【技术实现步骤摘要】
本专利技术涉及一种牙科修复体的设计系统。
技术介绍
1、牙列缺损使患者的咀嚼、发音、吞咽等功能不同程度地受损，同时造成美观及心理上的不良影响。针对牙列缺损患者的修复方式多样，包括固定修复体、活动修复体和固定联合联合修复体。当修复体涉及跨牙弓设计时，其体积较大，而临床中患者正常张口度仅有3.7~4.5 cm，且部分患者存在张口度受限或口周肌肉紧张等问题，修复体常较难戴入及就位。同时，为保证修复体的固位，修复体的就位/脱位方向常需要与咬合力方向成角，设计方案对医师、技师技术能力以及医技沟通成本要求高。此外，口内空间有限，存在牙槽骨、对合牙等多种不可让组织，使得修复体的戴入和就位存在困难。
2、已有团队专利技术了一种牙科栓体栓道附着体用法，通过在种植覆盖义齿的杆卡末端增加栓体栓道，以辅助义齿就位的同时增强固位力（见于2020年11月24日公开的、公开号为cn112451138a、名称为《一种牙科栓体栓道附着体用法》的中国专利技术专利申请）。然而，该专利技术专利申请所设计的附着体的就位方式没有考虑到修复体整体的就位路径和方向，并不能解决修复体戴入和就位困难的问题，其本质仅是一种固位装置，没有将其与修复体的动态位置变化有机结合。
3、尽管当今数字化技术使得各种修复设计和制作成为可能，但跨牙弓修复体就位困难的问题仍尚未解决，主要存在以下几点技术缺陷：
4、1）针对跨牙弓和非跨牙弓修复体，目前修复体的设计与制作无数字化引导工作，不论是数字化设计软件，还是技师所提供的传统设计，他们的设计原则并没有差异，没有辅
5、2）修复体设计时未能将就位动态路径、就位方向和咬合力方向有机结合，设计软件无法模拟修复体动态就位路径及方向，目前就位方向与咬合力方向夹角的设计主要依赖于技师的经验和技术，没有数字化设计。
6、3）修复体设计时未考虑口内不可让组织的具体情况，修复体就位过程中可能受到对合牙或牙槽骨阻碍，但由于缺乏动态就位路径的模拟，无法判断不可让组织在就位路径中的阻碍位点。
7、4）即使设计时对修复体动态就位路径进行模拟，制作完成的修复体仍缺少一种引导性就位装置，无法引导修复体按预设的就位路径在口内顺利完成就位。
技术实现思路
1、本专利技术的目的是提出一种牙科修复体设计系统。
2、为了达到上述目的，本专利技术的技术方案是提供了一种牙科修复体设计系统，其特征在于，修复体模型生成模块，用于基于患者的个性化数据生成适合当前患者的包含基台的数字化修复体模型；
3、修复体就位路径生成模块，进一步包括：
4、口内就位位姿计算单元，用于根据数字化修复体模型在口腔外的初始位姿计算得到其在口腔内的就位位姿；
5、最优路径生成单元，对口腔虚拟场景进行三维网格化处理后，取包含数字化修复体模型的初始位姿的三维网格的中心立方体为路径规划的起始点，取包含数字化修复体模型的就位位姿的三维网格中心立方体为路径规划的目标点，取包含口腔其他组织的三维网格中心立方体为障碍点，计算得到从起始点到目标点的能够避开障碍点的最优就位路径；
6、引导就位装置生成模块，用于在数字化修复体模型的下杆卡末端设计形成一引导就位装置，该引导就位装置具有与修复体就位路径生成模块得到的最优就位路径末端方向一致的弧面形态，数字化修复体模型的上杆卡通过该弧面就位；
