用于跟踪牙齿移动的方法技术

公开了一种用于训练神经网络的方法，所述神经网络旨在分析更新患者的牙齿状况，所述方法包括以下步骤：A)创建与牙体和关联于所述牙体的空间属性相关的历史学习数据库；所述历史学习数据库包括多于1000个历史记录，每个历史记录与相应的历史患者相关，并且包括：

【技术实现步骤摘要】
【国外来华专利技术】用于跟踪牙齿移动的方法


[0001]本专利技术涉及一种用于训练旨在分析患者牙齿状况的神经网络的方法、一种实现了如此训练的神经网络的用于分析患者牙齿状况的方法、以及一种用于确定牙体的移动量、特别是用于监测主动正畸装置的活动或被动正畸装置的有效性丧失的方法。

技术介绍

[0002]申请人已经开发了用于在正畸治疗之前、期间或之后远程监测患者牙齿状况的方法。这些方法依赖于将患者在更新时刻通过手机拍摄的照片与至少一个牙弓的三维数字模型的视图进行比较。
[0003]更具体地，通常使用3D扫描仪在初始时刻创建牙弓的初始模型，然后将其划分为多个牙齿模型。在患者获取照片后，通过移动牙齿模型，使初始模型变形，以便与照片最佳匹配。然后，初始模型与由此获得的变形模型的比较提供与牙齿从初始时刻起的移动相关的信息。由于初始模型是非常精确的，因此有利地，对于变形模型，以及因此对于从所述比较得到的信息，情况也是如此。
[0004]这些方法特别在PCT/EP2015/074868或PCT/EP2015/074859中有所描述。
[0005]这些方法需要大量的计算资源，特别是以便移动牙齿模型。通常，需要几个小时的计算机处理来评估牙齿状况。
[0006]此外，这些方法需要创建初始模型，因此患者需要前往正畸医生那里，然后使用3D扫描仪。这种手术费用昂贵，并且对患者来说可能不愉快。
[0007]因此，需要一种允许提供对患者的远程监测并且不具有上述缺点的方法。
[0008]本专利技术的目的是至少部分地解决这些要求。

