牙科CBCT扫描的自动分割的制作方法

背景技术：

1、正畸过程通常涉及将患者的牙齿重新定位到期望的布置，以便矫正咬合不正和/或改善美观性。为了实现这些目的，正畸矫正器(诸如牙箍、壳体对准器等)能够由正畸医师和/或由患者自己应用于患者的牙齿。矫正器能够被配置为在一个或多个牙齿上施加力，以便根据治疗计划实现期望的牙齿移动。

2、正畸对准器可以包括在牙齿上能移除和/或能更换的装置。可以提供正畸对准器作为正畸治疗计划的一部分。在涉及能移除和/或能更换对准器的一些正畸治疗计划中，可以在治疗过程中向患者提供多个正畸对准器，以对患者的牙齿进行增量位置调整。正畸对准器可以具有聚合物槽，聚合物槽具有内腔，内腔被成形为接收牙齿并将牙齿从一个牙齿布置弹性地重新定位到连续的牙齿布置。正畸对准器可以包括在牙齿上施加重新定位力的“主动”区域和将牙齿保持在其当前状态的“被动”区域。

3、许多数字扫描技术使用自动牙齿分割系统(例如，识别和/或编号牙齿模型中的单个牙齿和/或牙齿特征的自动系统)。这些自动牙齿分割系统中的许多仍然需要来自技术人员的大量输入以正确地分割牙齿。到目前为止，已经在2d语义分割(即，将图像分割成特定的标记分量)上执行了大量工作。由于巨大的存储器要求(例如，中等分辨率图像可能包含512×512像素，因此为了在体素中实现相同的分辨率，系统可能需要超过256倍的存储器量)而在3d中的工作明显较少。特别有帮助的是提供可以帮助分割、分析和/或引导治疗的一种或多种工具，其可以自动且准确地分割牙齿，特别是3d数据集，诸如从ct、cbct或mri扫描仪提供的3d数据集。

技术实现思路

1、实施方式解决了提供自动牙齿分割系统的需要，以自动、有效和准确地从患者牙列的3d扫描或3d数据集中分割个体牙齿和牙齿特征。本技术通过提供使用机器学习神经网络自动分割牙齿和牙齿特征的技术解决方案和/或自动代理来解决这些和其他技术问题。在一些实施方式中，利用一组3d卷积神经网络来执行3d数据集的分割，该组3d卷积神经网络以不同的体积分辨率处理3d数据集的不同区域。自动牙齿分割可以为自动正畸治疗计划的实现、正畸对准器(包括提供力以矫正患者牙齿中的咬合不正的一系列聚合物正畸对准器)的设计和/或制造提供基础。这些设备和/或方法可以提供或修改治疗计划，包括正畸治疗计划。本文描述的设备和/或方法可以提供指令以生成和/或可以生成一组或一系列对准器和/或正畸治疗计划。本文描述的设备和/或方法可以提供患者牙齿的视觉表示。

2、通常，本文描述的示例设备(例如，装置、系统等)和/或方法可以获取患者牙齿的表示。该表示可以是患者牙齿的3d模型、3d扫描或3d数据集(例如，3d牙齿点云、3d网格、ct扫描、cbct扫描或mri扫描)。在一些实施方式中，可以使用一个或多个不同分辨率的3d数据集的一个或多个子集作为输入。

3、通常，本文描述的示例设备(例如，装置、系统等)和/或方法可以训练机器学习模型或使用训练的机器学习模型来分割患者牙齿的3d扫描或3d数据集。可以使用的机器学习系统的示例包括但不限于卷积神经网络(cnn)(诸如v-net、u-net、resnext、xception、refinenet、kd-net、so net、point net或point cnn)以及附加的机器学习系统(诸如决策树、随机森林、逻辑回归、支持向量机、adaboost、k-最近邻(knn)、二次判别分析、神经网络等)。一旦机器学习系统已经被训练，它们就可以用于生成患者牙列的分割模型。

