口内图像的自动选择和锁定的制作方法

本发明的实施例涉及口内扫描领域，并且特别地，涉及一种用于改善口内扫描的结果的系统和方法。

背景技术：

在设计为在口腔中植入牙科假体的口腔修复过程中，在许多情况下，应该精确地测量并且仔细地研究待植入假体的口内部位，使得例如能够适当地设计诸如齿冠、假牙或齿桥这样的假体，并且确定其尺寸，以配合在适当位置。良好的配合能够使机械应力适当地在假体与颌之间传递，并且能够通过假体与口内部位之间的界面防止牙龈感染和蛀牙。可以扫描口内部位，以提供口内部位的三维(3d)数据。然而，如果包含终止线(finishline)的准备牙齿的区域缺乏限定，则可能不能适当地确定终止线，并且从而可能不能适当地设计修复体的边界。

附图说明

在附图的图片中，以实例的方式而非限制的方式说明本发明。

图1示出用于进行口内扫描并且生成口内部位的虚拟三维模型的系统的一个实施例。

图2示出根据本发明的实施例，自动锁定口内部位的图像组的方法的流程图。

图3示出根据本发明的实施例，锁定一个以上口内部位的多个图像组的方法的流程图。

图4示出根据本发明的实施例，将一个以上口内部位的多个图像组拼接在一起的方法的流程图。

图5示出根据本发明的实施例，检测口内部位的图像组中的异常并且利用来自附加口内图像的数据替换该异常的方法的流程图。

图6示出根据本发明的实施例，延展检测到不完整边缘的口内部位的模型的方法的流程图。

图7a示出在已经生成了准备牙齿的第一组口内图像之后，在口内扫描会话期间的实例齿弓的部分。

图7b示出在已经生成了与准备牙齿相邻的牙齿的第二组口内图像之后，在口内扫描会话期间的图7a的实例齿弓。

图7c示出图7a的第一组口内图像，其中该第一组口内图像包括异常。

图7d示出从图7c的第一组口内图像与来自附加口内图像的数据创建的模型。

图7e示出准备牙齿的口内图像组，其中该口内图像组未能捕获准备牙齿的全部。

图7f示出从图7e的第一组口内图像与来自附加口内图像的数据创建的模型。

图8示出根据本发明的实施例的实例计算设备的方框图。

具体实施方式

本文描述了一种用于改善扫描质量的方法和装置，所述扫描诸如针对患者的口内部位(例如牙科部位)采集的口内扫描。在扫描会话期间，扫描仪的使用者(例如牙科医师)可以生成口内部位、口内部位的模型、或其他对象的多个不同的图像(也称为扫描)。图像可以是离散图像(例如，对准即拍的图像)或者来自视频(例如，连续扫描)的帧。医师可以在准备好用于扫描的第一牙齿之后采集第一牙齿的第一组口内图像。例如，如果第一牙齿是准备牙齿(也称为准备体)，则可以在生成第一组口内图像之前进行一个以上的操作，以确保第一组口内图像的质量是高的。在一个实例中，这些操作短暂地露出准备牙齿的终止线，以确保将在第一组口内图像中显露出终止线。

在完成第一组口内图像之后，医师可以采集一个以上相邻牙齿的附加组的口内图像。附加组的口内图像可以包括作为第一组口内图像的焦点的第一牙齿的部分的数据。在一些情况下，在使用口内图像创建3d模型期间，来自附加组的口内图像与来自第一组口内图像的用于第一牙齿的数据结合(例如，算出与其的平均数)，从而降低3d模型中该第一牙齿的质量。

在实施例中，为了防止来自另外组的口内图像的数据降低3d模型中第一牙齿的质量，在创建第一组口内图像之后自动地锁定第一组图像。另外，描绘第一牙齿的第一组口内图像的部分可以专用于该第一牙齿的3d模型的生成。从而，由于第一组口内图像被锁定，所以附加组的口内图像不改变描绘第一牙齿的3d模型的区域或对其添加噪声(noise)。在一个实施例中，确定第一牙齿的标识，并且至少部分地基于第一牙齿的标识选择第一组口内图像的第一部分。从而，当生成第一牙齿的3d模型时，可以不应用来自描绘第一牙齿的附加组口内图像的质量较低的数据。这可以提高口内部位(例如，颌的一部分)的3d模型中的第一牙齿的图像质量。

本文描述的实施例参考口内扫描仪、口内图像、口内扫描会话等来讨论。然而，应理解，实施例还应用于除了口内扫描仪之外的其他类型的扫描仪。实施例可以应用于获得多个图像并且将这些图像拼接在一起以形成组合图像或虚拟模型的任何类型的扫描仪。例如，实施例可以应用于台式机型扫描仪、计算机断层成像(ct)扫描仪等。另外，应理解，口内扫描仪或其它扫描仪可以用于扫描除了口腔内的口内部位之外的扫描对象。例如，实施例可以应用于对口内部位或任何其它对象的物理模型进行的扫描。因此，应该将描述口内图像的实施例理解为能够一般地应用于利用扫描仪生成的任意类型的图像，应该将描述口内扫描会话的实施例理解为能够应用于对任何类型的对象的扫描会话，并且应该将描述口内扫描仪的实施例理解为能够一般地应用于多种类型的扫描仪。

图1示出用于进行口内扫描和/或生成口内部位的虚拟三维模型的系统100的一个实施例。在一个实施例中，系统100执行下面参考图2-6描述的一个以上的操作。

系统100包括可以联接到扫描仪150和/或数据存储部110的计算设备105。计算设备105可以包括处理设备、存储器、二级储存器、一个以上的输入设备(例如，诸如键盘、鼠标、输入板等)、一个以上的输出设备(例如，显示器、打印机等)、和/或其它硬件组件。在一些实施例中，计算设备105可以集成在扫描仪150中，以提高性能和/或机动性。

计算设备105可以直接地或者经由网络连接至数据存储部110。网络可以是局域网(lan)、公共广域网(wan)(例如，因特网)、专用wan(例如，内联网)、或其组合。或者，数据存储部110可以是内部数据存储部。网络数据存储部的实例包括存储区域网络(san)、网络连接存储(nas)、以及由云计算服务提供商提供的储存服务。数据存储部110可以包括文件系统、数据库、或者其他数据存储装置。

在一些实施例中，用于获得患者口腔中的口内部位的三维(3d)数据的扫描仪150可操作地连接到计算设备105。扫描仪150可以包括用于光学地捕获三维结构(例如，利用光束阵列的共焦聚焦)的探头(例如，手持探头)。这样的扫描仪150的一个实例是由阿莱恩技术有限公司(aligntechnology,inc.)制造的口内数字扫描仪。口内扫描仪的其它实例包括3m^tm的truedefinition扫描仪和由制造的apollodi口内扫描仪和cerecac口内扫描仪。