技术实现思路

[0009]本专利技术提出了一种用于训练神经网络的方法，该神经网络旨在分析更新患者的牙齿状况，所述方法包括以下步骤：
[0010]A)创建与牙体(例如，13号牙齿)和与所述牙体相关联的空间属性(例如，第13号牙齿的重心位置)相关的历史学习数据库；
[0011]所述历史学习数据库包括多于1000个历史记录，每个历史记录与相应的历史患者相关，包括：
[0012]‑
历史图像的集合，所述历史图像全部描绘所述历史患者的所述牙体，称为“历史牙体”；和
[0013]‑
空间信息项，该空间信息项包括用于所述历史患者的所述空间属性的值的集合，称为“历史空间信息”，即，在所考虑的示例中，确定历史患者的13号牙齿的重心位置的值；
[0014]B)通过向所述神经网络提供所述历史图像的集合作为输入并且将所述历史空间信息作为输出来训练所述神经网络。
[0015]在训练之后，所述神经网络因此能够确定与历史学习数据库的历史图像的集合兼
容的更新图像的集合的更新空间信息项，并且该更新空间信息项作为输入被输入到所述神经网络中。
[0016]优选地，历史学习数据库专门用于确切的牙体和具有有限变量的空间属性，这提高了其性能。优选地，历史记录的历史图像的数量仍然是有限的，这允许随后使用该专门的神经网络而不必向其提供许多图像。
[0017]根据本专利技术的训练方法优选地具有以下(一个或多个)可选特征中的一者或多者：
[0018]‑
神经网络是卷积的(CNN，“卷积神经网络”)；
[0019]‑
空间属性定义了：
[0020]‑
牙体的一个或多个值得注意的点在三维参考系中的位置，例如，相对于所考虑的患者的牙弓或相对于所考虑的患者的牙齿的点固定；和/或
[0021]‑
在牙体的值得注意的点之间和/或在所述牙齿体的值得注意的点与另一点之间的一个或多个向量，所述另一点特别是所考虑的患者的值得注意的点，优选所考虑的患者的口腔的值得注意的点；
[0022]‑
牙体是一个牙齿或少于5个的牙齿集合，优选少于4个的牙齿集合；
[0023]‑
历史牙体是具有预定编号的牙齿、或包括具有预定编号的一个牙齿和与该牙齿相邻的一个或两个牙齿的牙齿集合；
[0024]‑
所述空间属性包括少于30个、优选少于20个、优选少于10个变量；
[0025]‑
任何历史记录的历史图像的集合都包括多于两个、优选多于三个、优选多于5个、优选多于6个，和/或少于30个、优选少于20个、优选少于15个、优选少于10个历史图像；
[0026]‑
以从一组潜在视角或“标准视角”中选择的一视角获取任何历史记录的历史图像的集合中的每个历史图像，所述一组潜在视角或“标准视角”包括多于2个、优选多于4个、优选多于4个，和/或少于30个、优选少于20个、优选少于10个潜在视角；
[0027]‑
以不同的视角获取任意历史图像的集合中的至少三个历史图像，优选地，任意历史图像的集合中的所有历史图像；
[0028]‑
历史图像是实色照片，描绘了人眼可以感知的牙科场景和/或没有描绘牙科牵开器和/或是口外的；
[0029]‑
历史图像是在距历史患者可变距离处获取的，然后在它们所描绘的牙体周围进行裁剪。
[0030]因此，本专利技术涉及一种用于分析被称为“更新患者”的患者在更新时刻的牙齿状况的方法，所述方法包括以下步骤：
[0031]a)在所述更新时刻之前，依照根据本专利技术的训练方法训练神经网络；
[0032]b)在所述更新时刻，通过图像获取设备获取与所述神经网络兼容并描绘所述更新患者的称为“更新牙体”的所述牙体的更新图像的集合；
[0033]c)通过所述神经网络分析所述更新图像的集合，以便获得空间信息项，所述空间信息项包括用于所述更新患者的所述空间属性的值的集合，称为“更新空间信息”。
[0034]牙科场景的图像，例如照片，是该牙科场景在平面中投影的结果。如果牙科场景的牙体的形状是已知的，或者如果牙齿场景中被描绘并连接到牙体的另一物体的形状是未知的，则在图像上对牙齿场景中的牙体的描绘的分析可以提供空间信息。然而，一般来说，患者的牙体、特别是牙齿的形状是未知的。因此，对牙科场景的图像的简单分析通常不允许为
牙体确定可靠的空间信息。
[0035]根据3D扫描仪的原理，分析相同牙科场景的多个图像可以提供关于所述牙科场景的牙体的精确空间信息，即使该牙体的形状未知。然而，在图像上识别牙体并比较图像需要长时间且昂贵的操作。