4、本文描述的任何设备和/或方法可以是远侧牙齿扫描设备或方法的一部分，或者可以被配置为与数字扫描设备或方法一起工作。

5、例如，本文描述的方法可以包括：在计算装置中接收包括患者牙列的牙根扫描(例如，锥形束计算机断层扫描、ct扫描、mri扫描等)的扫描数据，其中，扫描数据被分割成个体牙齿；使用牙冠信息执行扫描数据与患者牙列的数字模型的粗略对准，以形成粗略对准的扫描数据，其中，患者牙列的数字模型包括用于修改患者牙列的治疗计划的一个或更多个阶段；使用3d匹配算法执行粗略对准的扫描数据的精细对准以形成对准的扫描数据；处理对准的扫描数据以修补来自对准的扫描数据的牙槽；修改患者牙列的数字模型以包括来自经处理的对准的扫描数据的牙根，以形成修改的数字模型；以及使用修改的数字模型来显示或修改治疗计划。

6、这些方法可以是查看和/或修改治疗计划的方法。特别地，这些方法可以允许更清楚和准确地查看治疗计划。这些方法中的任何一种可以包括分割扫描数据；例如，利用一个或多个卷积神经网络自动分割扫描数据。

7、这些方法中的任何一种可以包括在执行精细对准之后，通过在处理对准的扫描数据之前修改患者牙列的数字模型以包括来自扫描数据的牙根，来生成原始对准扫描数据；这些方法可以包括显示原始对准扫描数据以供用户查看和校正修改的数字模型。

8、粗略对准可以包括利用对准算法使用扫描数据的每个牙冠的质心。替代地，粗略对准可以包括利用对准算法使用扫描数据的每个牙冠的牙冠尖端。这些方法中的任何一种可以包括执行精细对准，包括应用迭代最近点(iterative closest point，icp)3d匹配算法。

9、在这些方法中的任一个中，处理对准的扫描数据可以包括平滑对准的扫描数据。处理对准的扫描数据以修补来自对准的扫描数据的牙槽可以包括移除牙槽，使得能够在计划的牙齿移动上显示骨骼的半透明表示，而没有移动的牙根轮廓和不能移动的牙槽轮廓的视觉干扰。

10、本文还描述了用于执行这些方法中的任一个的系统，包括存储能够(例如，被配置为)执行这些方法中的任一个的指令集的非暂时性计算机可读存储介质。

11、本文还描述了分割患者牙列的三维(3d)扫描的方法，该方法包括以下步骤：在计算装置中接收患者牙列的三维(3d)扫描；利用一个或多个卷积神经网络自动分割3d扫描；将分割3d扫描合并到虚拟治疗计划的3d牙齿模型中；以及输出虚拟治疗计划。

12、这些方法中的任一个可以包括：识别虚拟治疗计划中的个体分割牙齿；识别对应于个体分割牙齿的通用牙齿模型；以及用对应于每个个体分割牙齿的通用牙齿模型替换虚拟治疗计划中的个体分割牙齿。

13、在一些情况下，这些方法可以包括利用分水岭算法(watershed algorithm)对虚拟治疗计划的3d牙齿模型自动重新编号。自动分割3d扫描还可以包括：将3d扫描下采样到比3d扫描更低的分辨率；利用第一神经网络分割下采样的3d扫描以识别患者的牙齿、患者的上颌骨和患者的下颌骨；执行牙齿区域中心计算以确定患者的牙齿在3d扫描内定位的位置；执行3d扫描的第一裁剪；利用第一神经网络分割第一裁剪以产生第一体积；执行3d扫描的第二裁剪；利用第二神经网络分割第二裁剪以产生第二体积；利用第三神经网络分割第二裁剪以产生第三体积；以及合并第一体积、第二体积和第三体积以产生最终分割3d扫描。

