识别假体插入区域的方法及电子装置与流程

摘要: 本发明涉及一种识别假体插入区域的方法及电子装置。背景技术:1、通常,为了制作假体,可利用插入至患者的口腔内部以获取口腔内部的图像的三维扫描仪(scanner)。...
识别假体插入区域的方法及电子装置与流程

本发明涉及一种识别假体插入区域的方法及电子装置。

背景技术:

1、通常,为了制作假体,可利用插入至患者的口腔内部以获取口腔内部的图像的三维扫描仪(scanner)。例如,医生可将三维扫描仪插入至患者的口腔内部,扫描患者的牙齿、牙龈和/或软组织,获取患者的口腔的多个二维图像(以下,称为牙齿扫描数据),并应用三维建模技术,构建患者的口腔的三维图像(以下,称为三维口腔模型)。

2、之后,需要设定用于在三维口腔模型上插入假体的区域。其中,用于插入假体的区域可包括用于表示三维口腔模型上的闭合路径(closed path)的边缘线(margin line)。边缘线用于界定假体插入至患者的口腔内时外漏部分(或外表面)与其余部分(或内表面)之间的边界,能够对假体是否正常贴合并支撑患者的口腔结构的效果产生决定性影响。尤其,嵌体(inlay)或高嵌体(onlay)等假体可能起伏较多,因此,对边缘线进行精细校正的频繁工作可能会耗费大量时间。因此,亟需一种自动识别或生成用于插入假体的区域和/或边缘线的技术。

技术实现思路

1、技术问题

2、为了解决如上所述的问题,本发明提供一种识别假体插入区域的方法及电子装置。

3、技术方案

4、本发明可通过包括方法、装置(系统)和/或记录有用于在计算机执行的指令的计算机可读的非暂时性记录介质在内的多种方式实现。

5、根据本发明一实施例,识别假体插入区域的方法由至少一个处理器执行,所述方法可包括如下步骤:获取牙齿扫描数据;基于牙齿扫描数据,生成三维口腔模型;以及利用第一机器学习模型,识别用于在三维口腔模型上插入假体的区域。

6、根据一实施例,识别假体插入区域的方法还可以包括如下步骤:利用第二机器学习模型,识别与对应于三维口腔模型的牙齿相关的信息;以及基于与牙齿相关的信息,识别三维口腔模型所包括的牙齿。

7、根据一实施例,与牙齿相关的信息可包括:牙齿的识别编号、对应于牙齿的包围盒的位置和尺寸、对应于牙齿的分割掩模的位置和尺寸或牙齿的中心点中的至少一个。

8、根据一实施例,第二机器学习模型可被学习为,将对三维口腔模型所包括的三维网格数据以用于在预定方向的视图中识别牙齿区域的标记进行过滤之后再进行曲率分析而生成的二维图像作为输入,输出与对应于三维口腔模型的牙齿相关的信息。

9、根据一实施例,第二机器学习模型可被学习为,将在三维口腔模型所包括的三维网格数据进行曲率分析并以用于在预定方向的视图中识别牙齿区域的标记进行过滤之后生成的二维图像作为输入,输出与对应于三维口腔模型的牙齿相关的信息。

10、根据一实施例,识别区域的步骤可包括如下步骤:通过应用测试时增强(tta)的网络推理,生成多个三维牙齿数据,所述多个三维牙齿数据已识别用于插入假体的区域;以及利用多数表决方式,从多个三维牙齿数据中选择最终三维牙齿数据。

11、根据一实施例,应用tta的网络推理可包括如下步骤:将通过把三维牙齿数据沿着多个不同方向旋转而获取的多个三维牙齿数据输入至第一机器学习模型。

12、根据一实施例,识别假体插入区域的方法还可以包括如下步骤:利用基于密度的空间聚类(dbscan)或连接分量分析(connected component analysis)中的至少一个,对用于插入最终三维牙齿数据中识别的假体的区域进行校正。

13、根据一实施例,第一机器学习模型可利用第一学习数据或第二学习数据中的至少一个进行学习,第一学习数据包括利用正常牙齿数据及假体数据生成的插入有假体的牙齿数据,第二学习数据包括插入有假体的牙齿数据及在牙齿数据中对插入有假体的区域进行标注的数据。

14、根据一实施例,第一机器学习模型所使用的学习数据中的牙齿数据可将牙齿数据所包括的网格转换为点云之后进行降采样再加以使用。

15、根据一实施例,第一机器学习模型可包括基于点网络(pointnet)、点网络++(pointnet++)、动态图卷积神经网络(dgcnn)或点变换器(point transformer)中的至少一个的模型。