扫描仪150可以用于进行患者的口腔的口内扫描。在计算设备105中运行的口内扫描应用程序108可以与扫描仪150通信以实现口内扫描。口内扫描的结果可以是已经离散地生成的(例如，通过对每个图像按扫描仪的“生成图像”按键)一组或多组口内图像。或者，口内扫描的结果可以是患者的口腔的一个或多个视频。操作者可以用扫描仪150在口腔中的第一位置处开始录制视频，在拍摄视频的同时将扫描仪150在口腔内移动到第二位置，并且然后停止录制视频。扫描仪150可以将离散的口内图像或口内视频(统称为口内图像数据集135a-135n)传输到计算设备105。计算设备105可以将口内图像数据集135a-135n存储在数据存储部110中。或者，扫描仪150可以连接到另一个将口内图像数据集135a-135n储存在数据存储部110中的系统。在这样的实施例中，扫描仪150可以不连接到计算设备105。

在一个实施例中，口内扫描应用程序108包括异常识别模块115、标记模块118、模型生成模块125、图像锁定模块128、擦除模块132和扩展模块134。可任选地，异常识别模块115、标记模块118、模型生成模块125、图像锁定模块128、擦除模块132、和/或扩展模块134中的一者以上可以组合成单个模块或者分成其他模块。

根据实例，使用者(例如，医师)可以对患者进行口内扫描。在这样做时，使用者可以将扫描仪150应用于一个或多个患者口内位置。扫描可以分为一个以上的区段。作为实例，区段可以包括患者的下颊侧区域、患者的下舌侧区域、患者的上颊侧区域、患者的上舌侧区域、患者的一个以上的准备牙齿(例如，诸如齿冠或其它牙科假体这样的牙科器件要施加的患者牙齿)、与准备牙齿接触的一个以上的牙齿(例如，牙齿自身不经受牙科器件的影响，但是它们位于一个以上的这样的牙齿旁边，或者在嘴闭合时与一个以上的这样的齿接触)、和/或患者咬合(例如，在患者的嘴闭合的状态下，通过朝着患者的上下牙齿的界面区域引导扫描而进行的扫描)。经由这样的扫描仪应用，扫描仪150可以向计算设备105提供图像数据(还称为扫描数据)。图像数据可以以口内图像数据集135a-135n的形式提供，其各自可以包括口内部位的特定牙齿和/或区域的2d口内图像和/或3d口内图像。在一个实施例中，为上颌弓、下颌弓、患者咬合和每个准备牙齿创建单独的图像数据集。这样的图像可以从扫描仪以一个以上的点(例如，一个以上的像素和/或像素组)的形式提供至计算设备105。例如，扫描仪150可以将这样的3d图像作为一个以上的点云而提供。

患者的口腔被扫描的方式可以取决于要应用的过程。例如，如果要创建上假牙或下假牙，则可以进行对上颌或下颌的缺齿齿弓进行完整扫描。相比之下，如果要创建齿桥，则可以只扫描整个齿弓的一部分，该一部分包括缺齿区域、相邻的准备牙齿(例如，抵接的牙齿)、以及相对的齿弓和齿列。从而，牙科医师可以将要执行的过程的标识输入口内扫描应用程序108。为此，牙科医师可以从图标或经由任何其他合适的图形用户界面从下拉菜单等上的多个预设选项中选择过程。或者，可以以任意其它合适的方式输入过程的标识，例如，借助预设代码、注释、或任何其他合适的方式，其中口内扫描应用程序108已被适当地编程以识别用户做出的选择。

以非限定性实例的方式，牙科过程可以大致分为口腔修复(恢复)和正畸过程，然后进一步细分为这些过程的具体形式。另外，牙科过程可以包括鉴别和治疗牙龈疾病、睡眠呼吸暂停、和口内病症。术语“口腔修复过程”尤其指的是涉及口腔并且针对在口腔(口内部位)内的牙科部位处的牙科假体、或者其真实或虚拟模型的设计、制造或安装的任意过程，或者针对为收纳这样的假体而对口内部位的设计和准备。例如假体可以包括诸如齿冠、贴片(veneer)、嵌体(inlay)、补体(onlay)、植入物和齿桥这样的任意修复物，以及任何其它人造的部分或完整假牙。术语“正畸过程”尤其指的是涉及口腔并且针对在口腔内的口内部位处的正畸元件、或者其真实或虚拟模型的设计、制造或安装的任意过程，或者针对为收纳这种正畸元件而对口内部位的设计和准备。这些元件可以是包括但不限于托槽和弓丝、保持器、透明校准器、或功能性器具这样的器具。

对于多种口腔修复过程(例如，创建齿冠、齿桥、贴片等)，患者的现有牙齿被打磨(ground)成残端。打磨齿在本文中被称为准备牙齿，或简称为准备体。准备牙齿具有终止线(还称为边缘线)，其是准备牙齿的天然(未打磨)部分与准备牙齿的准备好的(打磨)部分之间的边界。通常将准备牙齿创建为使得齿冠或其它假体能够安装或安置在准备牙齿上。在多种情况下，准备牙齿的终止线在牙龈线之下。而术语“准备体”通常指准备牙齿的残端，包括终止线和牙齿残留的肩部，本文的术语“准备体”还包括可以植入口腔内以收纳齿冠或其它假体的人造残端、枢轴(pivot)、芯(core)、和柱(post)、或其他器件。本文参考准备牙齿所描述的实施例还适用于其他类型的准备体，诸如前述人造残端、枢轴等。

在创建了准备牙齿之后，医师进行操作以准备用于扫描的准备牙齿。准备用于扫描的准备牙齿可以包括擦除准备牙齿上的血液、唾液等，和/或使患者的牙龈与准备牙齿分离以露出终止线。在一些实例中，医师将在准备牙齿与患者的牙龈之间的准备牙齿周围插入细线。医师然后在生成准备牙齿的口内扫描集之前移除细线。牙龈的软组织然后将恢复到其自然位置，并且在许多情况下在短时间段后收缩回到终止线上。由此，医师使用扫描仪150扫描准备好的准备牙齿，并且在软组织恢复到其自然位置之前生成准备牙齿的口内图像组(例如，口内图像数据集135a)。