14、将分割3d扫描合并到虚拟治疗计划的3d牙齿模型中可以包括：接收分割3d扫描数据和虚拟治疗计划；执行分割3d扫描与虚拟治疗计划的粗略对准；执行分割3d扫描与虚拟治疗计划的精细对准；将来自虚拟治疗计划的牙冠缝合到来自分割3d扫描数据的对应牙根；对虚拟治疗计划中的个体分割牙齿进行编号。

15、替换个体分割牙齿可以包括：确定分割3d扫描中的所选择的牙齿的顶点位置；将通用牙齿模型的顶点位置移动到分割3d扫描中的牙齿的顶点位置；将通用牙齿模型的轮廓覆盖在分割3d扫描中的牙齿上；识别分割3d扫描与通用牙齿模型的轮廓之间的一个或多个差异；计算分割3d扫描与通用牙齿模型之间的一个或多个差异处的一个或多个点的3d坐标；将所计算的坐标处的一个或多个3d控制点添加到通用牙齿模型；以及利用一个或多个3d控制点来变换通用牙齿模型。

16、本文还描述了分割患者牙列的3d扫描的方法，该患者牙列包括患者的牙齿，该方法包括以下步骤：在计算装置中接收患者牙列的三维(3d)扫描；将3d扫描下采样到比3d扫描更低的分辨率；利用第一神经网络分割下采样的3d扫描以识别患者的牙齿、患者的上颌骨和患者的下颌骨；执行牙齿区域中心计算以确定患者的牙齿在3d扫描内定位的位置；执行3d扫描的第一裁剪；利用第一神经网络分割第一裁剪以产生第一体积；执行3d扫描的第二裁剪；利用第二神经网络分割第二裁剪以产生第二体积；利用第三神经网络分割第二裁剪以产生第三体积；合并第一体积、第二体积和第三体积以产生最终分割3d扫描。

17、通常，3d扫描可以包括患者牙列的ct扫描。3d扫描可以包括患者牙列的cbct扫描。3d扫描可以包括患者牙列的mri扫描。

18、第一神经网络和第二神经网络可以包括v-net神经网络。在一些示例中，第一裁剪具有比第二裁剪更低的分辨率。下采样的3d扫描、第一裁剪和第二裁剪可以具有不大于256×256×256的数据输入尺寸。第一裁剪可以包括与患者的上颌骨或下颌骨相关的扫描数据。第二裁剪可以包括与患者牙齿相关的扫描数据。

19、第一体积可以包括上骨骼、下骨骼和二元牙齿分割。第二体积可以包括上骨骼、下骨骼和二元牙齿分割。第三体积可以包括多类牙齿分割。

20、本文还描述了将分割3d扫描数据添加到虚拟治疗计划的方法。例如，一种方法可以包括：接收分割3d扫描数据和虚拟治疗计划；执行分割3d扫描与虚拟治疗计划的粗略对准；执行分割3d扫描与虚拟治疗计划的精细对准；将来自虚拟治疗计划的牙冠缝合到来自分割3d扫描数据的对应牙根；对虚拟治疗计划中的个体分割牙齿进行编号。

21、这些方法中的任一个可以包括预处理骨骼区段以修补虚拟治疗计划中的牙槽或缺失数据。

22、本文还描述了调整通用牙齿模型以更好地拟合到来自3d扫描的分割牙齿中的方法。例如，一种方法可以包括：确定分割3d扫描中的所选择的牙齿的顶点位置；将通用牙齿模型的顶点位置移动到分割3d扫描中的牙齿的顶点位置；将通用牙齿模型的轮廓覆盖在分割3d扫描中的牙齿上；识别分割3d扫描与通用牙齿模型的轮廓之间的一个或多个差异；计算分割3d扫描与通用牙齿模型之间的一个或多个差异处的一个或多个点的3d坐标；将所计算的坐标处的一个或多个3d控制点添加到通用牙齿模型；以及利用一个或多个3d控制点来变换通用牙齿模型。

