System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种正颌虚拟手术设计中牙骨段移动向量预测方法及装置制造方法及图纸_技高网

一种正颌虚拟手术设计中牙骨段移动向量预测方法及装置制造方法及图纸

技术编号:41175799 阅读:5 留言:0更新日期:2024-05-07 22:12
本发明专利技术提供了一种正颌虚拟手术设计中牙骨段移动向量预测方法及装置,所述方法包括:使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获取结构特征数据;将所述结构特征数据划分为训练集和验证集,进行数据预处理;建立患者的虚拟颅颌面模型并训练模型;对建立的模型进行评价与测试;在患者的虚拟颅颌面模型上模拟手术过程,并制定手术计划,对患者进行虚拟手术设计。本发明专利技术通过深度学习算法可预测正颌虚拟手术设计中牙骨段移动的方向及移动量。

【技术实现步骤摘要】

本专利技术涉及牙颌畸形矫正,具体地,涉及一种通过深度学习对正颌手术虚拟设计中牙骨段移动向量预测方法及装置。


技术介绍

1、牙颌面畸形,又称骨性错颌畸形,其发病率约为5%,是临床常见疾病,患者常伴有咬合、咀嚼等功能障碍及面部畸形,严重影响身心健康,需要正颌-正畸联合治疗。正颌手术是通过上、下颌骨截骨,移动牙骨段来矫正颌骨、牙列及面部畸形,并且获得良好咬合关系,正颌手术可以通过对颌骨进行截骨、重新定位骨段并将其固定在新位置上来矫正颌面部畸形并重建功能性咬合。虚拟手术计划(vsp)方法使外科医生能够在患者的虚拟颅颌面(cmf)模型上模拟这些手术程序并形成手术计划,计划中确定的颌骨位置和咬合情况将通过制造手术导板转移到实际手术中。

2、然而,制定正颌手术计划需要大量的努力和对骨骼面部形态和咬合功能的综合考虑。外科医生需要根据放射影像数据的测量,即3d测量分析和临床检查来评估面部、颌骨和牙列的3维形态特征,然后他们将确定手术类型、方向和骨段移动向量,以完成个性化的最佳手术计划。不幸的是,在量化的形态特征和辅助vsp的手术计划之间没有具体和可靠的公式或其他关系,因此,制定正颌手术计划主要取决于外科医生在临床实践中的经验和直觉。

3、但牙颌面畸形个体差异大、复杂多样,为了实现理想的面形和咬合功能,需要探索个体化的最佳治疗方案,真实患者数据集小,准确性低,计算成本高。


技术实现思路

1、针对解决上述问题,本专利技术的目的在于提供一种正颌虚拟手术设计中牙骨段移动向量预测方法及装置,通过深度学习算法来预测相应牙骨段移动的方向及移动量。

2、为解决上述问题,本专利技术的技术方案为:

3、一种正颌虚拟手术设计中牙骨段移动向量预测方法,包括以下步骤:

4、使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获取结构特征数据;

5、将所述结构特征数据划分为训练集和验证集,进行数据预处理;

6、建立患者的虚拟颅颌面模型并训练模型;

7、对建立的模型进行评价与测试;

8、在患者的虚拟颅颌面模型上模拟手术过程,并制定手术计划,对患者进行虚拟手术设计。

9、可选地,所述使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获取结构特征数据的步骤,包括:使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获得12个关键的头影测量变量和性别作为输入特征,将5个关键标志点的矢状面和垂直移动量作为输出特征。

10、可选地,所述将所述结构特征数据划分为训练集和验证集,进行数据预处理的步骤,包括:将所述结构特征数据划分为训练集和验证集,将训练集各输入列的最大值和最小值作为统一归一化的阈值,对测试集采用训练集的阈值进行了归一化,将数据经过岭回归预训练,获取岭回归拟合方程的系数对原数据加权。

11、可选地,所述建立患者的虚拟颅颌面模型并训练模型的步骤中,所述模型采用基于transfomer编码器结构与多层感知器相结合的vsp-transfomer深度学习网络模型。

12、可选地,所述建立患者的虚拟颅颌面模型并训练模型的步骤,包括:采用transformer作为模型框架的骨干网络,输入数据利用不同频率的正弦和余弦函数对位置信息进行编码,用相应位置信息与输入数据相加,再输入到编码器块中,使用包含残差结构的多层感知器作为解码器,选择relu函数作为隐藏层之间的激活函数。