[0036]如将在整个说明书的其余部分中更详细地看到的，并且非常意外地，专利技术人已经发现，使用神经网络允许根据简单的图像、特别是根据照片以非常高的精度获得空间信息。特别是，他们惊奇地发现，空间信息的误差可以小于1mm、小于0.5mm、甚至小于0.3mm，而无需求助于患者牙弓的三维模型。在本专利技术之前，这种精度实际上被认为是不可能完全根据图像中实现的，除非进行复杂的处理，例如使用3D扫描仪进行处理。特别地，使用简单的照片，例如患者自己拍摄的照片，这似乎是不可能实现的。
[0037]测试表明，即使当图像是使用简单的手机拍摄的照片而没有任何特别注意时，即使当更新患者没有佩戴牙科牵开器并且手机不必固本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于训练神经网络的方法，所述神经网络旨在分析更新患者的牙齿状况，所述方法包括以下步骤：A)创建与牙体和关联于所述牙体的空间属性相关的历史学习数据库；所述历史学习数据库包括多于1000个历史记录，每个历史记录与相应的历史患者相关，并且包括：
‑
历史图像的集合，所述历史图像全部描绘所述历史患者的所述牙体，称为“历史牙体”；和
‑
空间信息项，所述空间信息项包括用于所述历史患者的所述空间属性的值的集合，称为“历史空间信息”；B)通过向所述神经网络提供所述历史图像的集合作为输入并且将所述历史空间信息作为输出来训练所述神经网络，其中，所述空间属性定义三维参考系中变量的有序序列。2.如紧接的前一项权利要求所述的训练方法，其中，所述神经网络是卷积的。3.如前述权利要求中任一项所述的训练方法，其中，所述空间属性定义：
‑
所述牙体的一个或多个值得注意的点在三维参考系中的位置；和/或
‑
在所述牙体的值得注意的点之间和/或在所述牙体的值得注意的点与另一点之间的一个或多个向量。4.如前述权利要求中任一项所述的训练方法，其中：
‑
所述牙体是一个牙齿或少于5个牙齿的集合；和/或
‑
所述空间属性包括少于30个变量；和/或
‑
任何历史记录的所述历史图像的集合都包括多于两个且少于30个历史图像；和/或
‑
任何历史记录的所述历史图像的集合中的每个历史图像都具有从一组潜在视角中选择的一视角，所述一组潜在视角包括多于2个且少于30个潜在视角；和/或
‑
任意历史图像的集合中的至少三个历史图像具有不同的视角。5.如前述权利要求中任一项所述的训练方法，其中，所述历史牙体是具有预定编号的牙齿、或包括具有预定编号的牙齿和与该牙齿相邻的一个或两个牙齿的牙齿集合。6.如前述权利要求中任一项所述的训练方法，其中，所述历史图像是实色照片，和/或没有描绘牙科牵开器，和/或者是口外的。7.一种用于分析被称为“更新患者”的患者在更新时刻的牙齿状况的方法，所述方法包括以下步骤：a)在所述更新时刻之前，根据如前述权利要求中任一项所述的训练方法训练神经网络；b)在所述更新时刻，通过图像获取设备获取与所述神经网络兼容并描绘所述更新患者的称为“更新牙体”的所述牙体的更新图像的集合；c)通过所述神经网络分析所述更新图像的集合，以便获得空间信息项，所述空间信息项包括用于所述更新患者的空间属性的值的集合，称为“更新空间信息”。8.如紧接的前一项权利要求所述的分析方法，其中，所述更新图像是实色照片和/或是口外的，和/或其中，在步骤b)中，所述图像获取设备是手机和/或所述更新患者没有佩戴牙科牵开器。9.如紧接的前两项权利要求中任一项所述的分析方法，其中，在步骤b)中，所述更新患
者佩戴牙科牵开器。10.如紧接的前三项权利要求中任一项所述的分析方法，其中：在步骤a)中，使用相应的历史学习数据库来训练多个神经网络，所述历史学习数据库的不同之处在于它们与不同的牙体和/或不同的空间属性相关，从而获得多个专用神经网络；在步骤b)中，为每个所述专用神经网络获取更新图像并且根据所述更新图像生成更新图像的集合；在步骤c)中，通过相应的专用神经网络分析所述更新图像的集合中的每一个，以获得多个更新的空间信息项。11.如紧接的前一项权利要求所述的分析方法，其中，在步骤a)中，每个历史学习数据库与具有特定于所述历史学习数据库的编号的牙齿相关，或每个历史学习数据库与牙齿组相关，其中所述组中的牙齿的编号对于所述历史学习数据库是特定的。12.如紧接的前五项权利要求中任一项所述的分析方法，其中，更新的空间信息用于评估是否达到目标和/或测量在所述更新时刻所述更新患者的牙齿状况与所述目标的实现之间的差异，其中，所述目标选自以下目标：
‑
所述更新患者实现犬齿的1级咬合；
‑
所述更新患者实现臼齿的1级咬合；
‑
所述更新患者的前扇区的空间被封闭；
‑
由所述更新患者的牙齿的拔除所产生的空间被封闭；
‑
所述更新患者具有正常的水平突出；
‑
所述更新患者具有...

【专利技术属性】
技术研发人员：托马斯，
申请(专利权)人：牙科监测公司，
类型：发明
国别省市：