23、本文还提供了包括牙科治疗系统的系统，并且该系统可以包括具有以下各项的系统：一个或多个处理器；耦合到一个或多个处理器的存储器，该存储器被配置为存储计算机程序指令，该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法，该计算机实现的方法包括：在计算装置中接收扫描数据，该扫描数据包括患者牙列的骨根扫描，其中，扫描数据被分割成个体牙齿；使用牙冠信息执行扫描数据与患者牙列的数字模型的粗略对准，以形成粗略对准的扫描数据，其中，患者牙列的数字模型包括用于修改患者牙列的治疗计划的一个或更多个阶段；使用3d匹配算法执行粗略对准的扫描数据的精细对准以形成对准的扫描数据；处理对准的扫描数据以修补来自对准的扫描数据的牙槽；修改患者牙列的数字模型以包括来自经处理的对准的扫描数据的牙根，以形成修改的数字模型；以及使用修改的数字模型来显示或修改治疗计划。

24、本文还提供了包括牙科治疗系统的其他系统，并且可以包括具有以下各项的系统：一个或多个处理器；耦合到该一个或多个处理器的存储器，该存储器被配置为存储计算机程序指令，该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法，该计算机实现的方法包括：在牙科治疗系统中接收患者牙列的三维(3d)扫描；利用一个或多个卷积神经网络自动分割3d扫描；将分割3d扫描合并到虚拟治疗计划的3d牙齿模型中；以及输出虚拟治疗计划。

25、在另一个示例中，诸如牙科治疗系统的系统可以包括：一个或多个处理器；耦合到一个或多个处理器的存储器，该存储器被配置为存储计算机程序指令，该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法，该计算机实现的方法包括：在牙科治疗系统中接收患者的牙列的三维(3d)扫描；将3d扫描下采样到比3d扫描更低的分辨率；利用第一神经网络分割下采样的3d扫描以识别患者的牙齿、患者的上颌骨和患者的下颌骨；执行牙齿区域中心计算以确定患者的牙齿在3d扫描内定位的位置；执行3d扫描的第一裁剪；利用第一神经网络分割第一裁剪以产生第一体积；执行3d扫描的第二裁剪；利用第二神经网络分割第二裁剪以产生第二体积；利用第三神经网络分割第二裁剪以产生第三体积；以及合并第一体积、第二体积和第三体积以产生最终分割3d扫描。

26、提供了另一种系统，诸如牙科治疗系统，该系统包括：一个或多个处理器；耦合到一个或多个处理器的存储器，该存储器被配置为存储计算机程序指令，该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法，该计算机实现的方法包括：接收分割3d扫描数据和虚拟治疗计划；执行分割3d扫描与虚拟治疗计划的粗略对准；执行分割3d扫描与虚拟治疗计划的精细对准；将来自虚拟治疗计划的牙冠缝合到来自分割3d扫描数据的对应牙根；对虚拟治疗计划中的个体分割牙齿进行编号。

27、还提供了一种牙科治疗系统，包括：一个或多个处理器；耦合到一个或多个处理器的存储器，该存储器被配置为存储计算机程序指令，该计算机程序指令在由处理器执行时使处理器执行计算机实现的方法，该计算机实现的方法包括：确定分割3d扫描中的所选择的牙齿的顶点位置；将通用牙齿模型的顶点位置移动到分割3d扫描中的牙齿的顶点位置；将通用牙齿模型的轮廓覆盖在分割3d扫描中的牙齿上；识别分割3d扫描与通用牙齿模型的轮廓之间的一个或多个差异；计算分割3d扫描与通用牙齿模型之间的一个或多个差异处的一个或多个点的3d坐标；将所计算的坐标处的一个或多个3d控制点添加到通用牙齿模型；以及利用一个或多个3d控制点来变换通用牙齿模型。

28、本文所述的所有方法和设备以任何组合在本文中被考虑并且可以用于实现如本文所述的益处。