一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于NLP技术的卡环确定方法、装置、设备及介质


[0001]本专利技术涉及下一代信息网络产业领域，尤其涉及一种基于
NLP
技术的卡环确定方法
、
装置
、
设备及介质
。

技术介绍

[0002]可摘局部义齿是修复牙列缺损患者的一种主要修复方式，目前临床上主要采用的是金属支架式可摘局部义齿修复
。
可摘局部义齿修复的设计决定着义齿的固位和稳定效果，因此在基牙上放置合适的固位体至关重要
。
常规可摘局部义齿的固位体主要采用的各种卡环类型，针对基牙的不同位置和特点需要选择合适的卡环类型
。
而自然语言处理技术
(Natural Language Processing,NLP
技术
)
是研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法
。
[0003]然而临床上很多医师其实对放置哪一类卡环更为合适经常不能确定，需要翻阅书籍或者就直接选择常规的三臂卡环设计，但是这样的义齿支架设计效果常常达不到患者满意的效果
。
因此，现有可摘局部义齿设计的卡环选择存在不准确的问题
。
[0004]因此，亟需一种卡环确定策略，从而解决现有可摘局部义齿设计的卡环选择不准确的问题
。

技术实现思路

[0005]本专利技术实施例提供一种基于
NLP
技术的卡环确定方法
、
装置
、r/>设备及介质，以提高可摘局部义齿设计的卡环选择的准确率
。
[0006]为了解决上述问题，本专利技术一实施例提供一种基于
NLP
技术的卡环确定方法，包括：
[0007]获取待检测用户牙列缺损情况对应的文字数据；
[0008]将所述文字数据输入到预设的卡环匹配模型，输出获得与所述文字数据对应的卡环结构数据；其中，所述卡环匹配模型通过将标注有卡环结构数据的训练语句与所述文字数据进行匹配；
[0009]基于所述卡环结构数据为所述待检测用户选择目标卡环
。
[0010]作为上述方案的改进，所述卡环匹配模型的训练方法，包括：
[0011]获取若干含牙列缺损情况的文字语句；
[0012]对每一所述文字语句进行卡环结构数据的标记，获得每一所述文字语句对应的训练语句，并将每一所述训练语句输入到数据库中；
[0013]将所述训练语句输入到自然语言处理模型中进行训练，获得卡环匹配模型；其中，所述自然语言处理模型根据每一所述含牙列缺损情况的训练语句和每一所述训练语句对应的卡环结构数据进行学习
。
[0014]作为上述方案的改进，所述卡环匹配模型通过将标注有卡环结构数据的训练语句与所述文字数据进行匹配，包括：
[0015]所述卡环匹配模型在接收到文字数据后，将所述文字数据与数据库中的若干已标注卡环结构数据的训练语句进行相似度匹配，获得相似度匹配结果；
[0016]所述卡环匹配模型选取相似度匹配结果大于相似度阈值所对应的训练语句，作为目标语句；
[0017]所述卡环匹配模型输出所述目标语句对应的卡环结构数据
。
[0018]作为上述方案的改进，所述文字数据包括：病历源文字数据
、
图像源文字数据和模型源文字数据；所述获取待检测用户牙列缺损情况对应的文字数据，包括：
[0019]获取待检测用户的牙列缺损情况数据；
[0020]对所述牙列缺损情况数据进行判断；
[0021]若所述牙列缺损情况数据的种类为电子病历，则直接调取电子病历种类对应的牙列缺损情况数据中的病历源文字数据；
[0022]若所述牙列缺损情况数据的种类为图像，则将图像种类对应的牙列缺损情况数据输入到预设的图像识别模型中，输出获得图像源文字数据；其中，所述图像识别模型通过将标注有图像源文字的训练图像数据输入到卷积神经网络中训练获得；
[0023]若所述牙列缺损情况数据的种类为三维模型，则将三维模型种类对应的牙列缺损情况数据输入到预设的三维模型识别模型中，输出获得模型源文字数据；其中，所述三维模型识别模型通过将标注有模型源文字的训练三维模型数据输入到卷积神经网络中训练获得
。
[0024]作为上述方案的改进，所述卡环结构数据包括：圈形卡环
、
对半卡环
、
延伸卡环
、
连续卡环
、
联合卡环
、
回力卡环
、
倒钩卡环
、
尖牙卡环和杆型卡环
。
[0025]相应的，本专利技术一实施例还提供了一种基于
NLP
技术的卡环确定装置，包括：数据获取模块
、
数据处理模块和结果生成模块；
[0026]所述数据获取模块，用于获取待检测用户牙列缺损情况对应的文字数据；
