[發明專利]使用深度學習方法對3D牙齒數據進行自動分類和歸類

在審

• 申請號: 201880073106.0
• 申請日: 2018-10-02
• 公開（公告）號: CN111328397A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: D·安薩里·莫因;F·T·C·克萊森;B·A·費爾海
• 申請（專利權）人: 普羅馬頓控股有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/42;G06K9/34;G06K9/46
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 曾琳

1.一種用于處理表示牙頜面結構的3D數據的計算機實現的方法，包括：

計算機接收3D數據，優選地3D錐束CT(CBCT)數據，3D數據包括牙頜面結構的體素表示，牙頜面結構包括牙列，體素至少與輻射強度值相關聯，體素表示的體素定義圖像體積；

計算機將體素表示提供給第一3D深度神經網絡的輸入，3D深度神經網絡被訓練為將體素表示的體素分類為一個或多個牙齒類，優選地分類為牙列的至少32個牙齒類；第一深度神經網絡包括定義第一卷積路徑的多個第一3D卷積層、以及定義平行于第一卷積路徑的第二卷積路徑的多個第二3D卷積層，第一卷積路徑被配置為在其輸入處接收體素表示的第一體素塊，并且第二卷積路徑被配置為在其輸入處接收體素表示的第二體素塊，第一體素塊和第二體素塊在圖像體積中具有相同或基本相同的中心點，并且第二體素塊表示的現實世界維度下的體積大于第一體素塊的現實世界維度下的體積，第二卷積路徑確定第一體素塊的體素的上下文信息；第一卷積路徑和第二卷積路徑的輸出連接到至少一個全連接層，全連接層用于將第一體素塊的體素分類為一個或多個牙齒類；以及

計算機從第一3D深度神經網絡的輸出接收牙頜面結構的體素表示的分類的體素。

2.如權利要求1所述的方法，其中第二體素塊的體積大于第一體素塊的體積，第二體素塊表示第一體素塊的下采樣版本，優選地，下采樣因子在20和2之間選擇，更優選地，在10和3之間選擇。

3.如權利要求1或2所述的方法，還包括：

計算機基于分類的體素確定牙頜面結構的單個牙齒的一個或多個體素表示；

計算機向第二3D深度神經網絡的輸入提供單個牙齒的所述一個或多個體素表示中的每一個體素表示，第二3D深度神經網絡被訓練為將單個牙齒的體素表示分類為牙列的多個牙齒類中的一個，每個牙齒類與候選牙齒類標簽相關聯，經訓練的第二3D神經網絡為候選牙齒類標簽中的每一個生成激活值，與候選牙齒類標簽相關聯的激活值定義單個牙齒的體素表示對由該候選牙齒類標簽指示的牙齒類進行表示的可能性。

4.如權利要求1-3中的任一項所述的方法，還包括：

確定牙列的歸類，包括：定義候選牙列狀態，每個候選狀態是通過基于激活值向單個牙齒的多個體素表示中的每一個體素表示指派候選牙齒類標簽而形成的；以及基于一個或多個條件評估候選牙列狀態，所述一個或多個條件中的至少一個條件要求不同的候選牙齒類標簽指派單個牙齒的不同體素表示。

5.如權利要求1-4中的任一項所述的方法，還包括：

計算機使用預處理算法來確定牙頜面結構的3D位置特征信息，3D位置特征信息為每個體素在體素表示中定義與體素在圖像體積中相對于牙齒參考對象的位置的位置有關的信息，牙齒參考對象例如是頜、牙弓和/或一個或多個牙齒；以及

在將3D數據提供給第一深度神經網絡的輸入之前，計算機將3D位置特征信息添加到3D數據，所添加的3D位置特征信息為3D數據提供附加數據通道。

6.如權利要求1-5中的任一項所述的方法，還包括：

計算機基于經訓練的第三神經網絡對由第一3D深度神經網絡分類的體素進行后處理，第三深度神經網絡被訓練為在其輸入處接收由第一深度神經網絡分類的體素，并校正由第一深度神經網絡錯誤分類的體素，優選地，第三神經網絡基于在第一深度神經網絡的訓練期間分類的體素作為輸入、并基于訓練集的3D圖像數據的部分牙頜面結構的一個或多個3D數據集作為目標來進行訓練。