7、修复体制作模块，用于基于具有引导就位装置的数字化修复体模型生成修复体实物。
8、优选地，所述修复体模型生成模块基于训练后的gan模型实现，所述患者的个性化数据输入gan模型后，由u-net生成器生成所述数字化修复体模型。
9、优选地，所述gan模型采用以下步骤训练：
10、步骤101、收集临床信息，建立修复体设计数据库，进一步包括：
11、步骤1.1、收集整理既往患者的个性化数据，个性化数据包括临床及影像学资料，该临床及影像学资料进一步包括：
12、1）余留牙列及牙体硬组织情况；
13、2）口腔软组织情况；
14、3）口内扫描仪采集患者余留牙列三维数字模型；
15、4）面部扫描仪记录患者闭口、大张口状态下面部外形数据；
16、5）电子面弓记录的咬合关系；
17、6）cbct数据记录的患者牙槽骨及牙齿数据；
18、步骤1.2、该患者已由技师完成的修复体三维设计模型定义为真实样本，将患者临床及影像学资料和真实样本相匹配，建立修复体设计数据库；
19、步骤102、从修复体设计数据库选取数据建立修复体设计数据集，用于后续gan模型的训练与测试，将修复体设计数据集划分为训练集和测试集；
20、步骤103、对训练集中的个性化数据进行数据预处理，对于训练集中的患者余留牙列三维数字模型进行降采样，采用包括随机剪切和随机反转在内的数据增强操作，然后进行归一化；
21、步骤104、定义gan模型的生成器编码部分和判别器的超参数，并定义卷积核个数、大小和步长；
22、步骤105、定义gan模型的反向卷积填充策略和生成器解码器部分超参数，包括dropout率、卷积核个数、大小和步长；
23、步骤106、定义模型训练的学习率和学习率衰减速率、小样本大小以及epoch次数；
24、步骤107、随机初始化gan模型的网络参数，将预处理完的个性化数据输入u-net生成器，生成得到u-net生成器设计的修复体模型；
25、步骤108、将u-net生成器生成的修复体模型和训练集对应的真实样本输入patchgan鉴别器，根据预设的损失函数，计算鉴别器损失；
26、步骤109、将u-net生成器生成的修复体模型和训练集对应的真实样本直接进行u-net生成器均方误差损失计算并与patchgan鉴别器损失进行加和；
27、步骤110、gan模型根据预先定义的学习率进行梯度计算和反向传播，分别更新patchgan鉴别器和u-net生成器的参数；
28、步骤111、根据预先定义的小样本大小和epoch次数，将训练集分割为不同小样本，分批次输入gan模型进行一次参数更新，在遍历完一次训练集后，继续根据剩下的epoch的次数，继续进行数据遍历的参数更新；
29、步骤112、通过可视化加和的u-net生成器均方误差损失与patchgan鉴别器损失以及patchgan鉴别器损失是否有收敛趋势来决定调整模型超参数，包括epoch次数以及学习率大小；
30、步骤113、patchgan鉴别器无法分辨生成模型来自u-net生成器或是真实样本，完成gan模型的初步训练；
31、步骤114、将训练完成的gan模型应用于测试集，通过打乱混合gan模型设计的修复体模型和真实样本，交由技师进行分辨及评估设计方案，当gan模型表现良好时，其设计的修复体模型接近真实样本；...