[0027]所述数据处理模块，用于将所述文字数据输入到预设的卡环匹配模型，输出获得与所述文字数据对应的卡环结构数据；其中，所述卡环匹配模型通过将标注有卡环结构数据的训练语句与所述文字数据进行匹配；
[0028]所述数据结果模块，用于基于所述卡环结构数据为所述待检测用户选择目标卡环
。
[0029]作为上述方案的改进，所述卡环匹配模型的训练方法，包括：
[0030]获取若干含牙列缺损情况的文字语句；
[0031]对每一所述文字语句进行卡环结构数据的标记，获得每一所述文字语句对应的训练语句，并将每一所述训练语句输入到数据库中；
[0032]将所述训练语句输入到自然语言处理模型中进行训练，获得卡环匹配模型；其中，所述自然语言处理模型根据每一所述含牙列缺损情况的训练语句和每一所述训练语句对应的卡环结构数据进行学习
。
[0033]作为上述方案的改进，所述卡环匹配模型通过将标注有卡环结构数据的训练语句与所述文字数据进行匹配，包括：
[0034]所述卡环匹配模型在接收到文字数据后，将所述文字数据与数据库中的若干已标注卡环结构数据的训练语句进行相似度匹配，获得相似度匹配结果；
[0035]所述卡环匹配模型选取相似度匹配结果大于相似度阈值所对应的训练语句，作为目标语句；
[0036]所述卡环匹配模型输出所述目标语句对应的卡环结构数据
。
[0037]作为上述方案的改进，所述文字数据包括：病历源文字数据
、
图像源文字数据和模型源文字数据；所述数据获取模块，包括：牙列缺损情况数据获取单元
、
数据判断单元
、
第一判断结果单元
、
第二判断结果单元和第三判断结果单元；
[0038]所述牙列缺损情况数据获取单元，用于获取待检测用户的牙列缺损情况数据；
[0039]所述数据判断单元，用于对所述牙列缺损情况数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
NLP
技术的卡环确定方法，其特征在于，包括：获取待检测用户牙列缺损情况对应的文字数据；将所述文字数据输入到预设的卡环匹配模型，输出获得与所述文字数据对应的卡环结构数据；其中，所述卡环匹配模型通过将标注有卡环结构数据的训练语句与所述文字数据进行匹配；基于所述卡环结构数据为所述待检测用户选择目标卡环
。2.
根据权利要求1所述的基于
NLP
技术的卡环确定方法，其特征在于，所述卡环匹配模型的训练方法，包括：获取若干含牙列缺损情况的文字语句；对每一所述文字语句进行卡环结构数据的标记，获得每一所述文字语句对应的训练语句，并将每一所述训练语句输入到数据库中；将所述训练语句输入到自然语言处理模型中进行训练，获得卡环匹配模型；其中，所述自然语言处理模型根据每一所述含牙列缺损情况的训练语句和每一所述训练语句对应的卡环结构数据进行学习
。3.
根据权利要求2所述的基于
NLP
技术的卡环确定方法，其特征在于，所述卡环匹配模型通过将标注有卡环结构数据的训练语句与所述文字数据进行匹配，包括：所述卡环匹配模型在接收到文字数据后，将所述文字数据与数据库中的若干已标注卡环结构数据的训练语句进行相似度匹配，获得相似度匹配结果；所述卡环匹配模型选取相似度匹配结果大于相似度阈值所对应的训练语句，作为目标语句；所述卡环匹配模型输出所述目标语句对应的卡环结构数据
。4.
根据权利要求1所述的基于
NLP
技术的卡环确定方法，其特征在于，所述文字数据包括：病历源文字数据
、
图像源文字数据和模型源文字数据；所述获取待检测用户牙列缺损情况对应的文字数据，包括：获取待检测用户的牙列缺损情况数据；对所述牙列缺损情况数据进行判断；若所述牙列缺损情况数据的种类为电子病历，则直接调取电子病历种类对应的牙列缺损情况数据中的病历源文字数据；若所述牙列缺损情况数据的种类为图像，则将图像种类对应的牙列缺损情况数据输入到预设的图像识别模型中，输出获得图像源文字数据；其中，所述图像识别模型通过将标注有图像源文字的训练图像数据输入到卷积神经网络中训练获得；若所述牙列缺损情况数据的种类为三维模型，则将三维模型种类对应的牙列缺损情况数据输入到预设的三维模型识别模型中，输出获得模型源文字数据；其中，所述三维模型识别模型通过将标注有模型源文字的训练三维模型数据输入到卷积神经网络中训练获得
。5.
根据权利要求1至4任意一项所述的基于
NLP
技术的卡环确定方法，其特征在于，所述卡环结构数据包括：圈形卡环...

【专利技术属性】
技术研发人员：刘曼，王旭，张聪，
申请(专利权)人：深圳职业技术学院，
类型：发明
国别省市：