在生成准备牙齿的口内图像组之后，医师可以预览口内图像组(或从中创建的3d模型)，以确定口内图像组是否具有满意的质量。然后，如果质量不令人满意，则医师可以重扫描准备牙齿(或其一部分)，如果质量令人满意，则医师可以对相邻牙齿或准备牙齿周围的其他区域继续生成附加组的口内图像(例如，口内图像组135b-135n)。例如，可以采集这些相邻区域的附加组的口内图像，以确保牙科假体将适配在患者的嘴中。附加组口内图像还可以在牙龈已经收缩回到终止线上和/或在血液和/或唾液已经累积在准备牙齿上之后，捕获准备牙齿的部分。

因此，在一个实施例中，在采集(例如准备牙齿的)第一组口内图像(例如，口内图像数据集135a)之后，图像锁定模块128自动锁定该第一组口内图像。被锁定的第一组口内图像可以与患者的准备牙齿相关联。在一个实施例中，图像锁定模块128自动地锁定与准备牙齿相关联的图像数据集，但是不自动锁定其它图像数据集。因此，图像锁定模块128可以判定新的图像数据集是否与准备牙齿相关联，并且如果相关联，则锁定图像数据集。

可以通过图像锁定模块128使用准备牙齿的标识，以自动地选择将要在3d模型中应用于准备牙齿的被锁定的第一组口内图像的部分。或者，医生可以使用图形用户界面(gui)来标记将要在3d模型中应用于准备牙齿的锁定组的口内图像的部分。在两者中的任一情况下，图像锁定模块128可以更新锁定的图像数据集，使得仅将被锁定的图像数据集的描绘准备牙齿的部分锁定，而不锁定图像数据集的描绘牙龈、其他牙齿等的部分。在一个实施例中，图像锁定模块128执行图像处理，以确定准备牙齿的轮廓以及终止线。可以将代表终止线内部的准备牙齿的所有数据锁定，同时可以不锁定代表终止线外部的其它口内特征的所有数据。在一个实施例中，应用缓冲区，并且锁定终止线内加上缓冲区内的所有数据。缓冲区例如可以从终止线偏移1-3mm。从而，图像锁定模块128可以通过算法确定要在锁定的图像数据集中保留哪些数据。或者，使用者可以手动地确定要在锁定的图像数据集中保留哪些数据。例如，使用者可以通过图形用户界面来框选(outline)他或她希望保留的区域。该锁定的图像数据集之后能够被使用者在任意时刻解锁。

在创建3d模型中的准备牙齿期间，来自可能还包括准备牙齿的低质量描绘的附加组口内图像的数据可以被模型生成模块125忽略。从而，在第一图像数据集中捕获的终止线不被其他图像数据劣化。

在另一实施例中，可以为另外的准备牙齿和/或其它牙齿，诸如与扫描的准备牙齿相邻的牙齿，生成附加口内图像数据集。在已经创建图像数据集之后并且在采集附加口内图像之前，图像锁定模块128可以自动地(例如，通过算法和/或不经用户输入)锁定一些或全部图像数据集。图像锁定模块128可以为每个锁定的口内图像数据集135a-135n分配单独的层或组标识符。这些层可以用于指代整个图像数据集，并且可以用于显示或隐藏图像数据集和/或从图像数据集中优先选择用于将这些图像数据拼接在一起的数据。

在实例中，第一图像数据集可以与第一牙齿关联，并且第二图像数据集可以与相邻的第二牙齿关联。来自第一图像数据集的数据可以与来自第二图像数据集的数据重叠，并且可以与来自第二图像数据集的数据偏离。为了将图像数据集拼接在一起，在这两个图像数据集中描绘的口内部位的重叠区域之间的差异应该被纠正。纠正差异的一种技术是对于重叠区域平均第一图像数据集的数据和第二图像数据集的数据。通过使用层，可以为各个图像数据集分配权重，并且图像数据集的平均可以是加权平均。例如，如果使用者知道来自第一图像数据集的特定重叠区域的数据在质量上优于第二图像数据集的特定特定重叠区域的数据，则用户可以选择具有较高优先级的第一图像数据集。然后，当对图像数据集之间的差异进行平均时，模型生成模块125可以为第一图像数据集赋予比第二图像数据集更重的权重。

图像锁定模块128可以使各个口内图像数据集135a-135n与特定牙齿相关联，和/或可以识别与各个口内图像数据集135a-135n相关联的口内部位。在一个实施例中，在生成图像数据集之前，使用者指明他或她扫描的牙齿。或者，使用者可以首先采集图像数据集，并且随后可以指明在图像数据集中成像的牙齿。在另一实施例中，口内扫描应用程序108可以指示使用者扫描特定牙齿，并且可以将该特定牙齿的标识与图像数据集相关联。从而，各个锁定的口内图像数据集135a-135n可以与特定牙齿相关联，该特定牙齿可以是准备牙齿，或者可以不是准备牙齿。

当扫描会话完成时(例如，已经捕获了口内部位的所有图像)，模型生成模块125可以生成扫描的口内部位的虚拟3d模型。为了生成虚拟的3d模型，模型生成模块125可以将从口内扫描会话中生成的口内图像配准(register)(即，“拼接”在一起)。在一个实施例中，执行图像配准包括捕获多个图像(来自相机的视图)中的表面的各个点的3d数据，并且通过计算图像之间的变换来配准图像。然后，可以通过对每个配准图像的点应用适当的变换来将图像集成到公共参考帧中。

在一个实施例中，对于每对相邻或重叠的口内图像(例如，口内视频的每个连续帧)执行图像配准。执行图像配准算法以配准两个相邻的口内图像，其基本上涉及将一个图像与另一个图像对准的变换的确定。图像配准可以涉及在图像对的各个图像(例如，点云)中识别多个点，对各个图像的点进行表面拟合，并且在点周围使用局部搜索以匹配两个相邻图像的点。例如，模型生成模块125可以将一个图像的点与内插在另一图像的表面上的最近点相匹配，并且迭代地最小化匹配点之间的距离。模型生成模块125还可以找出一个图像的点处的曲率特征与内插在另一图像的表面上的点处的曲率特征的最佳匹配，而不迭代。模型生成模块125还可以找出一个图像的点处的旋转图像点特征与内插在另一图像的表面上的点处的旋转图像点特征的最佳匹配，而不迭代。例如，可以用于图像配准的其他技术包括基于使用其他特征确定点对点的对应，并且基于点到表面距离的最小化的技术。还可以使用其它图像配准技术。

许多图像配准算法执行表面到相邻图像中的点的拟合，这可以以许多方式进行。bezier和b样条表面这样的参数表面是最常见的，尽管也可以使用其他表面。单个表面补片可以拟合至图像的所有点，或者可选地，单独的表面补片可以拟合至图像的点的任意数量的子集。单独的表面补片可以拟合成具有共同的边界，或者它们可以拟合成重叠。表面或表面补片可以拟合为通过使用具有相同数量的点的控制点网络作为被拟合的点的网格来插值多个点，或者表面可以通过使用控制点网络来近似点，该控制点网络的控制点数量小于所拟合的点网格。图像配准算法也可以采用各种匹配技术。

