一种基于大数据的快速排牙方法与流程

本发明涉及排牙方法。

背景技术：

排牙的目的是根据一定的大家认可的实践标准，将牙齿移动到理想的位置。通常这个标准是被业界广泛使用的。目前，3d技术被广泛的应用于模拟牙齿的最终位置，并能实时展示给患者。但是目前的排牙，都是工作人员机械地对每个牙齿进行位置移动，直到找到认为是合理的位置为止。

目前这些方法，主要存在两大缺陷：

1)即使牙齿模型是带有牙根的，但在排牙过程中，对于最终理想位置的确认，仍然是基于业界某些专家名人的理论为基础的。

a)但这些理论，一方面理论形成时的案例数量有限。即很多仅仅是依据几百例被认为是正常的理想的牙颌来确定的。

b)在对理想的标准的建立上，都是基于实体牙颌的测量进行的。由于技术有限，这会导致这些实体的测量的数据未必是准确的

c)传统的牙科理论都会假设性地把3维的牙齿和牙颌模型进行投影到一个假设默认的平面。而在理论的不同部分，这个默认的平面是不断变动的，因此此时的很多2维的数据分析，都是不一致的，有时甚至是矛盾的。

2)在初期的数字化3d模拟技术中，都是通过技工操作3维模拟软件，对牙齿进行人工移动，直到觉得可以为止。

a)技工往往根据医生的吩咐进行排牙。往往由于缺乏工具的帮助，通常只是在脑子中进行模型和诊断的，因此效果并不是最好的。

b)被业界认可的最终位的标准的描述，当时的专家并没有基于3d模型进行仔细的建模思考，标准之间的某些条件过于理想化，或者因之而存在冲突。

技术实现要素：

本发明的目的在于提供一种基于大数据的快速排牙方法，定义准确的牙齿最终位标准，有效提高排牙的速度和准确率。

实现上述目的的技术方案是：

一种基于大数据的快速排牙方法，包括：

根据大数据，利用人工智能算法，对理想的牙齿模型进行评分分类，得出牙齿理想的最终位标准；

根据大数据，以及牙齿理想的最终位标准，定义和确定上下颌每颗牙齿的运动的难度；

利用3d模型模拟当前待排牙的牙齿模型，根据锥形束ct，确认上下颌的牙槽骨的边界和形状；

在3d模拟形成的牙齿模型中，调整上下颌牙齿的姿态；

在3d模拟形成的牙齿模型中，调整上下颌咬合平面；

在3d模拟形成的牙齿模型中，调整每颗牙齿的姿态；

在3d模拟形成的牙齿模型中，调整牙弓的姿态；以及

在3d模拟形成的牙齿模型中，将牙齿沿着牙弓进行排牙。

优选的，所述的对理想的牙齿模型进行评分分类，得出牙齿理想的最终位标准，包括：

对理想的牙齿模型进行分类，获得各个特征分类；

每个特征分类包含若干预定参数，对每个预定参数评分并赋予权重值，然后根据各预定参数所获分值和权重值，得到每个特征分类的最终分值。

优选的，所述的预定参数包括：上下切牙的姿态；上下切牙形成的覆合覆盖关系；上下磨牙的咬合关系；上下磨牙的姿态；切牙和磨牙的咬合面关系；切牙和尖牙的咬合面关系；尖牙和磨牙的咬合面的关系；切牙、尖牙和磨牙形成的牙弓；上下颌的牙弓的姿态；上下颌单颗牙齿基于咬合平面和牙弓的姿态；上下牙齿的排齐关系；前后牙区的咬合面的平衡情况；上下牙列的拥挤度；上下牙列的bolton指数；牙弓的对称性。

优选的，所述的根据大数据，定义和确定上下颌每颗牙齿的运动的难度，包括：

遍历所有的案例，对比每个案例中每颗牙齿设计的移动值x1以及定期对牙齿的运动的跟踪值x2，计算x1/(x2-x1)表示牙齿移动有效性；

定义影响牙齿移动难度的因素为各因子项，通过机器学习和回归，得到一个描述牙齿的移动难度函数y＝f(a1,a2,a3,...,an).y表示牙齿移动有效性，a1,a2,a3,...,an表示影响牙齿移动难度的因子项，n为正整数；

计算出由牙齿的移动难度函数构成的牙齿移动难度函数矩阵；

利用牙齿移动难度函数矩阵确定当前上下颌每颗牙齿的运动的难度。

优选的，所述的影响牙齿移动难度的因子项，包括：牙齿的牙位、牙根的数目、牙齿相对于理想的最终位标准的评分值、设计的牙齿移动策略、解除牙齿拥挤或者关闭间隙选用的方法。

