一种基于多变量决策树的义齿模板人工智能匹配设计方法技术

本发明专利技术涉及一种基于多变量决策树的义齿模板人工智能匹配设计方法，包括步骤：1)用若干种型号成品人工牙和基托蜡，在机械牙合架上批量手工制作全口义齿人工牙列与边缘龈模型；2)扫描获取三维数据；3)根据多个变量将扫描数据进行目录树分类，获得模板数据库；4)扫描当前拟进行全口义齿修复测量数据，按照步骤3)的顺序进行逐级筛选；5)将选出的设计模板匹配到患者的上下颌牙槽嵴上；6)微调空间位置与姿态后，生成基托与全口义齿设计结果。本发明专利技术能将患者的牙槽嵴数据与模板数据库中的标准义齿模板数据精准匹配，从而得到适合于当前患者的义齿专家设计模板，省略了技师手动制作步骤，提高了全口义齿设计的自动化程度，提高了效率。

Artificial intelligence matching design method of denture template based on multivariable decision tree

【技术实现步骤摘要】
一种基于多变量决策树的义齿模板人工智能匹配设计方法
本专利技术涉及一种全口义齿人工智能设计方法，具体涉及一种基于多变量决策树的义齿模板人工智能匹配设计方法。
技术介绍
现有的全口义齿数字化设计软件，需要对28颗人工牙逐牙进行设计，每颗牙齿6个自由度，28颗牙齿共有168个自由度，均需要用鼠标和键盘进行交互式调整，费时费力且功能美学效果欠佳。而对于已经习惯于在石膏模型上手工排牙和雕塑蜡基托的医学专家来说，在计算机屏幕上完成上述复杂交互操作，是全新的挑战。理论上可行，但实际操作中难度极大。主要难点在于：一是义齿设计效率低下；二是义齿设计不能做到精准；三是不能根据患者的情况设定参数后自动完成义齿设计，从而实现自动化的过程。
技术实现思路
本专利技术的目的是提供一种基于多变量决策树的义齿模板人工智能匹配设计方法，能够将患者的牙槽嵴数据与模板库中的标准义齿模板数据进行高效率精准匹配，从而得到适合于当前患者的义齿专家设计模板，基于该模板进行进一步的全口义齿设计，从而省略了技师进行手动全程详细设计制作的步骤，提高了全口义齿设计的自动化程度，提高了全口义齿制作的效率。为了达到上述目的，本专利技术有如下技术方案：本专利技术的一种基于多变量决策树的义齿模板人工智能匹配设计方法，包括步骤：1)采用若干种型号成品人工牙和基托蜡，在安装于机械牙合架上的无牙颌患者模型上，批量手工制作全口义齿人工牙列与边缘龈实体模型；2)三维扫描获取上下颌义齿、上下颌无牙颌牙槽嵴及其空间位置关系的三维数据；r>3)根据前牙型号、后牙型号、颌弓尺寸、颌间关系、下颌运动多个变量将扫描数据进行目录树分类，获得全口义齿模板数据库；4)三维扫描当前拟进行全口义齿修复的无牙颌牙槽嵴三维数据，测量其各变量数值，然后按照步骤3)的顺序在模板数据库中进行逐级筛选；5)将选出设计模板匹配到当前拟修复患者的上下颌牙槽嵴上；6)微调空间位置与姿态后，生成基托与全口义齿设计结果。其中，所述步骤1)的模型，能按照牙科参数的多个变量逐级分类形成模板数据库。本专利技术的优点在于：本专利技术能够将患者的牙槽嵴数据与模板库中的标准义齿模板数据进行高效率精准匹配，从而得到适合于当前患者的义齿专家设计模板，基于该模板进行进一步的全口义齿设计，从而省略了技师进行手动全程详细设计制作的步骤，提高了全口义齿设计的自动化程度，提高了全口义齿制作的效率。具体实施方式以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。本专利技术的一种基于多变量决策树的义齿模板人工智能匹配设计方法，包括步骤：1)采用若干种型号成品人工牙和基托蜡，在安装于机械牙合架上的无牙颌患者模型上，批量手工制作全口义齿人工牙列与边缘龈实体模型；2)三维扫描获取上下颌义齿、上下颌无牙颌牙槽嵴及其空间位置关系的三维数据；3)根据前牙型号、后牙型号、颌弓尺寸、颌间关系、下颌运动多个变量将扫描数据进行目录树分类，获得全口义齿模板数据库；4)三维扫描当前拟进行全口义齿修复的无牙颌牙槽嵴三维数据，测量其各变量数值，然后按照步骤3)的顺序在模板数据库中进行逐级筛选；5)将选出设计模板匹配到当前拟修复患者的上下颌牙槽嵴上；6)微调空间位置与姿态后，生成基托与全口义齿设计结果。所述步骤1)的模型，能按照牙科参数的多个变量逐级分类形成模板数据库。决策树是机器学习的一类常见算法，其核心思想是通过构建一个树状模型来对新样本进行预测。树的叶结点是预测结果，而所有非叶结点皆是一个个决策过程。多变量决策树：是一种人工智能算法，类似于分类目录；在学习任务的真实分类边界比较复杂时，必须使用很多段划分才能获得较好的近似，此时的决策树会相当复杂，由于要进行大量的属性测试，预测时间开销会很大。若能使用斜的划分边界，则决策树模型将大为简化，这就是多变量决策树(multivariatedecisiontree)。在此类决策树中，非叶结点不再是仅对某个属性，而是对属性的线性组合进行测试；换言之，每个非叶结点时一个形如线性回归的线性分类器了。多变量是否指步骤3)的多变量。是指前牙型号、后牙型号、颌弓尺寸、颌间关系、下颌运动多个变量，还包括这些变量的组会；例如前后牙之间的组合等。目录树：是指先根据第一个变量进行分类，然后在子类中再根据第二个变量进行分类，以此类推，形成树形结构的目录。如上所述，便可较为充分的实现本专利技术。以上所述仅为本专利技术的较为合理的实施实例，本专利技术的保护范围包括但并不局限于此，本领域的技术人员任何基于本专利技术技术方案上非实质性变性变更均包括在本专利技术包括范围之内。本文档来自技高网...