在一个实施例中，模型生成模块125可以确定图像之间的点匹配，该点匹配可以采取二维(2d)曲率阵列的形式。可以通过计算在围绕参数相似点的区域中采样的点处的特征，来进行在相邻图像的对应曲面补片中的匹配点特征的局部搜索。一旦在两个图像的表面补片之间确定了对应的点集，则能够解决两个坐标系中两组对应点之间变换的确定。本质上，图像配准算法可以计算两个相邻图像之间的变换，该变换将使一个表面上的点与在用作基准的另一图像表面上的插值区域中找到的与上述点最近的点之间的距离最小化。

模型生成模块125对一系列口内图像的所有相邻图像对重复图像配准，以获得各对图像之间的变换，从而将每个图像与前一个配准。模型生成模块125然后通过向各个图像施加适当确定的变换来将所有图像集成为单一的虚拟3d模型。各个变换可以包括绕着一至三个轴线的旋转以及在一至三个平面中的平移。

在多个情况下，来自一组口内图像的数据不与来自另一组口内图像的数据完美对应。对于各个口内图像数据集135a-135n，图像锁定模块128可以使用关联的牙齿的标识来确定对于3d模型的特定区域的创建(例如，对于3d模型中的关联牙齿的创建)将专门使用图像数据集的哪些部分。图像锁定模块128可以分析各个口内图像数据集中的图像数据。对于各个图像数据集，图像锁定模块128可以使用关于关联牙齿的储存信息，从分析中确定图像数据集的哪些部分或区域代表该牙齿，并且图像数据集的哪些部分或区域代表诸如牙龈或其他牙齿这样的其它口内物体。然后选择模块130可以在图像数据集中生成该牙齿的轮廓。生成的轮廓可以用作边界。在轮廓内的图像数据集的数据可以专门被模型生成模块125使用以在3d模型中生成特定的关联的牙齿。来自轮廓外部的图像数据集的数据可以用于或不用于生成3d模型中的其它特征或物体。另外，轮廓外部的数据可以与来自其它图像数据集的数据结合，以在3d模型中生成其它特征或物体。

在一个实施例中，利用图像锁定模块执行在被锁定的图像数据集中生成牙齿轮廓的操作(如上所述)。然后，图像锁定模块128可以更新被锁定的图像数据集，以锁定图像数据集的轮廓内部的部分，并且解锁图像数据集的轮廓外部的部分。

异常识别模块115负责从口内扫描数据(例如，口内图像数据集中的口内图像)和/或从口内扫描数据生成的虚拟3d模型中识别异常和/或其他关注领域(aoi)。这样的异常可以包括空白(例如，缺失扫描数据的区域)、冲突区域或有缺陷的扫描数据(例如，多个口内图像的重叠表面不能匹配的区域)、表示异物的区域(例如螺柱、齿桥等)、不清楚的边缘线(例如，一个以上的准备牙齿的边缘线)、噪声信息等。识别的空白可以是图像表面中的空白。表面冲突的实例包括双切牙边缘和/或其他生理上不可能的牙齿边缘、咬合线偏移、包含或缺乏血液/唾液和/或异物、边缘线的描绘差异等。在识别异常时，异常识别模块115可以仅分析患者的患者图像数据(例如，3d图像点云)和/或一个以上的虚拟3d模型，和/或相对于参考数据138进行分析。分析可以包括直接分析(例如基于像素和/或其他基于点的分析)、应用机器学习、和/或应用图像识别。这样的参考数据138可以包括关于当前患者的过去的数据(例如，口内图像和/或虚拟3d模型)、汇集的患者数据、和/或教学患者数据，其中一些或全部可以存储在数据存储部110中。

异常识别模块115为了识别异常，通过进行数据处理来识别不期望的形状、低清晰度的区域、缺失数据的区域、颜色偏差等。不同的标准可用于识别不同类别的异常。在一个实施例中，使用缺失图像数据的区域来识别可能是空白的异常。例如，可以识别未被口内图像捕获的区域的体素(voxel)。在一个实施例中，异常识别模块基于异常周围的几何特征和/或基于异常的几何特征(如果存在这样的特征)来插入用于异常的形状。可以通过使用边缘检测、角点检测、斑点检测、脊检测、霍夫变换、结构张量和/或其他图像处理技术来确定这样的几何特征。

关于当前患者的数据可以包括对应于扫描发生期间的患者访问的x射线、2d口内图像、3d口内图像、2d模型、和/或虚拟3d模型。关于当前患者的数据可以还包括患者的过去的x射线、2d口内图像、3d口内图像、2d模型、和/或虚拟3d模型(例如，对应于患者过去访问的和/或患者的牙科记录)。

汇集的患者数据可以包括关于大量患者的x射线、2d口内图像、3d口内图像、2d模型、和/或虚拟3d模型。这样的大量患者可以包括当前患者，或者可以不包括。汇集的患者数据可以根据区域医疗保密条例(例如，健康保险流通与责任法案(hipaa))进行匿名化和/或使用。汇集的患者数据可以包括与本文讨论的种类的扫描相对应的数据和/或其他数据。教学患者数据可以包括在教育环境中使用的x射线、2d口内图像、3d口内图像、2d模型、虚拟3d模型、和/或医学插图(例如，医学插图的图画和/或其他图像)。教学患者数据可以包括志愿者数据和/或尸体数据。

异常识别模块115可以相对于以来自该患者访问中较早的数据(例如，患者的一个以上的访问早期的3d图像点云和/或一个以上的访问早期的虚拟3d模型)为形式的附加的患者扫描数据(例如，患者的一个以上的访问后期的3d图像点云和/或一个以上的访问后期的虚拟3d模型)，分析该患者访问中的后期的在访问期间进行了扫描的患者扫描数据。异常识别模块115可以附加地或者代替地相对于参考数据分析患者扫描数据，该参考数据以患者的牙科记录数据和/或患者的在患者访问之前的数据(例如，患者的一个以上的访问前3d图像点云和/或一个以上的访问前虚拟3d模型)为形式。异常识别模块115可以附加地或者代替地相对于汇集的患者数据和/或教学患者数据分析患者扫描数据。