【技术保护点】
1.一种牙科修复体设计系统，其特征在于，包括：修复体模型生成模块，用于基于患者的个性化数据生成适合当前患者的包含基台的数字化修复体模型；修复体就位路径生成模块，进一步包括：口内就位位姿计算单元，用于根据数字化修复体模型在口腔外的初始位姿计算得到其在口腔内的就位位姿；最优路径生成单元，对口腔虚拟场景进行三维网格化处理后，取包含数字化修复体模型的初始位姿的三维网格的中心立方体为路径规划的起始点，取包含数字化修复体模型的就位位姿的三维网格中心立方体为路径规划的目标点，取包含口腔其他组织的三维网格中心立方体为障碍点，计算得到从起始点到目标点的能够避开障碍点的最优就位路径；引导就位装置生成模块，用于在数字化修复体模型的下杆卡末端设计形成一引导就位装置，该引导就位装置具有与修复体就位路径生成模块得到的最优就位路径末端方向一致的弧面形态，数字化修复体模型的上杆卡通过该弧面就位；修复体制作模块，用于基于具有引导就位装置的数字化修复体模型生成修复体实物。
2.如权利要求1所述的一种牙科修复体设计系统，其特征在于，所述修复体模型生成模块基于训练后的GAN模型实现，所述患者的个性化数据输入
3.如权利要求2所述的一种牙科修复体设计系统，其特征在于，所述GAN模型采用以下步骤训练：步骤101、收集临床信息，建立修复体设计数据库，进一步包括：步骤1.1、收集整理既往患者的个性化数据，个性化数据包括临床及影像学资料，该临床及影像学资料进一步包括：1）余留牙列及牙体硬组织情况；2）口腔软组织情况；3）口内扫描仪采集患者余留牙列三维数字模型；4）面部扫描仪记录患者闭口、大张口状态下面部外形数据；5）电子面弓记录的咬合关系；6）CBCT数据记录的患者牙槽骨及牙齿数据；步骤1.2、该患者已由技师完成的修复体三维设计模型定义为真实样本，将患者临床及影像学资料和真实样本相匹配，建立修复体设计数据库；步骤102、从修复体设计数据库选取数据建立修复体设计数据集，用于后续GAN模型的训练与测试，将修复体设计数据集划分为训练集和测试集；步骤103、对训练集中的个性化数据进行数据预处理，对于训练集中的患者余留牙列三维数字模型进行降采样，采用包括随机剪切和随机反转在内的数据增强操作，然后进行归一化；步骤104、定义GAN模型的生成器编码部分和判别器的超参数，并定义卷积核个数、大小和步长；步骤105、定义GAN模型的反向卷积填充策略和生成器解码器部分超参数，包括 Dropout率、卷积核个数、大小和步长；步骤106、定义模型训练的学习率和学习率衰减速率、小样本大小以及epoch次数；步骤107、随机初始化GAN模型的网络参数，将预处理完的个性化数据输入U-net生成器，生成得到U-net生成器设计的修复体模型；步骤108、将U-net生成器生成的修复体模型和训练集对应的真实样本输入PatchGAN鉴别器，根据预设的损失函数，计算鉴别器损失；步骤109、将U-net生成器生成的修复体模型和训练集对应的真实样本直接进行U-net生成器均方误差损失计算并与PatchGAN鉴别器损失进行加和；步骤110、GAN模型根据预先定义的学习率进行梯度计算和反向传播，分别更新PatchGAN鉴别器和U-net生成器的参数；步骤111、根据预先定义的小样本大小和epoch次数，将训练集分割为不同小样本，分批次输入GAN模型进行一次参数更新，在遍历完一次训练集后，继续根据剩下的epoch的次数，继续进行数据遍历的参数更新；步骤112、通过可视化加和的U-net生成器均方误差损失与PatchGAN鉴别器损失以及PatchGAN鉴别器损失是否有收敛趋势来决定调整模型超参数，包括epoch次数以及学习率大小；步骤113、PatchGAN鉴别器无法分辨生成模型来自U-net生成器或是真实样本，完成GAN模型的初步训练；步骤114、将训练完成的GAN模型应用于测试集，通过打乱混合GAN模型设计的修复体模型和真实样本，交由技师进行分辨及评估设计方案，当GAN模型表现良好时，其设计的修复体模型接近真实样本；步骤115、统计GAN模型在不同临床类别下的表现，以技师分辨准确率作为参考依据，适当加入GAN模型表现薄弱的场景进行增量学习，完成GAN模型的最终训练。
4.如权利要求1所述的一种牙科修复体设计系统，其特征在于，所述口内就位位姿计算单元采用ICP算法得到数字化修复体模型的口腔外的初始位姿到口腔内的就位位姿的变换矩阵后，基于该变换矩阵得到所述口腔内的就位位姿。
5.如权利要求4所述的一种牙科修复体设计系统，其特征在于，所述口内就位位姿计算单元采用的ICP算法具体包括以下步骤：步骤201、导入当前患者各面部...
