，并通过生成辅助决策报告直观展示预测效果及风险提示，为个性化正畸方案制定和医患沟通提供有效参考。

1.一种口腔正畸方案的效果预测与辅助决策方法，其特征在于，包括如下步骤：

2.如权利要求1所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述多维特征参数包括：所述待治疗患者的基本信息、模型信息以及头影测量信息；其中，

3.如权利要求1所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述对所述多维临床数据进行预处理，具体包括：

4.如权利要求1所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述效果预测模型为bp人工神经网络模型，包括输入层、隐藏层和输出层；

5.如权利要求4所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述效果预测模型的类型还包括：深度神经网络模型；随机森林模型；梯度提升模型；支持向量回归模型；集成学习模型。

6.如权利要求4-5任一项所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述预测治疗结果包括：u1-sn变化量、l1-mp变化量、z角变化量、面凸角变化量、z角变化趋势分类以及面凸角变化趋势分类。

7.如权利要求6所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述可解释算法模块与所述效果预测模型的输出层连接，用于通过预设可解释算法确定各所述多维特征参数对预测治疗效果中各项参数的贡献方向和贡献程度；其中，所述预设可解释算法包括shap算法、特征排列重要性算法以及梯度归因算法。

8.如权利要求6所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述根据所述预测治疗效果，输出得到辅助决策报告，具体包括：

9.如权利要求8所述的口腔正畸方案的效果预测与辅助决策方法，其特征在于，所述预设评价函数包括牙性改善函数和侧貌改善函数；其中，

10.一种口腔正畸方案的效果预测与辅助决策系统，其特征在于，包括：采集模块、预测模块以及决策模块；