关于缺失和/或有缺陷的扫描数据的异常的识别可以涉及异常识别模块115进行直接分析，例如确定从患者的患者扫描数据和/或一个以上的虚拟3d模型缺失的一个以上的像素或者其它点。关于缺失和/或有缺陷的扫描数据的异常的识别可以附加地或者代替地涉及采用汇集的患者数据和/或教学患者数据，以将患者扫描数据和/或虚拟3d模型确定为相对于由汇集的患者数据和/或教学患者数据表示的数据是不完整的(例如，具有不连续性)。

标记模块118负责确定如何呈现和/或调出所识别的异常。标记模块118可以提供异常的指示或者指示符。指示可以结合患者的一个以上的牙齿和/或牙龈的描绘(例如，与患者的一个以上的x射线、2d口内图像、3d口内图像、2d模型、和/或虚拟3d模型)相结合地或分离地呈现(例如，经由用户界面)给使用者(医师)。结合患者牙齿和/或牙龈的描绘的指示表示可以涉及指示被设置成以使指示与牙齿和/或牙龈的相应部分相关联。

指示可以以标志、标记、轮廓、文本、图像、和/或声音(例如，以言语的形式)的形式提供。这样的轮廓可以设置成(例如经由轮廓拟合)遵循现有的牙齿轮廓和/或牙龈轮廓(例如，作为边界)。作为示例，可以设置对应于空白的轮廓，以便遵循缺失数据的轮廓。这样的轮廓可以相对于缺失的牙齿轮廓和/或牙龈轮廓被设置(例如，通过轮廓外推)，以便遵循缺失的轮廓的投影路径。作为示例，与缺失的牙齿扫描数据对应的轮廓可以被设置成遵循缺失的牙齿部分的投影路径，或者与缺失牙龈对应的轮廓可以被设置成遵循缺失的牙龈部分的投影路径。

可以从锁定的口内图像数据集解锁或者去除口内图像数据集的在形成了轮廓的异常内的部分的数据。异常可以被使用者识别，并且使用者然后可以生成新的口内图像，其捕获口内部位中的异常区域。然后，新的口内图像的与异常的轮廓的内部对应的部分用于替换口内图像数据集内关于异常的原始数据。该数据然后可以添加至锁定的图像数据集。从而，可以在一组口内图像中自动检测异常，并且可以采集附加口内图像，以重写异常，而不影响其余的口内图像数据集。

在一个实施例中，在异常识别模块115识别异常之后，异常识别模块115然后可以确定是否存在任何附加的图像数据集，该附加的图像数据集包括覆盖了识别出异常的区域的数据。异常识别模块11可以将来自一个以上的附加图像数据集的该区域与锁定的图像数据集的数据比较。基于对比，异常识别模块115可以确定覆盖了轮廓的锁定图像数据集的数据被来自附加图像数据集的数据替换。然后，其它图像数据集的与异常的轮廓的内部相对应的部分可以用于替换口内图像数据集的关于异常的原始数据。该数据然后可以添加至锁定的图像数据集。

在一个实施例中，对于每个附加图像数据集，向使用者呈现不同的替换选项。从而，对于各个附加图像数据集，异常识别模块115可以利用来自附加图像数据集的覆盖了异常的轮廓的图像数据替换异常。每个替换选项均可以呈现给使用者，使用者然后可以选择应用哪种替换选项。一旦接收到使用者的选择，就可以将来自与用户选择关联的附加图像数据集的数据用于替换锁定的图像数据集中的异常。

由模型生成模块125创建的3d模型可以经由口内扫描应用的用户界面显示给使用者。然后能够由使用者视觉地检查3d模型。使用者能够使用合适的用户控制(硬件和/或虚拟)经由用户界面相对于至多六个自由度(即，相对于三个相互正交的轴中的一个或多个平移和/或旋转)虚拟地操纵3d模型，以能够从任意期望的方向观看3d模型。除了算法上识别异常用以重扫描的异常识别模块115之外，使用者可以检查(例如，视觉检查)生成的口内部位的3d模型，并且确定3d模型的一个以上的区域是不可接受的。

基于检查，使用者可以确定3d模型的一部分是不合适的或者不期望的，并且3d模型的其余部分是可接受的。3d模型的不可接受的部分例如能够与被扫描的口内部位的实际牙齿表面的一部分相对应，该部分在3d模型中没有足够明确的定义。例如，在例如通过扫描使得生成了第一3d虚拟模型的初始3d数据收集步骤中，物理牙齿表面的相应部分可能已经被异物覆盖，诸如唾液、血液或碎片。物理牙齿表面的相应部分还可以被其他元素遮蔽，例如牙龈、脸颊、舌头、牙科器具、人造物等的一部分。或者，例如，在得到生成的第一3d虚拟模型的初始3d数据收集步骤(例如，经由扫描)中，不可接受的部分可能是失真的，或者是有缺陷的，并且可能不能适当地对应于物理牙齿表面(例如，由于实际扫描过程中的一些缺陷)。

经由用户界面，使用者可以标记或者标定3d模型的不可接受的部分。然后擦除模块132可以从3d模型中删除或者以其他方式移除标记了的部分(以及锁定的图像数据集和/或用于创建不可接受部分的其它图像数据集的关联部分)。例如，感兴趣的牙科过程可以是提供牙科假体，并且3d模型的删除或移除的部分可以是存在于实际牙齿表面中但是未清晰地呈现在3d模型中(或者在用于创建3d模型的口内图像数据集135a-135n中)的牙齿准备体的终止线的一部分。

口内扫描应用程序108可以引导使用者生成与3d模型的被删除的或移除的部分(以及相应的口内图像组)相对应的牙科部位的一个以上的附加口内图像。然后使用者可以使用扫描仪150生成一个以上的附加口内图像，其至少部分地覆盖在先生成的口内图像。一个以上的附加口内图像可以与3d模型(和/或与用于创建3d模型的口内图像数据集)配准，以提供3d模型与一个以上的附加口内图像的合成体。在合成体中，3d模型的预先删除/移除的部分至少部分地被一个以上的附加口内图像的相应部分替换。然而，一个以上的附加图像的在3d模型的删除或移除部分之外的部分不应用于合成体或更新的3d模型。在一个实施例中，将新的口内图像的与锁定图像数据的被擦掉的部分相对应的部分增加至锁定的图像数据集。

扩展模块134可以进行与异常识别模块115和/或擦除模块132相似的操作。然而，扩展模块134可以识别和/或连接3d模型的在3d模型的边缘处的部分，而不是识别和修正3d模型中的异常或者不可接受的部分。例如，口内图像数据集135a可以缺失了牙齿的一部分，使得在3d模型中将牙齿切除(例如，在3d模型中不示出牙齿的一部分)。扩展模块134可以通过算法检测出牙齿看起来被剪切的3d模型的边缘。或者，使用者可以经由用户界面指出未在3d模型中呈现的牙齿的部分。使用者可以标记或不标记3d模型的使模型不完整的边缘部分。