【技术保护点】
1.一种基于多变量决策树的义齿模板人工智能匹配设计方法，其特征在于包括步骤：/n1)采用若干种型号成品人工牙和基托蜡，在安装于机械牙合架上的无牙颌患者模型上，批量手工制作全口义齿人工牙列与边缘龈实体模型；/n2)三维扫描获取上下颌义齿、上下颌无牙颌牙槽嵴及其空间位置关系的三维数据；/n3)根据前牙型号、后牙型号、颌弓尺寸、颌间关系、下颌运动多个变量将扫描数据进行目录树分类，获得全口义齿模板数据库；/n4)三维扫描当前拟进行全口义齿修复的无牙颌牙槽嵴三维数据，测量其各变量数值，然后按照步骤3)的顺序在模板数据库中进行逐级筛选；/n5)将选出设计模板匹配到当前拟修复患者的上下颌牙槽嵴上；/n6)微调空间位置与姿态后，生成基托与全口义齿设计结果。/n

【技术特征摘要】
1.一种基于多变量决策树的义齿模板人工智能匹配设计方法，其特征在于包括步骤：
1)采用若干种型号成品人工牙和基托蜡，在安装于机械牙合架上的无牙颌患者模型上，批量手工制作全口义齿人工牙列与边缘龈实体模型；
2)三维扫描获取上下颌义齿、上下颌无牙颌牙槽嵴及其空间位置关系的三维数据；
3)根据前牙型号、后牙型号、颌弓尺寸、颌间关系、下颌运动多个变量将扫描数据进行目录树分类，获得全口义齿模板数据库；
4)三...

【专利技术属性】
技术研发人员：孙玉春，陈虎，邓珂慧，王勇，
申请(专利权)人：北京大学口腔医学院，
类型：发明
国别省市：北京;11