优选的，调整上下颌牙齿的姿态，指：调整切牙的位置，以及磨牙的位置。

优选的，调整上下颌咬合平面，指：绕着磨牙轴，分别调整上下咬合面的角度。

优选的，调整每颗牙齿的姿态，指：根据牙齿姿态，参考标准的轴倾角和转矩数据，调整当前每颗牙齿的轴倾角和转矩。

优选的，牙齿沿着牙弓进行排牙时，从1号牙位开始按序排牙，过程中确定中线对齐的方式、不能移动的牙齿、间隙/拥挤解决的有限顺序。

本发明的有益效果是：本发明通过大数据和人工智能技术，形成新的准确的对理想的牙齿最终位标准的定义。同时，定义了影响牙齿最终位的几个关键的特性，并根据这几个关键特性，做单独的个性化调整，调整牙齿的姿态和牙弓的姿态，从而达到最佳的效果。并且定义和确定上下颌每颗牙齿的运动的难度，从而根据传入的参数自动快速排牙，提高准确率。

附图说明

图1是本发明的基于大数据的快速排牙方法的流程图。

具体实施方式

下面将结合附图对本发明作进一步说明。

请参阅图1，本发明的基于大数据的快速排牙方法，包括下列步骤：

步骤s1，根据大数据定义和确认理想的最终位标准。理想的最终位标准由下面的预定参数来描述：上下切牙的姿态(位置，角度，转矩)；上下切牙形成的覆合覆盖关系；上下磨牙的咬合关系；上下磨牙的姿态(位置，角度，转矩)；切牙和磨牙的咬合面关系；切牙和尖牙的咬合面关系；尖牙和磨牙的咬合面的关系；切牙、尖牙和磨牙形成的牙弓；上下颌的牙弓的姿态；上下颌单颗牙齿基于咬合平面和牙弓的姿态(轴倾角、旋转和转矩)；上下牙齿的排齐关系；前后牙区的咬合面的平衡情况；上下牙列的拥挤度；上下牙列的bolton指数(上下前牙牙冠宽度总和的比例关系与上下牙弓全部牙牙冠宽度总和的比例关系)，牙弓的对称性。

具体方法：利用人工智能算法，遍历现有的案例资料，对理想的牙齿模型进行评分分类：

评分系统简述如下：

1)单颗牙齿的姿态是否复合理想标准(无旋转，轴倾角和转矩在标准值范围内)，以0-10打分。

2)牙齿间排齐关系打分。分为牙齿之间的排齐齐整情况及切缘是否对齐、拥挤度(邻牙接触情况，是否有间隙或者拥挤)、bolton指数。对这些指标进行归一化处理，并给出0-10打分。

3)牙列姿态打分。分为牙弓的对称性，以及spee曲线的平坦度。

4)咬合情况打分。咬合情况通过3)对咬合，以及咬合平衡情况，咬合接触情况进行打分。其中磨牙的咬合情况最为重要，分值取0-10分。

5)覆颌覆盖情况。主要考虑的是前牙区的中切牙的覆颌覆盖的值，用0-10进行评分。

得出上述的各种预定参数在理想最终位的权重、最佳值以及最佳的组合。

可见上述各种预定参数进行评分后，每个特征分类会形成一个最终的分值，即为理想的最终位标准。

通过这机器学习算法，输入的是牙齿(牙列)模型的网格模型数据(牙齿分割后)，然后通过上述评分系统，给出每个特征分类的评分值。使用机器学习算法，得到一个方程。该方程的输入是牙齿(牙列)模型的网格数据，输出是一个特征结果矢量，其矢量的数值对应于上述的分类特征的评分值。

步骤s2，根据大数据，定义和确定上下颌每颗牙齿的运动的难度。牙齿的移动难度决定了牙齿移动的有效性，即治疗效果的有效性。利用机器学习算法，我们计算出牙齿的移动难度(由不同的参数表达)对应的牙齿的移动有效性。具体地：

遍历所有的案例，对比每个案例中，比较矫治的运动设计的移动值，以及定期对牙齿的运动的跟踪值，计算是否达到预期设计的效果。离预期效果较远的，可以认为牙齿移动有效性比较小，移动难度相对较大。

例如：方案设计的移动值为预期值。假设某颗牙齿，方案设计中，其从初始位到最终位移动的移动值为x1，即我们期待牙齿要移动x1距离。在跟踪分析中，我们发现其实际移动了x2。那么我们可以定义：x1/(x2-x1)为牙齿移动的有效性。