16、根据一实施例,识别假体插入区域的方法还可以包括如下步骤:基于所识别的区域,生成用于表示三维口腔模型上的闭合路径的边缘线。

17、根据一实施例,识别假体插入区域的方法还可以包括如下步骤:基于用户输入,对边缘线进行校正。

18、根据一实施例,识别假体插入区域的方法还可以包括如下步骤:基于所识别的区域,生成用于生成假体的假体数据;以及基于上下颌的咬合数据,对假体数据进行校正。

19、本发明一实施例提供的计算机可读的非暂时性记录介质可记录有用于在计算机执行识别假体插入区域的方法的指令。

20、根据本发明一实施例,电子装置可包括:存储器;以及至少一个处理器,与存储器相连接,用于执行存储器所包括的计算机可读的至少一个程序,至少一个程序可包括执行如下步骤的指令:获取牙齿扫描数据;基于牙齿扫描数据,生成三维口腔模型;以及利用机器学习模型,识别用于在三维口腔模型上插入假体的区域。

21、发明的效果

22、根据本发明的部分实施例,通过利用机器学习模型,识别用于在三维口腔模型上插入假体的区域,能够无需用户的手动操作而自动识别或生成假体插入区域及边缘线,因此,可在假体制作过程中提升用户便利性。

23、本发明的效果并不局限于以上提及的效果,本发明所属技术领域的普通技术人员(简称为“普通技术人员”)可通过发明要求保护范围的记载明确理解未提及的其他效果。

1.一种识别假体插入区域的方法,由至少一个处理器执行,其特征在于,包括如下步骤:

2.根据权利要求1所述的识别假体插入区域的方法,其特征在于,还包括如下步骤:

3.根据权利要求2所述的识别假体插入区域的方法,其特征在于,与所述牙齿相关的信息包括所述牙齿的识别编号、对应于所述牙齿的包围盒的位置和尺寸、对应于所述牙齿的分割掩模的位置和尺寸或所述牙齿的中心点中的至少一个。

4.根据权利要求2所述的识别假体插入区域的方法,其特征在于,所述第二机器学习模型被学习为,将对所述三维口腔模型所包括的三维网格数据以用于在预定方向的视图中识别牙齿区域的标记进行过滤之后再进行曲率分析而生成二维图像作为输入,输出与对应于所述三维口腔模型的所述牙齿相关的信息。

5.根据权利要求2所述的识别假体插入区域的方法,其特征在于,所述第二机器学习模型被学习为,将在所述三维口腔模型所包括的三维网格数据中进行曲率分析并以用于在预定方向的视图中识别牙齿区域的标记进行过滤之后生成的二维图像作为输入,输出与对应于所述三维口腔模型的所述牙齿相关的信息。

6.根据权利要求1所述的识别假体插入区域的方法,其特征在于,识别所述区域的步骤包括如下步骤:

7.根据权利要求6所述的识别假体插入区域的方法,其特征在于,所述应用测试时增强的网络推理包括如下步骤:将通过把三维牙齿数据沿着多个不同方向旋转而获取的所述多个三维牙齿数据输入至所述第一机器学习模型。

8.根据权利要求6所述的识别假体插入区域的方法,其特征在于,还包括如下步骤:利用基于密度的空间聚类或连接分量分析中的至少一个,对用于插入所述最终三维牙齿数据中识别的假体的区域进行校正。

9.根据权利要求1所述的识别假体插入区域的方法,其特征在于,

10.根据权利要求1所述的识别假体插入区域的方法,其特征在于,所述第一机器学习模型所使用的学习数据中的牙齿数据将所述牙齿数据所包括的网格转换为点云之后进行降采样再加以使用。

11.根据权利要求1所述的识别假体插入区域的方法,其特征在于,所述第一机器学习模型包括基于点网络、点网络++、动态图卷积神经网络或点变换器中的至少一个的模型。

12.根据权利要求1所述的识别假体插入区域的方法,其特征在于,还包括如下步骤:基于所识别的所述区域,生成用于表示所述三维口腔模型上的闭合路径的边缘线。

13.根据权利要求12所述的识别假体插入区域的方法,其特征在于,还包括如下步骤:基于用户输入,对所述边缘线进行校正。

14.根据权利要求1所述的识别假体插入区域的方法,其特征在于,还包括如下步骤:

15.一种计算机可读的非暂时性记录介质,其特征在于,记录有用于在计算机执行根据权利要求1所述的方法的指令。

16.一种电子装置,其特征在于,