【技术特征摘要】
1.一种牙科修复体设计系统，其特征在于，包括：修复体模型生成模块，用于基于患者的个性化数据生成适合当前患者的包含基台的数字化修复体模型；修复体就位路径生成模块，进一步包括：口内就位位姿计算单元，用于根据数字化修复体模型在口腔外的初始位姿计算得到其在口腔内的就位位姿；最优路径生成单元，对口腔虚拟场景进行三维网格化处理后，取包含数字化修复体模型的初始位姿的三维网格的中心立方体为路径规划的起始点，取包含数字化修复体模型的就位位姿的三维网格中心立方体为路径规划的目标点，取包含口腔其他组织的三维网格中心立方体为障碍点，计算得到从起始点到目标点的能够避开障碍点的最优就位路径；引导就位装置生成模块，用于在数字化修复体模型的下杆卡末端设计形成一引导就位装置，该引导就位装置具有与修复体就位路径生成模块得到的最优就位路径末端方向一致的弧面形态，数字化修复体模型的上杆卡通过该弧面就位；修复体制作模块，用于基于具有引导就位装置的数字化修复体模型生成修复体实物。
2.如权利要求1所述的一种牙科修复体设计系统，其特征在于，所述修复体模型生成模块基于训练后的gan模型实现，所述患者的个性化数据输入gan模型后，由u-net生成器生成所述数字化修复体模型。
3.如权利要求2所述的一种牙科修复体设计系统，其特征在于，所述gan模型采用以下步骤训练：步骤101、收集临床信息，建立修复体设计数据库，进一步包括：步骤1.1、收集整理既往患者的个性化数据，个性化数据包括临床及影像学资料，该临床及影像学资料进一步包括：1）余留牙列及牙体硬组织情况；2）口腔软组织情况；3）口内扫描仪采集患者余留牙列三维数字模型；4）面部扫描仪记录患者闭口、大张口状态下面部外形数据；5）电子面弓记录的咬合关系；6）cbct数据记录的患者牙槽骨及牙齿数据；步骤1.2、该患者已由技师完成的修复体三维设计模型定义为真实样本，将患者临床及影像学资料和真实样本相匹配，建立修复体设计数据库；步骤102、从修复体设计数据库选取数据建立修复体设计数据集，用于后续gan模型的训练与测试，将修复体设计数据集划分为训练集和测试集；步骤103、对训练集中的个性化数据进行数据预处理，对于训练集中的患者余留牙列三维数字模型进行降采样，采用包括随机剪切和随机反转在内的数据增强操作，然后进行归一化；步骤104、定义gan模型的生成器编码部分和判别器的超参数，并定义卷积核个数、大小和步长；步骤105、定义gan模型的反向卷积填充策略和生成器解码器部分超参数，包括 dropout率、卷积核个数、大小和步长；步骤106、定义模型训练的学习率和学习率衰减速率、小样本大小以及epoch次数；步骤107、随机初始化gan模型的网络参数，将预处理完的个性化数据输入u-net生成器，生成得到u-net生成器设计的修复体模型；步骤108、将u-net生成器生成的修复体模型和训练集对应的真实样本输入patchgan鉴别器，根据预设的损失函数，计算鉴别器损失；步骤109、将u-net生成器生成的修复体模型和训练集对应的真实样本直接进行u-net生成器均方误差损失计算并与patchgan鉴别器损失进行加和；步骤110、gan模型根据预先定义的学习率进行梯度计算和反向传播，分别更新patchgan鉴别器和u-net生成器的参数；步骤111、根据预先定义的小样本大小和epoch次数，将训练集分割为不同小样本，分批次输入gan模型进行一次参数更新，在遍历完一次训练集后，继续根据剩下的epoch的次数，继续进行数据遍历的参数更新；步骤112、通过可视化加和的u-net生成器均方误差损失与patchgan鉴别器损失以及patchgan鉴别器损失是否有收敛趋势来决定调整模型超参数，包括e...
【专利技术属性】
技术研发人员：杨文悦，何帆，王洁，傅远飞，徐佳妮，黄铫，
申请(专利权)人：上海交通大学医学院附属第九人民医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。