13、可选地,所述对建立的模型进行评价与测试的步骤,包括:对建立的模型进行评价与测试,将4种回归模型与vsp-transformer进行对比,分别比较3种不同的性能指标:r2、mse、mae。

14、可选地,所述在患者的虚拟颅颌面模型上模拟手术过程,并制定手术计划,对患者进行虚拟手术设计的步骤,包括:对新病人,通过3d投影测量获取12个关键点数据,再使用已经训练好的模型预测5个关键点的移动量,进行虚拟手术分析,并制定手术计划。

15、进一步地,本专利技术还提供一种正颌虚拟手术设计中牙骨段移动向量预测装置,包括:处理器以及用于存储所述处理器的可执行指令的存储器,其中,所述处理器配置为经由执行所述可执行指令来执行如上所述的正颌虚拟手术设计中牙骨段移动向量预测方法。

16、与现有技术相比,本专利技术正颌虚拟手术设计中牙骨段移动向量预测方法,通过预测骨段的重新定位向量,以保证牙列不变且具有实用性。同时,颅颌面结构(骨骼、咬合和面部软组织)使用3d头影测量分析进行量化,12个关键的头影测量变量和性别作为输入特征,将两个方向上5个关键标志点的重新定位向量作为输出变量,基于transfomer编码器结构与多层感知器相结合的vsp-transfomer深度学习网络模型,将手术计划量化为基于标志点的重新定位向量,使结果与各种手术类型兼容。正颌手术通常通过重新定位骨段而不改变其自身形态来进行,因此,由重新定位向量指导的手术计划将产生更符合实际手术效果的结果。

本文档来自技高网...

【技术保护点】

1.一种正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获取结构特征数据的步骤,包括:使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获得12个关键的头影测量变量和性别作为输入特征,将5个关键标志点的矢状面和垂直移动量作为输出特征。

3.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述将所述结构特征数据划分为训练集和验证集,进行数据预处理的步骤,包括:将所述结构特征数据划分为训练集和验证集,将训练集各输入列的最大值和最小值作为统一归一化的阈值,对测试集采用训练集的阈值进行了归一化,将数据经过岭回归预训练,获取岭回归拟合方程的系数对原数据加权。

4.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述建立患者的虚拟颅颌面模型并训练模型的步骤中,所述模型采用基于Transfomer编码器结构与多层感知器相结合的VSP-Transfomer深度学习网络模型。

5.根据权利要求4所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述建立患者的虚拟颅颌面模型并训练模型的步骤,包括:采用Transformer作为模型框架的骨干网络,输入数据利用不同频率的正弦和余弦函数对位置信息进行编码,用相应位置信息与输入数据相加,再输入到编码器块中,使用包含残差结构的多层感知器作为解码器,选择Relu函数作为隐藏层之间的激活函数。

6.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述对建立的模型进行评价与测试的步骤,包括:对建立的模型进行评价与测试,将4种回归模型与VSP-Transformer进行对比,分别比较3种不同的性能指标:R2、MSE、MAE。

7.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述在患者的虚拟颅颌面模型上模拟手术过程,并制定手术计划,对患者进行虚拟手术设计的步骤,包括:对新病人,通过3D投影测量获取12个关键点数据,再使用已经训练好的模型预测5个关键点的移动量,进行虚拟手术分析,并制定手术计划。

8.一种正颌虚拟手术设计中牙骨段移动向量预测装置,其特征在于,包括:

...

【技术特征摘要】

1.一种正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获取结构特征数据的步骤,包括:使用三维头影测量分析对患者的虚拟颅颌面结构特征进行量化,获得12个关键的头影测量变量和性别作为输入特征,将5个关键标志点的矢状面和垂直移动量作为输出特征。

3.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述将所述结构特征数据划分为训练集和验证集,进行数据预处理的步骤,包括:将所述结构特征数据划分为训练集和验证集,将训练集各输入列的最大值和最小值作为统一归一化的阈值,对测试集采用训练集的阈值进行了归一化,将数据经过岭回归预训练,获取岭回归拟合方程的系数对原数据加权。

4.根据权利要求1所述的正颌虚拟手术设计中牙骨段移动向量预测方法,其特征在于,所述建立患者的虚拟颅颌面模型并训练模型的步骤中,所述模型采用基于transfomer编码器结构与多层感知器相结合的vsp-transfomer深度学习网络模型。

<...

【专利技术属性】
技术研发人员:程梦佳于洪波王旭东王博张旭杨阳
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:

网友询问留言 已有0条评论
  • 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。

1