使用者然后可以使用扫描仪150生成与3d模型的缺失了数据的区域相对应的口内部位(例如，牙齿)的一个以上的附加口内图像。可以将一个以上的附加口内图像配准到3d模型。扩展模块134然后可以确定一个以上的附加口内图像的代表了口内部位(例如牙齿)的从初始3d模型中缺失的区域的部分。一个以上的附加口内图像的该部分然后可以添加至3d模型，以扩展用于口内部位(例如，牙齿)的3d模型。另外，一个以上的附加口内图像的部分可以附加到锁定的图像数据集。

在一个实施例中，医师可能已经生成了患者的一个以上的齿弓的完整的或局部的扫描。有时在扫描完成后，患者可能经历牙齿健康的变化，并且可能需要在曾为健康牙齿的位置处应用齿桥或者其他口腔修复。在这样的情况下，牙科医生可以利用在先完成的扫描。特别地，医师可以生成准备牙齿，并且然后可以扫描该准备牙齿，以生成准备牙齿的锁定的口内图像数据集。该锁定的口内图像数据集然后可以与在先生成的扫描数据结合，以产生患者齿弓的新的3d模型。新的3d模型中的大部分齿弓将基于来自原始扫描的数据，而用于准备牙齿的数据将基于锁定的图像数据集。

图2-6示出用于处理口内图像组并且从中生成虚拟3d模型的方法的流程图。这些方法可以由包括硬件(例如，电路、专用逻辑、可编程逻辑、微代码等)、软件(例如在处理设备上运行的指令)、或其组合的处理逻辑执行。在一个实施例中，处理逻辑对应于图1的计算设备105(例如，对应于执行口内扫描应用程序108的计算设备105)。

图2示出根据本发明的实施例，自动锁定口内部位的图像组的方法200的流程图。在方法200的方框205处，开始口内扫描会话。在口内扫描会话期间，牙科医师使用口内扫描仪创建焦点为特定的口内部位(例如，焦点为特定牙齿)的一组口内图像。处理逻辑可以将牙科医师引向要扫描的口内部位(例如，牙齿)，或者牙科医师可以指明要扫描的或者已经扫描的口内部位。或者，处理逻辑可以基于来自口内图像组的数据和/或基于一个以上的附加组的口内图像(例如，焦点为其它口内部位)而自动地(例如，通过算法)识别口内部位。在方框210处，处理逻辑接收口内部位的一组口内图像。在方框215处，处理逻辑锁定口内图像数据集。这确保了口内图像数据集的描绘了口内部位的特定区域(例如，描绘了特定的准备牙齿，包括其边缘线)的部分稍后将不会被附加的口内图像修改或者劣化。

参考图7a，示出在口内扫描会话期间的实例的齿弓700的部分。齿弓包括两个准备牙齿708和710以及相邻牙齿704、706、712以及患者的牙龈702。如图所示，准备牙齿708、710已经被磨成残端，以作为基牙并且收纳齿桥。准备牙齿708包括终止线709，并且准备牙齿710包括终止线711。对于该实例，示出的终止线709、711在牙龈线上方，以提高可视性。然而，在多个实例中，终止线在牙龈线下方。在一个实例中，细线可能已经被包覆在准备牙齿708和周围的牙龈之间，然后被移除，以使终止线709短暂暴露以进行扫描。

示出了包括口内图像714、口内图像716和口内图像718的口内图像数据集713。每个口内图像714-718均可以已经利用与要成像的牙齿表面具有特定距离的口内扫描仪生成。在特定距离处，口内图像714-718具有特定的扫描区域和扫描深度。扫描区域的形状和尺寸大体上取决于扫描仪，并且在本文中利用矩形表示。每个图像均可以具有其自己的参考坐标系和原点。每个口内图像均可以利用扫描仪在特定位置(扫描站点(station))处生成。可以将扫描站点的位置和朝向选择为使得口内图像一起充分地覆盖整个目标区域。优选地，选择扫描站点，使得如图所示，口内图像714-718之间存在重叠。通常，当使用不同的扫描仪用于相同的目标区域时，取决于使用的扫描仪的捕捉特性，选择的扫描站点将不同。从而，每次扫描能够扫描较大牙齿区域(例如，具有较大视场)的扫描仪将比仅能够捕获相对较小的牙齿表面的3d数据的扫描仪使用较少的扫描站点。类似地，具有矩形扫描网格(从而提供呈相应的矩形形式的投影扫描区域)的扫描仪的扫描站点的数量和布置通常将不同于具有圆形或三角形扫描网格(其将分别以对应的圆形或三角形的形式提供投影扫描区域)的扫描仪的扫描站点的数量和布置。自动地锁定口内图像数据集713，并且可以分配为第一层。

参考回图2，在方法200的方框220处，利用处理逻辑通过算法选择第一组口内图像的一部分。选择部分可以对应于口内部位的牙齿或者其他特征的轮廓。所选择的部分可以基于执行图像分析并应用诸如边缘检测、边缘匹配、灰度匹配、梯度匹配、词袋(bagofwords)模型等的对象识别技术来确定。参考数据可用于训练处理逻辑以检测诸如牙齿这样的的特定对象。在一个实施例中，使用牙齿或口内部位的已知标识来辅助物体检测过程并选择口内图像的部分。

例如，在图7a的实例的口内图像数据集713中，可以生成准备牙齿708的轮廓。口内图像数据集713的口内图像714-718的在轮廓内部的所有部分可以被固定以免进一步改变。在一个实施例中，更新锁定的图像数据集，使得轮廓内部的区域在图像数据集中被锁定，并且解锁轮廓外部的区域。

在方法200的方框225处，处理逻辑接收描绘口内部位的一个以上的附加口内图像(例如，描绘了作为锁定的口内图像组的焦点的牙齿)。这些附加的额口内图像可以是例如用于一个以上的附加牙齿的一个以上的附加口内图像数据集的一部分。在方框230处，处理逻辑生成了包括口内部位的虚拟3d模型。锁定的口内图像的选择的部分(例如，在确定的轮廓内部的部分)用于创建模型的第一区域。例如，选择的部分可以用于在3d模型中创建特定的准备牙齿。不使用来自附加口内图像的数据创建3d模型的区域。