牙齿的运动难度受牙齿的牙位、牙根的数目、牙齿相对于其它牙齿的位置和畸形程度，以及设计的牙齿移动策略有关，即和解除牙齿拥挤或者关闭间隙选用的方法有关。通过定义上述影响牙齿移动的因素，通过机器学习，进行回归，得到一个描述牙齿的移动难度函数。

对于单颗牙齿，我们可以定义一个多元函数y＝f(a1,a2,a3,...,an)，n为正整数。

其中y是移动的有效性。移动有效性是通过跟踪，采用比对方法得到的值。这个过程见上面的描述。其中的a1,a2就是上述的影响牙齿移动难度的因子项。比如：牙根数目，牙齿相对于理想的最终位标准的评分值(定义0-10分数，牙齿相对于理想位置5度以内，分值为10，超出5度，分别定义对应的分值)，相邻牙齿的牙根数，等等。

通过对大量案例的跟踪分析，可以计算出牙齿移动难度函数矩阵。每行是一个牙齿的移动难度函数。这些函数的参数值，都是通过机器学习，得到的最优(或者局部最优)参数。

对当前待排牙的牙齿模型，使用上述牙齿移动难度函数矩阵进行一个总体评估，即确定相应的上下颌每颗牙齿的运动的难度，从而对设计方案的有效性有一个概览。牙齿解除拥挤/关闭间隙可以有如下的选项：拔牙、扩弓、推磨牙后移、片切。对于上述4种方法，可以定义4个因子，每个因子的值域是{0,1}，即使用了拔牙，那么这四个因子的值为(1,0,0,0)，如果使用的是片切，那么这四个因子的值是(0,0,0,1)。这四个因子作哑元回归，应用于难度函数矩阵的计算。

步骤s3，利用3d模型模拟当前待排牙的牙齿模型；根据cbct(锥形束ct)，确认上下颌的牙槽骨的边界和形状。边界和形状决定了上下颌牙齿可以运动的边界和限制。其中，下颌的扩弓，基本是通过改变牙齿的转矩来实现的。而上颌的扩弓，可能通过改变牙槽骨来实现。

步骤s4，在3d模拟形成的牙齿模型中，调整上下颌牙齿的姿态。这里主要是调整切牙的位置，以及磨牙的位置。上下切牙的位置决定了覆合覆盖关系。切牙磨牙的关系决定了咬合平面。

步骤s5，在3d模拟形成的牙齿模型中，调整上下颌咬合平面。这里的调整主要是绕着磨牙轴(同名磨牙的位置连接，形成一个轴)，分别调整上下咬合面的角度。这里假设fa点形成的平面和咬合面存在一定的夹角。

步骤s6，在3d模拟形成的牙齿模型中，调整每颗牙齿的姿态。根据大数据，每颗牙齿的牙长轴和咬合平面，存在一个标准的轴倾角和转矩。这一步的工作，主要是根据牙齿姿态，参考标准的轴倾角和转矩数据，调整当前每颗牙齿的轴倾角和转矩。当然转矩的调整会受到牙根的约束。

步骤s7，在3d模拟形成的牙齿模型中，调整牙弓的姿态。牙弓姿态定义了上下颌咬合是否协调。一般上颌牙弓是在下颌牙弓外扩2mm。

下颌牙弓的形状(宽度和深度)基于当前的牙齿自动生成。此时使用人员可以根据实际情况，对牙弓进行恰当的改变。但改变不能超过生理学的极限。而上颌牙弓的形状也是根据当前的牙齿自动生成。但是否使用当前生成的上颌牙弓，还是使用基于下颌牙弓外扩的功能，取决于用户。

步骤s8，在3d模拟的牙齿模型中，在确定完每颗牙齿的姿态和牙弓的姿态后，就开始把牙齿沿着牙弓进行排牙。排牙的顺序是先从1号牙位开始。其中，需要考虑到中线如何对齐、是否有哪些牙齿是不能移动的、间隙/拥挤解决的有限顺序。比如，如果处方表中的拥挤的解决办法是推磨牙向后，那么在排牙过程中，从1号牙位，每颗牙都没有碰撞和间隙，依次排下来。直到最后一颗。如果选择的是片切，那么，排牙时，让每颗牙齿进行适当片切。而排牙过程中，磨牙位置则选择不改变，尽可能通过找到合适的片切值，将磨牙前面的牙齿尽可能的在磨牙前排齐。

在牙齿都排完后，工作人员可以进行检查。发现有不满意的地方，可以在上述步骤的某些地方对某些参数值进行调整，然后再重新运行自动排牙。

以上实施例仅供说明本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案也应该属于本发明的范畴，应由各权利要求所限定。