现参考图7b，示出在已经对与准备牙齿708相邻的牙齿706生成了第二口内图像数据集721之后的在口内扫描会话期间的图7a的实例齿弓。口内图像数据集721包括口内图像722-728，其焦点为相邻牙齿706。然而，如图所示，第二口内图像数据集721中的口内图像726的区域还描绘了准备牙齿708和终止线709。然而，由于已经锁定了第一口内图像数据集713，所以当在3d模型中创建准备牙齿708的虚拟表示时，将不使用来自第二口内图像数据集721的数据。

图3示出根据本发明的实施例，锁定一个以上的口内部位的多个图像组的方法300的流程图。在方法300的方框302处，处理逻辑开始口内扫描会话。在方框304处，处理逻辑接收准备牙齿的第一组口内图像。在方框306处，处理逻辑确定准备牙齿的标识。在方框308处，处理逻辑将第一组口内图像锁定为第一层。

在方框310处，处理逻辑接收与准备牙齿相邻的另一牙齿的第二组口内图像。相邻牙齿可以是另一准备牙齿，或者不是。在方框312处，处理逻辑确定相邻牙齿的标识。在方框314处，处理逻辑将第二组口内图像锁定为第二层。

在方框316处，处理逻辑选择第一组口内图像的部分。该选择可以至少部分地基于准备牙齿的标识。对部分的选择可以包括在第一组口内图像中形成准备牙齿的轮廓，并且选择在轮廓内的部分。在方框318处，处理逻辑选择第二组口内图像的部分。该选择可以至少部分地基于相邻牙齿的标识。对部分的选择可以包括在第二组口内图像中形成相邻牙齿的轮廓，并且选择在轮廓内的部分。

在方框320处，处理逻辑生成包括了准备牙齿、相邻牙齿和周围组织的口内部位的虚拟3d模型。

参考回图7a-7b，口内图像数据集713可以对应于方法300中的准备牙齿的第一组口内图像。类似地，口内图像数据集721可以对应于方法300中的相邻牙齿的第二组口内图像。因此，口内图像数据集713的描绘相邻牙齿706的那些部分不会用于在3d模型中再创建相邻牙齿，并且口内图像数据集721的描绘准备牙齿708的那些部分不会用于在3d模型中再创建准备牙齿。

图4示出根据本发明的实施例，将一个以上的口内部位的多个图像组拼接在一起的方法400的流程图。处理逻辑可以接收第一组口内图像(例如，其焦点为准备牙齿)和第二组口内图像(例如，其焦点为相邻牙齿或者完整的或部分的齿弓)。在方法400的方框405处，处理逻辑识别在第一组口内图像与第二组口内图像之间的重叠数据的一个以上的差异。例如，第一组口内图像和第二组口内图像可以分别描绘准备牙齿与相邻牙齿之间的牙龈。然而，这些口内图像数据集中的牙龈的描述可能不完全对齐。例如，血液和/或唾液可能在第一口内图像数据集与第二口内图像数据集的产生之间，累积在牙龈上，或者牙龈的定位在两个口内数据集中可能稍微不同。为了创建包括准备牙齿和相邻牙齿的3d模型，应该将来自两个口内图像数据集的数据合并，并纠正数据冲突。

在方框410处，处理逻辑接收第一组口内图像和第二组口内图像的优先级的指示。例如，可以已知第一组图像具有较高的质量或者更重要，因此可以将较高的优先级分配给第一组图像。在方框415处，处理逻辑使用接收的优先级的指示优先处理图像数据集。在方框420处，处理逻辑应用第一组图像和第二组图像之间的重叠数据的加权平均以合并重叠数据。应用于图像数据集的权重可以基于它们的优先级。例如，分配有较高优先级的第一图像数据集可以被分配为70％的权重，并且第二组口内图像可以被分配为30％的权重。从而，当数据被平均时，合并结果将看起来更像是来自第一图像数据集的描绘，而较不像来自第二图像数据集的描绘。

在一个实施例中，处理逻辑可以绘制3d模型的不同版本，每个版本显示口内图像数据集的不同优先级和/或不同权重。使用者可以视觉地检查不同的渲染图，并且选择哪个渲染图看起来最准确。然后处理逻辑可以据此优先处理图像数据集，并且然后应用与用户选择相关联的适当的加权平均值来创建3d模型。

图5示出根据本发明的实施例，用于修正口内图像数据集和/或从这样的口内图像数据集生成的3d虚拟模型中的异常的方法500的流程图。口内图像数据集可以是离散图像的集合(例如，从对准即拍模式采集)或口内视频的多个帧(例如，以连续扫描或视频模式拍摄)。口腔内图像数据集可以针对患者的特定牙科部位(例如牙齿)，并且可以被锁定以留存口内图像数据集。

在方法500的方框505处，处理逻辑识别锁定的口内图像组内和/或从锁定的口内图像组生成的3d模型中的异常。可以通过对口内图像数据集执行图像处理并对其应用一组标准来识别异常。在一个实施例中，处理逻辑确定口内图像或3d模型中的体素或体素集是否满足一个以上的标准。不同的标准可以用于识别不同类别的异常。在一个实施例中，缺失的图像数据用于识别可能为空白的异常。例如，可以识别未被口内图像捕获的区域的体素。

在方框510中，处理逻辑诸如通过生成异常的轮廓来确定异常的边界。在一个实施例中，处理逻辑基于异常周围的几何特征和/或基于异常的几何特征(如果存在这样的特征)来插入用于异常的形状。例如，如果异常是空白，则可以使用空白周围的区域来插入空白的表面形状。然后，异常的形状可以用于创建轮廓。轮廓外部的所有数据可以保留为锁定的并且不可改变的，而轮廓内部的数据可以用来自新的口内图像的数据替换。

处理逻辑可以经由用户界面提供异常的指示。可以以异常与周围图像对比的方式显示异常的轮廓。例如，可以将牙齿显示为白色，而异常可以显示为红色、黑色、蓝色、绿色、或其它颜色。另外地或者代替地，可以使用诸如旗标的指示符作为异常的指示。指示符可以远离异常，但包括指向异常的指针。可以在口内部位的多个视图中隐藏或者遮挡异常。然而，可以在所有或大部分这样的视图中看见指示符。

参考图7c，示出了一组口内图像730，其包括具有终止线709的准备牙齿708，以及异常732。如图所示，异常732已经形成轮廓并且具有特定的形状(在该实例中为椭圆形)。口内图像组730包括口内图像714-718。

回到图5，在方框515处，处理逻辑接收口内部位的附加图像。附加图像可以包括用于检测到异常的3d模型的区域或者初始组口内图像的图像。在方框520处，基于利用来自口内部位的附加图像的附加数据替换边界或轮廓内的原始组的口内图像的数据，处理逻辑更新虚拟3d模型。从而，可以修正异常，而不影响虚拟3d模型的其余部分。

参考图7d，示出了从口内图像组730和来自附加口内图像709的数据创建的虚拟3d模型740。准备牙齿708在异常742的轮廓之外的渲染图不受来自附加口内图像741的图像数据的影响。然而，基于来自附加口内图像709的数据渲染了准备牙齿708在异常742的轮廓内部的部分。

图6示出根据本发明的实施例，延展检测到不完整的牙齿或其它物体的口内部位的模型的方法600的流程图。在方法600的方框605处，处理逻辑判定在3d模型中用于准备牙齿(或其它口内部位)的数据是不完整的。例如，处理逻辑可以判定准备牙齿的边缘已经被切除。例如，可以基于在计算的3d模型中比较准备牙齿或其他牙齿的预期轮廓与准备牙齿或其他牙齿的轮廓来作出判定。如果计算的轮廓与预期轮廓相差了多于阈值的量，则处理逻辑可以判定在模型中切除了准备牙齿或其他牙齿。在一个实施例中，这种判定是响应于3d模型中的准备牙齿或其他牙齿不完整的用户指示而作出的。例如，用户可以审查3d模型，判定牙齿的一部分被切除，并且手动进入扩展模式以添加被切除的区域的数据。或者，可以通过算法进行这样的判定，而无需首先接收用户输入(例如，基于执行图像处理)。

参考图7e，一组口内图像750包括口内图像714和752。该组口内图像750描绘了具有终止线709的准备牙齿708。然而，准备牙齿708的边缘754被切除。

在方框610处，处理逻辑接收准备牙齿(或其他牙齿)的附加的口内图像。在方框615处，处理逻辑可以识别准备牙齿的边缘的边界。在一个实施例中，这包括在边界处生成准备牙齿的边缘的轮廓。在一些实例中，这可能已经在方框605处执行。边缘的形状可以用于创建轮廓或边界。轮廓内部的所有数据可以保持为锁定的并且不可改变的。

在方框620处，处理逻辑基于利用来自附加口内图像的附加数据替换边界外部的数据，来更新模型。处理逻辑判定准备牙齿的附加口内图像的哪一部分描绘了在初始组的口内图像(例如，被切除的数据的边缘的边界之外)中被切除的准备牙齿的部分。附加口内图像的识别部分然后可以附加到初始组的口内图像，并用于在模型中扩展准备牙齿(或其他牙齿)。

参考图7f，示出了利用图7e的口内图像组750与来自附加口内图像762的数据创建的虚拟3d模型760。准备牙齿708的在准备牙齿708的轮廓内部的渲染图不受来自附加口内图像762的图像数据的影响。然而，使用口内图像762的示出边缘754外部的切除区域的部分在3d模型760中扩展准备牙齿708。

图8示出了计算设备800的示例形式的机器的图示，该计算设备800中可以运行用于使机器执行本文所讨论的任何一种或多种方法的指令集。在替代性实施例中，机器可以连接(例如，联网)到局域网(lan)、内联网、外联网、或互联网中的其他机器。该机器可以在客户机——服务器网络环境中的作为服务器或客户机运行，或者作为对等(或分布式)网络环境中的对等机器运行。该机器可以是个人计算机(pc)、平板计算机、机顶盒(stb)、个人数字助理(pda)、蜂窝电话、网络设备、服务器、网络路由器、交换机、或网桥、或者能够执行指定该机器要采取的操作的一组指令(顺序或其他)的任何机器。此外，虽然仅示出了单个机器，但术语“机器”还应被视为包括单独或共同执行一组(或多组)指令以执行任何一个或多个本文讨论的方法的机器(例如，计算机)的任何集合。术语“机器”还应指包括口内扫描仪和计算设备(例如，图1的扫描仪150和计算设备105)的集成的一体式设备。

示例性计算设备800包括处理设备802、主存储器804(例如，只读存储器(rom)、闪速存储器、诸如同步dram(sdram)的动态随机存取存储器(dram)等)、静态存储器806(例如，闪速存储器、静态随机存取存储器(sram)等)、以及二级存储器(例如，数据储存设备828)，其经由总线808彼此通信。

处理设备802表示一个以上的通用处理器，诸如微处理器，中央处理单元等。更具体地，处理设备802可以是复杂指令集计算(cisc)微处理器、简化指令集计算(risc)微处理器、超长指令字(vliw)微处理器、实现其他指令集的处理器、或实现指令组合的处理器集。处理设备802还可以是一个以上的专用处理设备，例如专用集成电路(asic)、现场可编程门阵列(fpga)、数字信号处理器(dsp)、或网络处理器等。处理设备802被配置为执行用于执行本文所讨论的操作和步骤的处理逻辑(指令826)。

计算设备800还可以包括用于与网络864进行通信的网络接口设备822。计算设备800还可以包括视频显示单元810(例如，液晶显示器(lcd)或阴极射线管(crt))、字母数字输入设备812(例如，键盘)、光标控制设备814(例如，鼠标)和信号产生装置820(例如，扬声器)。

数据储存设备828可以包括机器可读储存介质(或更具体地，非暂时计算机可读储存介质)824，其上储存了一组以上的指令826，其中包含本文所述的任意一种以上方法或功能。非暂时性储存介质是指除载波以外的储存介质。指令826还可以完全地或至少部分地保存在主存储器804内和/或处理设备802内，在其由计算机设备800执行期间，主存储器804和处理设备802也构成计算机可读储存介质。

计算机可读储存介质824还可用于储存口内扫描应用程序850，其可对应于图1的类似命名的组件。计算机可读储存介质824还可以储存包含口内扫描应用程序850的方法的软件库。虽然在示例性实施例中将计算机可读储存介质824示为单个介质，但是术语“计算机可读储存介质”应被认为包括单个介质或多个介质(例如，集中式或分布式数据库、和/或相关联的高速缓存和服务器)，其储存一组或多组指令。术语“计算机可读储存介质”还应被认为包括除了载波以外的任何介质，其能够存储或编码一组由机器运行并且使机器执行本发明的任何一个以上的方法的指令。因此，术语“计算机可读储存介质”应被认为包括但不限于固态存储器以及光和磁介质。

应当理解，上述描述旨在说明而不是限制性的。在阅读和理解上述描述之后，许多其他实施方式将是显而易见的。虽然已经参考具体示例性实施方式描述了本发明的实施例，但是应当理解本发明不限于所描述的实施例，而是可以在所附权利要求书的精神和范围内进行修改和改变。因此，说明书和附图应被视为是说明性的而不是限制性的。因此，本发明的范围应当参照所附权利要求书以及这些权利要求的等同物的全部范围来确定。